MétaCan
Menu
Retour à la cohorte
Enregistrement W4387127394 · doi:10.1115/gt2023-103191

Numerical Investigation of NH3 Doped Fuels From Biomass Gasification on Fuel-Bound NOx Formation at Gas Turbine Conditions

2023· article· en· W4387127394 sur OpenAlexaff
Silin Yang, Ahmed Raslan, Antoine Durocher, Felix Güthe, Jeffrey M. Bergthorson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNOxCombustionFossil fuelEnvironmental scienceBiomass (ecology)Renewable energyRenewable fuelsResidence time (fluid dynamics)Waste managementCarbon fibersChemistryPulp and paper industryMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract As our society transitioning away from fossil fuel-based energy system to reduce carbon emissions, renewable energy sources are needed to meet the increasing energy demand in the near future. Biomass, consisting mostly of plant-based organic materials, is a promising alternative to fossil fuels for carbon-neutral energy production. Unfortunately, during the gasification process, the nitrogen content in biomass is converted to NH3, which is then oxidized in the combustion process, leading to high NOx emissions through the fuel-NO pathway. The high NOx emissions from NH3 and NH3-containing fuels have prevented their implementation at scale. Depending on the gasification process, source of biomass, and combustion technology, the NH3 and water content can vary greatly. This works focuses on blends of 2% (mol) NH3 in CH4, diluted by up to 55% (mass) water. The combustion process is modelled by freeflame connected to a plug flow reactor (PFR), achieving a total residence time of 100 ms. Major chemistry involved in the fuel NO pathway were identified from reaction pathway analysis. NOx emissions were investigated under different equivalence ratios (Φ = 0.45–2.2) and inlet pressures (1 atm, 40 atm). NO concentration increases rapidly as NH3 is added to the fuel mixture, as expected. Under fuel rich conditions, NO decreases after the initial increase, and this reduction becomes more pronounced at elevated pressure and long residence times. At the same time, unburned NH3 and other reactive N species increase as NO decreases. The optimal conditions that minimize the total NOx and NH3 emissions were found to be slightly fuel rich, high pressure, and long residence time. Under these conditions, additional pathways involving NNH and N2O promotes the conversion of NH3 to N2. Large discrepancies among different thermochemical mechanisms highlight areas that still need to be researched. Results from the current study can assist in the modelling and design of low-emissions engines fuelled by biomass and NH3, thereby contributing to a carbon-neutral economy.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,035
Tête enseignante GPT0,282
Écart entre enseignants0,247 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCatalytic Processes in Materials ScienceTravaux en français237 207