Impacts of alternative fuel combustion in cement manufacturing: Life cycle greenhouse gas, biogenic carbon, and criteria air contaminant emissions
Notice bibliographique
Résumé
Waste products destined for landfills with high calorific value are increasingly being explored for potential use in a variety of industries. One example is the potential use of these wastes in cement kilns to reduce greenhouse gas (GHG) emissions from cement production. This study develops a cradle-to-gate life cycle assessment (LCA) model to estimate the GHG emissions, criteria air contaminants (CAC), and the impact of biogenic carbon accounting methods in biomass-containing alternative fuels (AFs) on life cycle GHG emissions when replacing natural gas with AFs at a cement facility. The proposed AF mixture includes landfill wastes like construction and demolition waste, asphalt shingles, tire fluff, carpet, textiles, and plastics. While many LCAs assume the biogenic fraction's climate impact is carbon-neutral, its actual effects depend on a range of new methods being proposed to account for the climate impacts associated with biogenic carbon. The findings of this study demonstrate a reduction of approximately 7–13% in life cycle GHG emissions. The preliminary estimates suggest that the change to CACs will likely not be materially different from the current use of natural gas. It also emphasizes the importance of accounting for the biogenic fraction in biomass-based AFs, indicating a potential overall reduction of up to 7.2% in life cycle GHG emissions when the biogenic fraction is treated as carbon-neutral. While factoring in the benefits of shorter rotation and longer storage periods results in a 12.7% reduction in life cycle GHG emissions. The LCA model developed in this study holds the potential for broad application among cement facilities that are considering fossil to alternative fuels as part of their GHG emission reduction strategies. • Cement manufacturing contributes ∼8% of global greenhouse gas emissions (GHGs). • Waste materials offer great potential as alternatives to fossil fuels in cement kilns. • A 7–13% decrease in GHGs comes from replacing 50% natural gas with alternative fuels. • GHGs from alternative fuels (AFs) are sensitive to biogenic carbon accounting. • Crediting rotation and storage in biomass-based alternative fuels reduces GHGs by 13%.
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 | 0,001 | 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 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 ».