MétaCan
Menu
Retour à la cohorte
Enregistrement W4311032122 · doi:10.18331/brj2022.9.4.2

Enhancing the potential of sugarcane bagasse for the production of ENplus quality fuel pellets by torrefaction: an economic feasibility study

2022· article· en· W4311032122 sur OpenAlexvenueno aff
Teeraya Jarunglumlert, Akarasingh Bampenrat, Hussanai Sukkathanyawat, Prasert Pavasant, Chattip Prommuak

Notice bibliographique

RevueBiofuel Research Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesThailand Science Research and Innovation
Mots-clésTorrefactionPelletsBagasseRaw materialHeat of combustionWaste managementEnvironmental sciencePelletizingBiomass (ecology)Pulp and paper industryFossil fuelBiofuelPelletSolid fuelCombustionMaterials scienceAgronomyEngineeringChemistryPyrolysis

Résumé

récupéré en direct d'OpenAlex

When fossil fuel substitution with biomass is viewed as a potential solution to global warming caused by greenhouse gas emissions, the demand for biomass fuel pellets has increased worldwide. Although agricultural waste is an attractive potential feedstock for fuel pellet production due to its relatively high calorific value and low cost, its excessive ash content is a major drawback. This research investigates the properties of sugarcane bagasse fuel pellets treated by dry and wet torrefaction and evaluates the economic value of selling the fuel pellets, which were priced based on their quality. It was found that the wet torrefaction could significantly reduce the ash content in the product (1% ash content at a torrefaction temperature of above 180°C), resulting in higher quality and more marketable fuel pellets. Consequently, the yield and the net present value of the production of wet torrefied fuel pellets were greater than those of dry torrefied pellets. Nevertheless, the production of fuel pellets from sugarcane bagasse treated by either process is shown to be economically viable.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,047
Score d'incertitude au seuil0,527

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,065
Tête enseignante GPT0,361
Écart entre enseignants0,296 · 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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207