Effect of Aromatics on Deep Hydrodesulfurization of Dibenzothiophene and 4,6-Dimethyldibenzothiophene over NiMo/Al<sub>2</sub>O<sub>3</sub> Catalyst
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The influence of different aromatics on the deep hydrodesulfurization (HDS) of dibenzothiophene (DBT) and 4,6-dimethyldibenzothiophene (4,6-DMDBT) over a commercial NiMo/γ-Al 2 O 3 hydrotreating catalyst was investigated in a fixed-bed multiphase microreactor under designed conditions. Both the sulfur-containing compounds and the aromatic compounds in feeds and hydrotreated products were identified and quantified by GC−AED. Catalyst deactivation was observed, and a simple model for it was established. The kinetic behavior of these model compounds was studied with an assumption of pseudo-first-order reaction kinetics. The rate constants and the corresponding activation energies were determined, and the heat of adsorption for each compound on the catalyst surface was computed by density functional theory using the Material Studio software. The HDS rate for 4,6-DMDBT was much lower than that for DBT, which is attributed to the steric hindrance of the methyl groups at the 4 and 6 positions. The apparent activation energy of 4,6-DMDBT was higher than that of DBT under the same conditions. TThe HDS reaction rate significantly decreased with an increase of the content of aromatics in the feed. Aromatics with 2 or more rings were found to have stronger retardant effect on HDS than monoaromatics. This adverse effect was more pronounced for 4,6-DMDBT than for DBT. The competitive adsorption between the sulfur compounds and aromatics on the catalyst surface was the main reason for the decreased HDS efficiency as qualitatively verified by the heat of adsorption data.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle