Impact of Asphaltene-Rich Aggregate Size on Coke Deposition on a Commercial Hydroprocessing Catalyst
Notice bibliographique
Résumé
Diverse coke deposition mechanisms and models, all supported by experimental data, have been proposed for catalytic hydrogenation processes related to heavy oil and bitumen refining. In this contribution, nanofiltration is used to partition Athabasca bitumen and Maya crude oil so that the potential impact of asphaltene-rich nano-aggregate size on coke deposition on a commercial NiMo/γ-Al 2 O 3 hydrotreating catalyst could be investigated without introducing artifacts related to the use of solvents. Crude samples were filtered at 473 K through 5, 10, 20, and 50 nm ceramic filters. The feeds, permeates, and retentates are characterized in detail in a companion contribution (Zhao and Shaw, Energy Fuels 2007, 21 (5), 2795−2804). Batch coking experiments were conducted at 653 K for 2 h at a 30:1 feed to catalyst ratio (weight basis), with feed stocks, permeates, retentates, and control samples. Surface area, pore volume, and pore size distribution of coked catalysts were measured. The results were found to be consistent with partial filling of catalyst pores for all cases. Pore mouth plugging was not observed. Elemental analyses performed on cross sections of coked catalyst pellets show that coke deposition within pellets was diffusion limited for all cases evaluated while vanadium deposition, arising primarily from the maltene fraction, was not diffusion limited. Asphaltene-rich nano-aggregate size and maltene composition are shown to play secondary roles in coke deposition within catalyst pellets.
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 ».