MétaCan
Menu
Retour à la cohorte
Enregistrement W4400142800 · doi:10.1016/j.biombioe.2024.107282

Modeling of a heat-integrated biomass downdraft gasifier: Influence of feed moisture and air flow

2024· article· en· W4400142800 sur OpenAlexafffund
Houda M. Haidar, James W. Butler, Samira Lotfi, Anh‐Duong Dieu Vo, Peter Gogolek, Kimberley B. McAuley

Notice bibliographique

RevueBiomass and Bioenergy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensNatural Resources CanadaNational Research Council CanadaQueen's University
Organismes subventionnairesNatural Resources CanadaNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésWood gas generatorMoistureBiomass (ecology)Environmental scienceCombustionHeat of combustionGas compositionMechanicsProcess engineeringNuclear engineeringWaste managementThermodynamicsChemistryEngineeringMeteorologyPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

A model for a heat-integrated biomass downdraft gasifier is developed and used to study the influence of changes in biomass moisture content and gasifier air flow. This one-dimensional steady-state model accounts for pyrolysis, combustion and gasification reaction kinetics as well as transport phenomena occurring within the gasifier and heat integration system. The gasifier is divided into four zones for solving the ordinary differential equations (ODEs), because each zone has different geometry for the reactor or heating system. The material and energy balance ODEs are solved as a boundary value problem (BVP), ensuring that conditions for the producer gas at the bottom of the reactor match the conditions of the countercurrent annulus gas, which is used for heating. The model also accounts for the preheating of the biomass using exhaust gas from an associated engine used to generate electricity from the producer gas. The model predicts the process gas temperature, flow rate and composition and was validated using two experimental runs with different control inputs. The model predictions show good agreement with the data. Simulations with the highest feed moisture result in lower reactor temperatures and simulations with the highest air flow result in the highest reactor temperatures.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,173
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,193
Écart entre enseignants0,187 · 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

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomass and BioenergyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207