Tar removal from the producer gas of a small scale downdraft gasifier using a fatty acid based, wet packed‐bed scrubber
Notice bibliographique
Résumé
Abstract Small scale gasification combined heat and power (CHP) systems offer an alternative to diesel fuelled generators for power generation in remote communities and industrial sites. Tar and particulates in the producer‐gas can damage the internal combustion engine generator and increase operation and maintenance costs. In this work, we present a novel trickle‐bed scrubber using filtered waste cooking oil as a cost effective and easy‐to‐operate gas clean‐up method for a small CHP system. The performance of the trickle‐bed scrubber was compared against a packed‐bed filter utilizing woodchips in a 20 kW th downdraft gasifier. Used‐cooking oil was selected as the solvent and woodchips as the bed‐material as these are readily available, inexpensive, and can be recycled in the gasifier as fuel. A woodchip packed‐bed filter reduced the tar and particulate matter (PM) in the producer gas from gasification of spruce chips (11% moisture) from 1.6 to 1.4 g/Nm 3 and from 0.16 to 0.087 g/Nm 3 respectively. The trickle‐bed scrubber was able to reduce the tar and PM in the producer gas from gasification of pinewood (8% moisture) from 1.38 to 0.28 g/Nm 3 , and 0.209 to 0.082 g/Nm 3 , respectively. Tar and PM removal efficiency improved by 60% and 29% respectively. Components such as benzene, toluene, naphthalene, and biphenylene were the major tar components. After passing the trickle‐bed, most tar was removed, with a preference for removal of multi‐ringed aromatics and gravimetric tars. Parameters such as the tar and particulate concentration, feedstock moisture content, and feedstock source affect the performance of the gas clean‐up system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».