MétaCan
Menu
Retour à la cohorte
Enregistrement W4409500655 · doi:10.5006/c2023-18954

Corrosion of UNS N06625 Alloy under Batch-Mode Biomass Supercritical Water Gasification (SCWG) Conditions

2023· article· en· W4409500655 sur OpenAlexaff
Haoyang Li, Xue Han, Yimin Zeng, Chunbao Xu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSubcritical and Supercritical Water Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCorrosionSupercritical fluidAlloyBiomass (ecology)Environmental scienceMaterials scienceMetallurgyChemistryOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Biomass SCWG is seen as one of the most promising thermochemical pathways to produce green hydrogen. However, there is a serious concern about corrosion of biomass SCWG reactor alloys for long-term operation due to the presence of high-pressure and high- temperature supercritical water, aggressive catalyst and reducing gaseous products (such as H2 and CO). In this study, the corrosion performance of UNS N06625, a commonly applied Ni-based alloy for high temperature systems, was investigated in the conditions associated with the SCWG of three representative biomass model compounds (including cellulose, lignin, and xylan) at 500 °C and 30 MPa for total 12 cycles of batch-mode operations. The produced gaseous mixtures were collected and analyzed using Micro-GC to explore the environmental chemistry. Except for weight change measurements, the corrosion products formed on the alloys were also characterized using SEM, EDS and XRD techniques to advance fundamental understanding of how the alloy corrodes under the SCWG conditions. Additional investigations, including cross-sectional SEM/EDS analysis and weight loss measurement following scale removal will be pursed in subsequent research to gain quantitative understanding of corrosion mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0010,001

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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSubcritical and Supercritical Water ProcessesTravaux en français237 207