Catalytic hydrothermal liquefaction of wheat straw and chemical profiling of bio-crude oil
Notice bibliographique
Résumé
In this study, a central composite design model was generated under response surface methodologies for the hydrothermal liquefaction of the wheat straw by considering the different process variables such as temperature (270–330 °C), reaction time (20–60 min) and feed concentration (5–15 wt%) to optimize the bio-crude oil yield and generate an experimental model. Moreover, at the optimized conditions, different catalysts such as K 2 CO 3 , Fe, ZrO 2 , Fe-K 2 CO 3 and ZrO 2 -K 2 CO 3 were employed for the hydrothermal liquefaction of wheat straw to maximize the bio-crude oil yield and decrease the oxygen content. Among all catalysts, Fe-K 2 CO 3 delivered the highest bio-crude oil yield of 29 wt% with the lowest oxygen content of 14 wt%. The chromatographic analysis established molecular profiling of bio-crude oil samples, which revealed the presence of different phenolic compounds like phenol, 2-methoxy phenol and catechol including other components such as aldehydes, cyclic ketones, octene, hexadecane and octadecane. Spectroscopic and compositional profiling of bio-crude oil revealed different organic functional groups and aromatic compounds essential for the generation of molecular-level reaction mechanisms and subsequent upgrading of bio-crude oil for transportation fuel and various chemicals. • Hydrothermal liquefaction of wheat straw with and without catalysts was performed. • Optimized HTL temperature, reaction time and feed concentration were 299.8 °C, 39.9 min and 7.7 wt.%, respectively. • Fe-K 2 CO 3 led to the highest bio-crude oil yield (29 wt.%) and lowest oxygen content (14 wt.%). • Catalysts reduced the formation of phenolic and oxygenated components in bio-crude oil. • A variety of value-added biochemical precursors were obtained in bio-crude oil.
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 | 0,000 |
| 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 ».