MétaCan
Menu
Retour à la cohorte
Enregistrement W7083163689 · doi:10.1093/ce/zkaf021

A review on coal pyrolysis and gasification: understanding the chemistries and influence of operating conditions

2025· article· en· W7083163689 sur OpenAlexafffund

Notice bibliographique

RevueClean Energy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensUniversity of Regina
Organismes subventionnairesMitacsUniversity of Regina
Mots-clésCoalPyrolysisCoal liquefactionSyngasCoal gasificationCarbochemistryCarbon fibersDestructive distillation

Résumé

récupéré en direct d'OpenAlex

Abstract Pyrolysis and gasification are two popular technologies that have been applied for coal utilization for centuries. In recent times, their applications for sustainable coal utilizations have attracted significant interest in hydrocarbon-based chemical synthesis, synthetic natural gas production, and carbon material synthesis. However, despite their long history in the coal industry, the underlying chemistries governing the pyrolysis and gasification processes are not well understood. This has contributed to why these technologies have yet to witness widespread commercialization in the coal industry. Therefore, the chemistries of coal pyrolysis and gasification were discussed in this review. It was found that the extent of primary pyrolysis reactions depends on hydrogen because hydrogen stabilizes the free radicals, and its absence slows down or stops the reactions. Operating conditions such as temperature and reactive atmospheres directly affect the pyrolytic reactions and the characteristics of the products, while pressure and particle size affect the mass transfer of volatile species and influence the extent of secondary pyrolysis reactions. In gasification, the composition of the syngas is principally determined by the water-gas-shift and methane-reforming reactions, while operating conditions such as temperature, catalysts, and choice of gasifying agents are used to control the characteristics of the syngas, dictated by the intended application.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,026
Tête enseignante GPT0,301
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClean EnergyMême sujetLibrary Science and Information LiteracyTravaux en français237 207