Comparative Analysis of Water and Glycerin Emulsification: Particle Size, Stability, Engine Performance, and Emissions in Biodiesel Fuels
Notice bibliographique
Résumé
Biodiesel has emerged as a promising alternative to conventional diesel fuel, offering potential reductions in greenhouse gas (CO 2 ) emissions. However, its use in diesel engines results in higher levels of nitrogen oxides (NOx). This study investigates emulsification techniques for reducing NOx emissions from biodiesel combustion. Two techniques, glycerin and water emulsification, are examined. Approximately 10 vol. % of crude glycerin is produced during biodiesel manufacturing as a waste or by‐product. The study attempts on‐site purification of crude glycerin, which is then used as a phase for glycerin‐biodiesel emulsions. These emulsions are compared to water emulsions in terms of emulsion stability, mean particle droplet size, microscopic fuel structure, and fuel properties. In addition, engine performance and emissions are evaluated using a small direct injection (DI) diesel engine, with both water and glycerin emulsion fuels. Results show that both emulsion fuels significantly reduce smoke emissions and further mitigate NOx emissions from biodiesel combustion. With 10% glycerin and water emulsions, smoke emissions were reduced by over 50% compared to pure biodiesel, and NOx emissions decreased by more than 15%. Emulsification techniques in the biodiesel industry could offer a viable solution for reducing both smoke and NOx emissions. Employing glycerin emulsification not only decreases NOx emissions but also transforms crude glycerin into a value‐added resource. Otherwise, disposal of crude glycerin could pose significant challenges for small and remote biodiesel producers due to cost constraints.
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 | 0,000 | 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 ».