Optimization of pyrolysis conditions for production of rice husk-based bio-oil as an energy carrier
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bio-oil is an eco-friendly energy source with potential to substitute fossil-derived fuels. This study optimized pyrolysis conditions for production of bio-oil from rice husks. Response surface methodology based on central composite design was employed to maximize bio-oil yield and high heating value (HHV) while minimizing water and ash contents. The pyrolysis process conditions were; temperature (400–650 °C), heating rate (6000–9750 °Ch-1), and holding time (600–1800 s). Analysis of variance revealed that the linear model best fits the responses of bio-oil yield and water content. On the other hand, the quadratic model best fits the responses of HHV and ash content. Pyrolysis temperature had the greatest influence on each of the studied responses, followed by holding time and lastly heating rate. Optimum pyrolysis conditions were found to be; temperature (650 °C), heating rate (9750 °Ch-1), and holding time (1800 s), leading to bio-oil yield, HHV, water and ash contents of 38.13%, 23.40 MJ/kg, 18.27%db and 0.16%db, respectively. These results fall in the range of standard quality values for bio-oil in published literature where >15 MJ/kg, 20–30%, 0.15–0.25% are the recommended ranges for HHV, water and ash contents, respectively. Results from the FTIR spectroscopy revealed that phenolic compounds contributed the most to bio-oil composition. Phenolic compounds positively influenced the quality of bio-oil due to their high calorific values. Gas chromatograph and mass spectrometry results showed peaks continuing to spill up to the maximum retention time indicating good thermal stability and bio-oil quality.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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