Effects of Hydrogen Partial Pressure on Hydrotreating of Heavy Gas Oil Derived from Oil-Sands Bitumen: Experimental and Kinetics
Notice bibliographique
Résumé
The effect of hydrogen partial pressure (H 2 pp) on hydrotreating conversions, feed vaporization, H 2 dissolution, and H 2 consumption was studied in a micro trickle-bed reactor, using a commercial NiMo/γ-Al 2 O 3 catalyst. Heavy gas oil (HGO) from Athabasca bitumen was used as feed. The H 2 pp level was set inside the reactor by means of manipulating other operating variables, namely, H 2 purity, pressure, gas/oil ratio, liquid hourly space velocity (LHSV), and temperature. Their ranges were as follows: 75−100 vol % (with the rest methane), 7−11 MPa, 400−1200, 0.65−2 h −1, and 360−400 °C, respectively. HYSYS was used to determine the inlet and outlet H 2 pp. The results show that hydrodenitrogenation (HDN) and hydrodearomatization (HDA) are significantly more affected by H 2 pp than hydrodesulfurization (HDS), with HDN being the most affected. Moreover, it was observed that H 2 dissolution and H 2 consumption increase with increasing H 2 pp. No clear trend was observed for the effect of H 2 pp on feed vaporization. Kinetic studies of HDS, HDN, and HDA were performed using the power law model, multi-parameter model, and Langmuir−Hinshelwood-type (L−H) model, and the prediction abilities of the resultant models were tested. It was determined that, while the multi-parameter model yielded better prediction, the L−H model had an advantage in that it took a lesser number of experimental data to determine its parameters. The prediction ability of the power law was not tested because it excludes many operating variables.
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 | 0,000 |
| 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 ».