MétaCan
Menu
Retour à la cohorte
Enregistrement W4381619345 · doi:10.11159/ffhmt23.111

Improvement of Syngas Quality in Fixed Bed Gasifier Using CaMg(CO3)2 Catalyst

2023· article· en· W4381619345 sur OpenAlexvenueno aff
Darshit S. Upadhyay, Amita Chaudhary, Akshit Trada, Dhruvil Patel, R.N. Patel

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesMaterials and Energy Research CenterNirma University
Mots-clésSyngasWood gas generatorCatalysisQuality (philosophy)Process engineeringWaste managementEnvironmental scienceChemical engineeringMaterials scienceChemistryEngineeringPhysicsOrganic chemistryCoal

Résumé

récupéré en direct d'OpenAlex

This paper deals with the experimental investigation of lignite (L) and wood (W) feedstock in a pilot-scale downdraft gasifier.The study aims to check the compatibility of CaMg(CO3)2 [dolomite (D)] catalyst, 5% (W/W), with lignite and wood (L+D, W+D) feedstock as an additive to enhance the performance of a 10 kWe atmospheric pressure downdraft gasifier system.Fuel consumption and gas flow rate were found to be 10.01-11.6 kg h -1 and 26.76-29.57kg h -1 , respectively, for lignite and wood feedstock (with and without catalyst).In lignite, CO and H2 concentrations were increased by 6.81 % and 4.9 %, respectively, whereas in wood, their concentrations were increased by 8.88 % and 5.1 % when the catalyst was employed with feedstock.The producer gas LHV and cold gas efficiency were increased by 6.02% and 5.75% in lignite and 6.97% and 6.61 in wood, whereas specific fuel consumption decreased by 5.92% (in L), 5.17 (in W) with dolomite feedstock.Tar and Total Particulate Matter (PM) concentrations in the producer gas were measured and found to have a noticeable decline with catalytic gasification for both feedstocks.The study concludes that adding dolomite offered better results in terms of higher efficiency and lower tar-PM concentrations.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,051
Tête enseignante GPT0,301
Écart entre enseignants0,250 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207