MétaCan
Menu
Retour à la cohorte
Enregistrement W4385334570 · doi:10.1021/acs.iecr.3c00192

Syngas Quality Enhancement by CO<sub>2</sub> Injection during the Co-Gasification of Biomass and Plastic

2023· article· en· W4385334570 sur OpenAlexafffund
Joshua Cullen, Kang Kang, Naomi B. Klinghoffer

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensLakehead UniversityWestern University
Organismes subventionnairesMitacsWestern University
Mots-clésSyngastar (computing)Wood gas generatorWaste managementHigh-density polyethyleneBiomass (ecology)Thermogravimetric analysisCharRaw materialProducer gasMaterials scienceCarbon fibersSolid fuelEnvironmental scienceFuel gasChemical engineeringCombustionPulp and paper industryPolyethyleneChemistryPyrolysisOrganic chemistryComposite numberCatalysisCoalComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Gasification technologies have been considered to be viable waste enhancement avenues for diverting mixed nonrecycled plastic-containing waste from landfills. The main objective of this work was to investigate CO 2 utilization with the air gasification of mixed plastics and biomass. High-density polyethylene (HDPE) was co-gasified with Douglas fir, air, and CO 2 in a semibatch updraft gasifier with supporting thermogravimetric analyzer (TGA) testing. Possible reaction mechanisms of the mixed feedstock with CO 2 injections were discussed by comparing the gas, tar, and char products of the gasifier with the TGA data. Injecting 10 and 20 vol % CO 2 in air gasification with an air to fuel ratio of 0.3 improved carbon conversion from the tar to the gas phase by 28 and 43 carbon weight %, respectively. CO 2 addition was an effective moderator of the H 2 /CO ratio, beneficial to tar reduction and enhanced the energy density of the syngas, improving the tunability of the gasification 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 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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,679

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,052
Tête enseignante GPT0,312
Écart entre enseignants0,260 · 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

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207