MétaCan
Menu
Retour à la cohorte
Enregistrement W4378070891 · doi:10.1002/cjce.24964

Performance assessment of drop tube reactor for biomass fast pyrolysis using process simulator

2023· article· en· W4378070891 sur OpenAlexaffvenue
Fekadu Mosisa Wako, Gianmaria Pio, Ashraf Lofti, Ernesto Salzano, Nader Mahinpey

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensCRB Innovations (Canada)University of Calgary
Organismes subventionnairesnon disponible
Mots-clésPyrolysisHemicelluloseLigninCelluloseBiomass (ecology)Pulp and paper industryCharStalkStrawChemical engineeringTube furnaceRaw materialChemistryDecompositionPyrolysis oilMaterials scienceWaste managementOrganic chemistryAgronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Biomass pyrolysis process from a drop tube reactor was modelled in a plug flow reactor using Aspen Plus process simulation software. A kinetic mechanism for pyrolysis was developed considering the recent improvements and updated kinetic schemes to account for different content of cellulose, hemicellulose, and lignin. In this regard, oak, beechwood, rice straw, and cassava stalk biomasses were analyzed. The main phenomena governing the pyrolysis process are identified in terms of the characteristic times. Pyrolysis process was found to be reaction rate controlled. Effects of pyrolysis temperature on bio‐oil, gases, and char yields were evaluated. At optimum pyrolysis conditions (i.e., 500°C), a bio‐oil yield of 67.3, 64, 43, and 52 wt.% were obtained from oak, beechwood, rice straw, and cassava stalk, respectively. Oak and beechwood were found to give high yields of bio‐oil, while rice straw produced high gas and char yields compared to other biomasses. Although temperature is the main factor that plays a key role in the distribution of pyrolysis products, the composition of cellulose, hemicellulose, and lignin in the feedstock also determines the yield behaviour and composition of products. With the rise in pyrolysis temperature, further decomposition of intermediate components was initiated favouring the formation of lighter fractions. Comparably, species belonging to the aldehyde chemical family had the highest share of bio‐oil components in all the investigated feedstocks. Overall, the present study shows a good agreement with the experimental study reported in the literature, confirming its validity as a predictive tool for the biomass pyrolysis process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207