Bioreactors for Natural Gas Desulfurization
Notice bibliographique
Résumé
Abstract Approximately half of the reserve gas in the U.S. is subquality, meaning it contains contaminants such as hydrogen sulfide (H2S) or carbon dioxide. One of the most common problems in the gas industry is the removal and disposal of H2S also known as natural gas desulfurization or sweetening of sour gas. Many traditional methods of H2S removal are costly, energy intensive, and potentially dangerous. Therefore, these methods may not be suitable for some gas-production sites. Biological oxidation offers a safe, energy efficient, and cost-effective method for natural gas desulfurization. This laboratory has investigated biological oxidation of H2S for some time and the current research focuses on bioreactors to treat ‘stranded’ natural gas. Preliminary data were previously presented at EPEC 20021; this paper includes new designs and experimental data. Bioreactors utilizing the immobilization matrices Bio-Sep® and Bio-Sep®S (sufide-sorbing version) inoculated with Thiobacillus denitrificans have been used to treat a gas stream containing 10,000 ppm H2S. The desired removal efficiency is greater than 99%. Stirred-tank reactors were operated with both matrices for 3 and 8 months at maximum gas flow rates of 130 and 72 mg H2S/h for the original and sulfide-sorbing beads respectively, with removal efficiencies near 99.9%. Phospholipid fatty acid (PLFA) analysis revealed cell densities on the order of 1010 cells/g of bead. Packed-bed reactors will also be operated with both matrices. Feasibility studies will be conducted for both types of reactors. This research is ongoing with the goal of developing an economical bioreactor to treat ‘stranded’ natural gas.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».