MétaCan
Menu
← Retour à la cohorte
Enregistrement W6891629015 · doi:10.4224/40003268

Testing and analysis of renewable/bio/conventional diesel blends for marine vessel applications: task 1 report

2023· report· en· W6891629015 sur OpenAlexaffvenueabout

Notice bibliographique

RevueNPARC · 2023
Typereport
Langueen
Domaine
Thématique
Établissements canadiensNational Research Council CanadaGDG Environnement
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelUltra-low-sulfur dieselCombustionGreenhouse gasBiofuelRenewable energyBiodieselParticulates

Résumé

récupéré en direct d'OpenAlex

Renewable diesel (RD) and biodiesel (BD) are produced from renewable resources. Replacing petroleum diesel by RD and/or BD in power generation has the potential to reduce life-cycle greenhouse gas (GHG) emissions. Therefore, the Canadian Coast Guard (CCG) has been developing a strategy to introduce RD, BD or their blends into its small and large vessel fleet to help reduce GHG emissions. During this process, immediate questions that need to be addressed are what the optimal RD/BD blend ought to be, how much of the RD/BD blend can be introduced, and how these blends will affect the combustion and emissions performance of the engines powering the vessels. In this project, the National Research Council (NRC) and CCG work together to characterize and optimize the properties of RD, BD and their blends with petroleum diesel, as well as evaluate the combustion and emissions performance of the RD/BD/ULSD blends when applied to heavy-duty diesel engines. This interim report summarizes the findings from the phase 1 of the project, which was designed to evaluate the combustion and emissions performance of an ultra-low-sulfur diesel (ULSD), a RD/BD/ULSD blend at the ratio of 50/20/30 (volume based), and two blends of the ULSD with additives. The findings reveal that the introduction of two additives to the ULSD has negligible impact on life-cycle GHG emissions. However, the RD/BD/ULSD blend reduces life-cycle GHG emissions by 26~57% compared to the ULSD-only, depending on the feedstocks that are used to produce the RD and BD. The RD/BD/ULSD blend also reduces nitrogen oxides (NOx), particulate matter (PM), and carbon monoxide (CO) emissions compared to ULSD-only.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,090
Tête enseignante GPT0,354
Écart entre enseignants0,264 · 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

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNPARC→Travaux en français237 207→