Assessment and optimization of several upgrading techniques to improve the quality of pyrolytic bio-oil from black spruce biomass
Notice bibliographique
Résumé
Dans des régions comme le Québec, où l'hiver est long, l'utilisation de combustibles fossiles pour le chauffage, en plus d'émettre de grandes quantités de GES, a également entraîné des problèmes économiques pour les propriétaires de serres en raison de son coût élevé sur de longues périodes. Il est donc impératif de développer un biocarburant, tel que l'huile pyrolytique, qui puisse être utilisé dans les chaudières de chauffage à un coût environnemental et économique moindre. Une norme (ASTM D7544) a été élaborée pour réglementer la qualité de l'huile pyrolytique ou de la bio-huile à utiliser dans les systèmes de combustion stationnaires. L'un des principaux paramètres établis est la teneur en eau de l'huile, car elle peut influencer d'autres propriétés de la bio-huile telles que la viscosité, le pouvoir calorifique, la densité et l'acidité. L'objectif de ce projet de recherche doctorale était de produire une huile pyrolytique capable d'être utilisée dans des applications de chauffage et d'offrir la première étape vers le processus d'extraction chimique, en analysant et en évaluant la composition chimique de la matière première, les conditions d'exploitation dans lesquelles la pyrolyse est effectuée et le type de système de condensation utilisé pour recueillir la bio-huile. Un réacteur semi-pilote de pyrolyse à vis verticale conçu par l'IRDA et le CRIQ a été choisi comme technologie de production de bio-huile, en utilisant l'épinette noire comme matière première en raison de sa grande disponibilité au Québec. Dans un premier temps, l'effet des variables opérationnelles de la pyrolyse rapide sur la teneur en eau de l'huile ainsi que sur son rendement a été étudié. Quatre variables ont été sélectionnées à partir d'une revue de la littérature et d'expériences préliminaires. En conséquence, les conditions optimales obtenues ont permis la production d'une bio-huile avec l'une des plus faibles teneurs en eau (16,8 % en poids) et en solides dissous (0,1 % en poids) publiées pour les réacteurs à vis sans fin.La deuxième étape a été la combinaison du prétraitement hydrothermique assisté par micro-ondes (MHT) avec les variables opérationnelles optimales de la pyrolyse rapide obtenues précédemment, dans le but d'évaluer et d'optimiser l'effet de ce traitement sur la qualité de l'hydrochar et, par conséquent, sur la qualité de la bio-huile. L'optimisation de ce prétraitement a été ciblée pour minimiser les réponses de la teneur en hémicellulose et en cendres. En conséquence, la biomasse ou l'hydrochar prétraité dans des conditions optimales a montré une diminution significative de la teneur en cendres de 58% et de 12,5% de la teneur en hémicellulose. La pyrolyse de cet hydrochar a permis d'obtenir un rendement total en bio-huile plus élevé, qui a augmenté de 24 %, et une réduction de 35 % de la teneur en humidité (10,5 % en poids).Enfin, la troisième étape de cette recherche a consisté en la conception et l'évaluation d'un système de condensation fractionnée. Deux et trois étapes de condensation ont été évaluées avec un profil de température décroissant pour évaluer l'efficacité de la condensation en fonction du nombre d'étapes et des températures utilisées. Les résultats ont montré une augmentation de l'efficacité de condensation de 35% en ajoutant le troisième étage de condensation. Dans l'ensemble, on a obtenu des modèles d'optimisation statistique qui prédisent les valeurs des variables les plus critiques de la biomasse et des conditions d'exploitation pyrolytique qui affectent la qualité de la biohuile, et qui peuvent être reproduits pour différents types de biomasse. Ce modèle offre également des méthodes efficaces pour la séparation de la bio-huile en différentes fractions, qui serviraient de première étape dans l'extraction de produits chimiques d'intérêt
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».