Enhancement of fast pyrolysis oil fuel properties through co-pyrolysis and improved analysis
Notice bibliographique
Résumé
Fast pyrolysis is a thermochemical process converting biomass into fast pyrolysis biooil (FPBO, 50-75 wt%), non-condensable gases (13-16 wt%), and biochar (12-20 wt%) at 450-550°C in an inert atmosphere with short residence times and high heating rates. FPBO is a complex organic mixture of lignocellulose degradation products with high water (20-30 wt%) and oxygen content (35-40 wt%) causing chemical instability and corrosion to storage tanks and burners. In this work, the improvement of FPBO quality was investigated through co-pyrolysis of forestry residues with waste mussel shells and through improved understanding of phase behaviour and composition of forestry based FPBO using an advanced distillation curve analysis. Co-pyrolysis with waste mussel shells was studied by: (1) direct contact with the forestry residues in the reactor and (2) contacting only the hot vapours with the mussel shells at the reactor exit. The impact of temperature, residence time, mussel shell loading, and type of contact (operational mode) on the FPBO and biochar were studied. There was a reduction in FPBO oxygen and acid content through dehydration and decarboxylation with mussel shell addition and an increase in biochar pH and functionality (O- and N-containing functional groups) for soil amendment and adsorption applications, respectively. The FPBO phase behaviour was studied using an advanced distillation method and a model developed to simulate the distillation curves of the whole FPBO. The 17 surrogates used in the model to represent the range of functional groups and boiling points of FPBO components showed a good fit of simulated and experimental distillation curves and some bulk properties. GC analysis of the vacuum distillate fractions concluded six distillable steps as a basis for chemical separation procedures.
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) | 0,000 | 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 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 ».