Hydrotreating of light gas oil using carbon nanotube supported NiMoS catalysts: Kinetic modelling
Notice bibliographique
Résumé
Abstract Multi‐walled carbon nanotubes (MWCNTs) were applied as supports for NiMo hydroprocessing catalysts. Rate expressions were developed for an optimum NiMo/MWCNT catalyst to help predict its hydrodesulfurisation (HDS) and hydrodenitrogenation (HDN) activities while varying the operation parameters for coker light gas oil treatment. Power law models were best fit with reaction orders of 2.6 and 1.2, and activation energies of 161 and 82.3 kJ/mol, for the HDS and HDN reactions, respectively. Generalised Langmuir–Hinshelwood models were found to have reaction orders of 3.0 and 1.5, and activation energies of 155 and 42.3 kJ/mol, for the HDS and HDN reactions, respectively. Étude des nanotubes de carbone multiparois (MWCNT) lorsqu'ils servent de supports aux catalyseurs d'hydrotraitement NiMo. Des expressions de vitesse ont été développées pour un catalyseur NiMo/MWCNT optimal pour prédire ses activités d'hydrodésulfurisation (HDS) et d'hydrodénitrogénation (HDN) tout en faisant varier les paramètres d'exploitation pour le traitement du gas‐oil léger de cokéfaction. Les modèles de loi de puissance sont les mieux adaptés avec des ordres de réaction de 2,6 et 1,2 et des énergies d'activation de 161 kJ/mol et 82,3 kJ/mol pour les réactions d'HDS et d'HDN respectivement. Les modèles généralisés de Langmuir–Hinshelwood ont des ordres de réaction de 3,0 et 1,5 et des énergies d'activation de 155 kJ/mol et 42,3 kJ/mol pour les réactions d'HDS et d'HDN respectivement. © 2010 Canadian Society for Chemical Engineering
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 ».