MétaCan
Menu
Retour à la cohorte
Enregistrement W4404578397 · doi:10.1016/j.nxener.2024.100213

Influence of phenol-formaldehyde and melamine-formaldehyde resins on the gasification of high-pressure laminate waste materials

2024· article· en· W4404578397 sur OpenAlexafffund
Francisco Wendell Bezerra Lopes, Fábio Gonçalves Macêdo de Medeiros, Eduardo Lins de Barros Neto, Jean‐Michel Lavoie, Bruna Rêgo de Vasconcelos

Notice bibliographique

RevueNext Energy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité de Sherbrooke
Mots-clésFormaldehydePhenolMelaminePhenol formaldehyde resinMaterials scienceMelamine resinComposite materialWaste managementOrganic chemistryChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The repurposing of industrial solid wastes for sustainable energy production figures as a convenient alternative to decrease the carbon footprint of industrial processes by increasing circularity and reducing the utilization of fossil-based energy vectors. The furniture industry generates significant amounts of carbon-based waste materials, including high-pressure laminates (HPL) that comprise cellulose-based materials treated with thermosetting phenol-formaldehyde and melamine-formaldehyde resins. There are currently no energy recovery studies for this type of waste, especially concerning thermochemical conversion. In this work, we proposed to evaluate the potential of HPL wastes for the generation of energy relevant gaseous products (syngas) by gasification, using air and steam as gasifying agents in a downdraft gasifier. The influence of temperature (600–900 °C), equivalence ratio (ER, 0.20–0.30) and the presence of the thermosetting formaldehyde-based resins were evaluated in the composition (H 2 content, H 2 /CO ratio) and lower heating value (LHV) of the obtained syngas. The increase in temperature positively influenced the H 2 content in the final gas product, contrarily to the increase in ER. High temperature (900 °C) and low ER (0.20) were found to favor H 2 production (43.8%vol), increase syngas fraction (58.0%vol) and LHV (7.4 MJ/Nm 3 ) of the gas products. The presence of the thermosetting resins contributed to the production of a larger syngas fraction with high H 2 content (62.3%vol, H 2 /CO = 2.4). Overall, gasification of HPL wastes was shown to be a promising alternative to the production of hydrogen-rich syngas with potential industrial applications. • H 2 -rich syngas rich was produced from the gasification of HPL wastes. • The use of steam in has a positive influence on the H 2 content. • The gasification of HPL wastes produced high fraction syngas streams. • Thermosetting resins increased H 2 content and syngas fraction. • Grain and random pore kinetic models best described the gasification 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 GPT0,181
Écart entre enseignants0,175 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNext EnergyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207