Thermokinetic, thermodynamic, and combustion analysis of agro-industrial biomass for bioenergy: insights from isoconversional models and neural networks

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides kinetic data and a neural network approach for predicting biomass combustion behavior, useful for bioenergy modeling.

🏢実務担当者:Offers insights into selecting and characterizing biomass feedstocks for efficient energy conversion.

<title>抄録</title> <p>再生可能エネルギーと持続可能な廃棄物管理への需要の高まりにより、農工業残渣の熱化学的価値化への関心が高まっている。本研究では、バイオエネルギー応用のための4種類のリグノセルロース系バイオマス—ココナッツ殻、オレンジ搾汁残渣、バナナ偽茎、堆肥バーン—の熱動力学、熱力学、および燃焼挙動を調査した。熱重量分析（TG/DSC）と、等転化率法および多層パーセプトロン（MLP）ニューラルネットワークを用いた速度論的モデリングを採用した。速度論的、燃焼的、および熱的パラメータ—前指数因子、活性化エネルギー、反応次数、着火温度および燃焼終了温度—を決定し、エントロピー（ΔS）、ギブズ自由エネルギー（ΔG）、エンタルピー（ΔH）などの熱力学的パラメータも併せて決定した。すべてのバイオマスは典型的なリグノセルロース分解プロファイルを示し、発熱事象が優勢であった。活性化エネルギーは広範囲に変動し（140.32～458.35 kJ·mol⁻¹）、バナナ偽茎が最も低い値を示し、エネルギー変換が容易であることを示した。ココナッツ殻は最も高い燃焼指数（1.04×10⁻⁵ %²·min⁻²·°C⁻³）と最も低い着火温度（59.71°C）を示した。オレンジ搾汁残渣は最も高いΔH（892 kJ·mol⁻¹）とΔS（1.31 kJ·mol⁻¹·K⁻¹）を示し、高い熱安定性を示唆した。ΔG値は転化率全体にわたって比較的一定に保たれ、反応の自発性が安定していることを示した。MLPニューラルネットワークは、TG曲線の予測において従来モデルと比較して優れた性能（<italic>R²</italic> = 0.99）を示した。これらの知見は、熱プロセスのためのバイオマスの効率的な選択とモデリングを支援し、バイオエネルギー応用の最適化におけるAIベースのツールの可能性を強化するものである。</p>

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

<title>Abstract</title> <p> The growing demand for renewable energy and sustainable waste management has driven interest in the thermochemical valorization of agro-industrial residues. This study investigated the thermokinetic, thermodynamic, and combustion behavior of four lignocellulosic biomasses—coconut shell, orange pomace, banana pseudostem, and compost barn—for bioenergy applications. Thermogravimetric analysis (TG/DSC) and kinetic modeling using isoconversional methods and multilayer perceptron (MLP) neural networks were employed. Kinetic, combustion, and thermal parameters—pre-exponential factor, activation energy, reaction order, ignition and burnout temperatures—were determined, along with thermodynamic parameters such as entropy (ΔS), Gibbs free energy (ΔG), and enthalpy (ΔH). All biomasses exhibited typical lignocellulosic degradation profiles, with predominant exothermic events. Activation energy varied widely (140.32–458.35 kJ·mol⁻¹), with banana pseudostem showing the lowest values, indicating easier energy conversion. Coconut shell exhibited the highest combustion index (1.04×10⁻⁵ %²·min⁻²·°C⁻³) and the lowest ignition temperature (59.71°C). Orange pomace showed the highest ΔH (892 kJ·mol⁻¹) and ΔS (1.31 kJ·mol⁻¹·K⁻¹), suggesting high thermal stability. ΔG values remained relatively constant across conversion degrees, indicating stable spontaneity of reactions. MLP neural networks demonstrated superior performance ( <italic>R²</italic> = 0.99) compared to traditional models in predicting TG curves. These findings support the efficient selection and modeling of biomass for thermal processes and reinforce the potential of AI-based tools in optimizing bioenergy applications. </p>

• Research Square https://doi.org/10.21203/rs.3.rs-9204730/v1first seen 2026-06-04 04:24:47 · last seen 2026-06-16 04:30:27