Catalytic pyrolysis of pine needles: Role of zeolite structure and <scp>SiO<sub>2</sub></scp>/<scp>Al<sub>2</sub>O<sub>3</sub></scp> ratio on bio‐oil yield and product distribution
Notice bibliographique
Résumé
Abstract Renewable and sustainable energy production has gained significant attention to meet sustainable development goals (SDGs). Pine needles, an abundant typical forestry residue, can be used as a renewable biomass source for sustainable energy production. Pyrolysis is a well‐established and commercialized technique for the thermochemical valorization of lignocellulosic biomass. The present work focuses on improving the bio‐oil yield by introducing SiO2‐Al2O3‐based catalysts, including different zeolites and SiO2‐Al2O3 materials with varying SiO2‐Al2O3 ratios, during the pyrolysis. Bio‐oil yield increased from 45.2 wt.% to 47.2 wt.% with the introduction of SiO2‐Al2O3 catalysts and increased to 51.2 wt.% and 50.6 wt.% with HZSM‐5 and Y‐zeolite, respectively, and decreased to 40.0 wt.% with β‐zeolite catalyst. The pyrolysis experiments of physically mixed biomass and catalyst were carried out in a fixed‐bed down‐flow reactor. Various process parameters such as temperature, retention time, and catalyst‐to‐biomass ratio were examined to evaluate their effect on product yield. The catalyst's introduction slightly decreased phenolic compound content, enhancing carbonyl and hydrocarbon production. Maximum improvement in bio‐oil yield by 6 wt.% was achieved using an H‐ZSM‐5 catalyst at 450°C temperature and 30 min residence time with a catalyst‐to‐biomass ratio of 1:4.
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) | 0,000 | 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 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 ».