Carboxyalkylated lignin derived coal wastewater slurry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Preparing coal water slurry from coal gasification wastewater as gasification/combustion feedstock offers a promising strategy for wastewater management and resource recovery. The primary challenge lies in optimizing slurry formulation to accommodate wastewater as the aqueous medium. This study demonstrated that carboxyalkylated lignin derivatives, i.e., biomass-based aromatic polymers, were effective dispersants for generating coal gasification wastewater slurry (CGWS). The alkyl chain lengths of carboxyalkylated lignin derivatives significantly influenced their molecular characteristics and, consequently, the physicochemical properties of the resulting slurry. Fundamentally, the dispersion performance of lignin derivatives and sodium methylene dinaphthalene sulfonate (NNO), as a commonly used dispersant for the slurry, was different. While NNO promoted dispersion via increasing electrostatic repulsion, the lignin derivatives promoted the slurry formulation primarily via grafting molecular structure. Among the tested lignin derivatives, CPr (carboxybutylated lignin) required the lowest dosage (0.20 wt%) and increased the solid concentration of the slurry from 50.42 wt% (NNO-CGWS) to 52.81 wt% (CPr-CGWS) at an apparent viscosity of 1000 mPa·s, while reducing its pseudo-plasticity. Additionally, lignin derivatives increased the calorific value of CGWS by 0.191 kcal/g using CPr at a dosage of 0.20 wt%. This work establishes carboxyalkylated lignin, particularly CPr, as a highly effective and eco-friendly dispersant for preparing value-added CGWS from industrial wastewater.
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.
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 découle