Hydrogen Production for SOFCs Application via Autothermal Reforming of Volatile Organic Compounds on Ru-pyrochlore Catalysts
Notice bibliographique
Résumé
Volatile Organic Compounds (VOCs) from industrial coating operations could be valuable energy resources if collected and used effectively. A promising approach is to generate syngas stream for Solid Oxide Fuel Cells (SOFCs) application by autothermal reforming of them. However, conventional nickel-based catalysts with whatever promoters/supports or formulations are not very successful for this process for lacking of activities or deactivating quickly due to sintering or carbon deposition at the presence of high percentage of aromatic compounds or sulfur chemicals. By contrast, there also exist many big challenges for precious metal-based catalysts in terms of longevity and cost effectiveness. In this paper, Ruthenium noble metal dispersed in a formulation of pyrochlore structure was explored, and various VOCs with wide range of monoaromatics additives of various species and fairly amount of naphthalene was used as fuels to simulate actual VOCs. It was found that this catalyst not only had quite good initial activity but also showed very good stability during the longevity tests, which was considered as important as, if not more important than, the former for commercialization. Eventually, actual VOC collected from a painting-booth was tested for this autothermal reforming process. The longevity test verified the high activities and good stabilities of this catalyst. Most likely the precious metal atomically dispersed in a stable structure of pyrochlore contributed to the super performance, although fundamental studies to understand the reaction mechanism was much needed.
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 ».