Hydrothermal liquefaction technology: potential, challenges, and research at NRC
Notice bibliographique
Résumé
Hydrothermal liquefaction is a promising technology for niche feedstocks like sewage sludge, food-wastes, bio-solids, organic waste streams etc. Availability estimates of these low or negative value waste feedstocks in the United States include: 15.2 million ton per year of food wastes, 5.9 million ton per year of waste fats and oils, 41.5 million ton per year of animal manure, and 13.8 million ton per year of sewage sludge. Collectively, these wastes have a potential of replacing a significant portion (up-to 25 % in some estimates) of US aviation kerosene demand. Bio-crude produced from HTL is generally heavier than conventional crude, with a high heating value as high as 35-40 MJ Kg-1 , heteroatom content around 10-12 weight percent, mostly oxygen and/or nitrogen depending on feedstock. Akin to crude oil upgrading in petroleum refineries, following various complex and interdependent hydro-processing, separations, and finishing steps, HTL bio-crude could be transformed to fungible biofuels (green diesel, sustainable aviation fuel, etc.) in standalone bio-refineries or co-processed in existing petroleum refineries thus eliminating significant capital investments and exploiting economies of scale offered by large existing upgrading facilities. There is also a possibility to use HTL bio-crude or its fraction directly in turbines and engines with minimum upgrading. Despite great potential and opportunities, HTL technology is still at a low readiness level and significant challenges exist that have hindered commercialization: lack of understanding of feedstock specific characteristics of complex bio-crudes and how these influence upgrading and end-use applications; its compatibility with petroleum crudes; challenges around upgrading catalyst performance; potential improvements in yields and quality of bio-crude to improve economics, and make it more amenable for upgrading/end-use; and ultimately its demonstration for end-use. The presentation will focus on some of these challenges with examples of recent research at NRC to bridge these gaps.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,009 |
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 ».