Assessment and optimization of several upgrading techniques to improve the quality of pyrolytic bio-oil from black spruce biomass
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".