MétaCan
Menu
Retour à la cohorte
Enregistrement W7028065708

Emissions and Properties of Bio-oil and Natural Gas Co-combustion in a Pilot Stabilised Swirl Burner

2015· dissertation· en· W7028065708 sur OpenAlexfundno aff

Notice bibliographique

RevueTSpace (University of Toronto) · 2015
Typedissertation
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBioFuelNet Canada
Mots-clésCombustorCombustionNatural gasParticulatesAdiabatic flame temperaturePyrolysisFlue-gas emissions from fossil-fuel combustionFossil fuelHydrocarbon
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Fast pyrolysis oil, or bio-oil, has been investigated to replace traditional fossil fuels in industrial burners. However, flame stability is a challenge due to its high water content. In order to address its instability, bio-oil was co-fired with natural gas in a lab scale 10kW swirl burner at energy ratios from 0% bio-oil to 80% bio-oil. To evaluate the combustion, flame shape, exhaust and particulate emissions, temperatures, as well as infrared emission were monitored. As the bio-oil energy fraction increased, NO emissions increased due to the nitrogen content of bio-oil. CO and particulate emissions increased likely due to carbonaceous residue exiting the combustion zone. Unburnt Hydrocarbon (UHC) emissions increased rapidly as combustion became poor at 60-80% bio-oil energy. The temperature and infrared output decreased with more bio-oil energy. The natural gas proved to be effective at anchoring the bio-oil flame to the nozzle, decreasing instances of extinction or blowout.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,994

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)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetCombustion and flame dynamicsTravaux en français237 207