Deactivation Behavior of Carbon Nanotubes Supported Cobalt Catalysts in Fischer-Tropsch Synthesis
Notice bibliographique
Résumé
ABSTRACT: The effects of electronic properties of inner and outer surfaces of Carbon Nano Tubes (CNTs) on the deactivation of cobalt Fischer-Tropsch (FT) catalysts were studied. The comparative characterization of the fresh and used catalysts by TEM, XRD, TPR, BET and H2 chemisorption showed that cobalt re-oxidation, cobalt-support interactions and sintering are the main sources of catalyst deactivation. TEM showed that 480 h continuous FT synthesis increased the average particles size of the particles located inside the pores from 7 to 7.4 nm while the average particles size of the particles located outside of the tubes increased from 11.5 to 25 nm. XRD analysis of the used catalyst confirmed cobalt re-oxidation and interaction between cobalt and CNTs and creation of carbide phases. When the %Co conversion and H2O partial pressure in the reactor are high, the deactivation rate is not dependent on the number of the catalyst active sites and is zero order to %CO conversion. In this case the main deactivation mechanisms are cobalt re-oxidation and metal support interactions. At lower amounts of the %Co conversion and H2O partial pressure, deactivation can be simulated with power law expressions with power orders of 11.4 for the particles outside the tubes and 30.2 for the particles inside the tubes and the main deactivation mechanism is sintering. Due to the electron deficiency of the inner sides of the CNTs, the interaction between the cobalt oxides and the support is stronger leading to lower rates of sintering as compared with the particles located on the outer layers of the CNTs. Regeneration recovered the catalyst activity by 54.3 % of the total activity loss.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».