Identification of Optimal Binders for Torrefied Biomass Pellets
Notice bibliographique
Résumé
The pretreatment of biomass through torrefaction is an effective means of improving the fuel quality of woody biomass and its suitability for use in existing facilities burning thermal coal. Densification of torrefied biomass produces a fuel of similar energy density, moisture content, and fixed carbon content to low-grade coals. Additionally, if the torrefaction conditions are optimized, the produced torrefied pellet will be resistant to weathering and biological degradation, allowing for outdoor storage and transport in a manner similar to coal. In untreated biomass, lignin is the primary binding agent for biomass pellets and is activated by the heat and pressures of the pellet extrusion process. The thermal degradation of lignin during torrefaction reduces its binding ability, resulting in pellets of low durability not suitable for transportation. The use of a binding agent can increase the durability of torrefied pellets/briquettes through a number of different binding mechanisms depending on the binder used. This study gives a review of granular binding mechanisms, as they apply to torrefied biomass and assesses a variety of organic and inorganic binding agents, ranking them on their applicability to torrefied pellets based on a number of criteria, including durability, hydrophobicity, and cost. The best binders were found to be solid lignin by-product derived from pulp and paper processing, biomass tar derived from biomass pyrolysis, tall oil pitch, and lime.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».