Maximizing Waste-to-Energy Potential: Optimizing Batch Torrefaction Reactor of Refuse-Derived Fuel for Efficient Gasification
Notice bibliographique
Résumé
Abstract Refuse-derived fuel (RDF) from municipal solid waste is a promising alternative to fossil fuels, but its varied composition can impede direct gasification. This industrial research project conducted a series of batch experiments to assess four key parameters: energy yield, mass yield, energy density, and combustion characteristics in the context of RDF torrefaction. The batch reactor processed RDF samples at temperatures of 250 °C, 300 °C, and 350 °C, each with a 30-minute residence time under an inert atmosphere. In addition, combustion thermogravimetric analysis experiments, involving heating torrefied RDF up to 1000 °C at a rate of 20 °C/min, provided further insights into the robust combustion properties of the torrefied material. Unlocking the secrets of torrefaction magic, we've achieved remarkable energy content boosts. Torrefaction at 250 °C, 300 °C, and 350 °C led to energy content enhancements of 22%, 29%, and 37%, respectively, compared to the original RDF. Notably, the most favorable energy yield was achieved during torrefaction at 250 °C, attributed to both its relatively high energy content and mass yield. At a torrefaction temperature of 250 °C and above, the torrefied RDF samples exhibited heating values comparable to standard coal ranges between 25 MJ/kg and 35 MJ/kg. It is suggested that torrefaction of RDF is an effective pre-treatment process to be used in entrained flow gasifier due to the improved higher heating value, higher energy density, and superior combustion characteristics, proved by the ignition index, flammability index, and burnout index, highlight the effectiveness of the torrefaction 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».