Life-cycle assessment of transportation biofuels from hydrothermal liquefaction of forest residues in British Columbia
Notice bibliographique
Résumé
Abstract Background Biofuels from hydrothermal liquefaction (HTL) of abundantly available forest residues in British Columbia (BC) can potentially make great contributions to reduce the greenhouse gas (GHG) emissions from the transportation sector. A life-cycle assessment was conducted to quantify the GHG emissions of a hypothetic 100 million liters per year HTL biofuel system in the Coast Region of BC. Three scenarios were defined and investigated, namely, supply of bulky forest residues for conversion in a central integrated refinery (Fr-CIR), HTL of forest residues to bio-oil in distributed biorefineries and subsequent upgrading in a central oil refinery (Bo-DBR), and densification of forest residues in distributed pellet plants and conversion in a central integrated refinery (Wp-CIR). Results The life-cycle GHG emissions of HTL biofuels is 20.5, 17.0, and 19.5 g CO2-eq/MJ for Fr-CIR, Bo-DBR, and Wp-CIR scenarios, respectively, corresponding to 78–82% reduction compared with petroleum fuels. The conversion stage dominates the total GHG emissions, making up more than 50%. The process emitting most GHGs over the life cycle of HTL biofuels is HTL buffer production. Transportation emission, accounting for 25% of Fr-CIR, can be lowered by 83% if forest residues are converted to bio-oil before transportation. When the credit from biochar applied for soil amendment is considered, a further reduction of 6.8 g CO2-eq/MJ can be achieved. Conclusions Converting forest residues to bio-oil and wood pellets before transportation can significantly lower the transportation emission and contribute to a considerable reduction of the life-cycle GHG emissions. Process performance parameters (e.g., HTL energy requirement and biofuel yield) and the location specific parameter (e.g., electricity mix) have significant influence on the GHG emissions of HTL biofuels. Besides, the recycling of the HTL buffer needs to be investigated to further improve the environmental performance of HTL biofuels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».