MétaCan
Menu
Retour à la cohorte
Enregistrement W4303644778 · doi:10.3390/fuels3040036

Impact of Biochar Addition in Microwave Torrefaction of Camelina Straw and Switchgrass for Biofuel Production

2022· article· en· W4303644778 sur OpenAlexafffund
Obiora S. Agu, Lope G. Tabil, Edmund Mupondwa, Bagher Emadi, Tim Dumonceaux

Notice bibliographique

RevueFuels · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Saskatchewan
Organismes subventionnairesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of CanadaSugar Research and Development CorporationBioFuelNet Canada
Mots-clésTorrefactionBiocharBiofuelStrawBioenergyBiomass (ecology)Pulp and paper industryCombustionChemistryCamelinaPyrolysisWaste managementAgronomyFood science

Résumé

récupéré en direct d'OpenAlex

The possibility of applying biochar in mild torrefaction treatment to improve the thermochemical characteristics of ground biomass was the focus of the study. Camelina straw and switchgrass were torrefied in a reactor using microwave irradiation at torrefaction temperatures of 250 °C and 300 °C with residence times 10, 15 and 20 min, under nitrogen-activated inert conditions. Both biochar addition of more than 10% and residence time significantly affected the product yields, as MW torrefaction temperatures shifted from 250 °C to 300 °C. Overall, the results indicated a slight increase in ash content, mass loss percentage intensification, heating values, and fixed carbon, while moisture content and volatile matter decreased in camelina straw and switchgrass, with or without biochar. Biochar addition with a long residence time (20 min) at 250 °C reduced energy requirement during the microwave torrefaction process. The combustion index values showed that torrefied camelina straw or switchgrass with biochar addition suits co-combustion with coal in a coal-fired plant and is a potential biomaterial for biofuel pellets.

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 enseignants0,005
Score d'incertitude au seuil0,286

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207