MétaCan
Menu
Retour à la cohorte
Enregistrement W4297973383 · doi:10.3390/en15197168

Investigation of Steam Explosion Pretreatment of Sawdust and Oat Straw to Improve Their Quality as Biofuel Pellets

2022· article· en· W4297973383 sur OpenAlexaff
Chukwuka Onyenwoke, Lope G. Tabil, Tim Dumonceaux, Duncan Cree, Edmund Mupondwa, Phani Adapa, Chithra Karunakaran

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensGlobal Institute for Water SecurityCanadian Light Source (Canada)Agriculture and Agri-Food CanadaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPelletsSawdustStrawPelletSteam explosionUltimate tensile strengthBiomass (ecology)Pulp and paper industryBiofuelMaterials scienceBioenergyMoistureChemistryAgronomyAnimal scienceWaste managementComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

Steam explosion pretreatment of sawdust and oat straw under mild, medium, and severe conditions was conducted to improve the quality of pellets generated from these feedstocks. This work examined the effects of temperature, time, and moisture content on the mechanical properties of biomass pellets. From the ANOVA conducted, the p-values of the regression models for all the response variables (dimensional stability, tensile strength, and pellet density) studied were significant (p < 0.05), except for the pellet density of steam-pretreated oat straw pellets. The interaction of these three factors did not significantly affect the response variables of oat straw pellets. In addition, the higher heating value (HHV) of treated biomass increased up to a maximum of about 9.5% and 7% as compared with the non-treated sawdust and oat straw, respectively. In addition, an increment of about 3.6-fold and 3.1-fold in pellet tensile strength of steam-pretreated sawdust and oat straw was observed, respectively. Microstructural examination of the pellets from steam-pretreated biomass revealed that the material contained particles that were more closely bonded and featured a cemented surface with fewer pores when compared to particles from untreated oat straw and sawdust.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207