Interplay between the Physical Properties of Athabasca Bitumen + Diluent Mixtures and Coke Deposition on a Commercial Hydroprocessing Catalyst
Notice bibliographique
Résumé
Bulk and nanoscale physical properties of mixtures comprising Athabasca bitumen, its subfractions, and diluents such as n -dodecane, n -decane, and 1-methylnaphthalene affect coke deposition on a commercial, nanoporous, hydrotreating catalyst (NiMo/γ-Al 2 O 3 ). The interplay among properties at diverse length scales is complex and coking outcomes can appear counterintuitive. For example, in this work we show that dilution of Athabasca bitumen with n -dodecane (a poor physical solvent) reduces coke deposition on catalyst pellets vis-à-vis dilution with 1-methylnaphthalene (a good physical solvent), whereas we show a counter example for Athabasca vacuum residue + n -decane and 1-methylnaphthalene mixtures at the same temperature. Here, we reconcile such findings and link them to mixture properties at the macroscopic scale (the number, nature, and composition of phases present), the nanoscale (asphaltene nanoaggregation within phases) and the molecular scale (hydrogen solubility by phase). We also show that dilution of these feedstocks with n -dodecane and 1-methylnaphthalene enhances vanadium deposition selectivity in a commercial catalyst relative to the feeds. Results such as these underscore the need for the explicit incorporation of physical phenomena in the development of coke deposition models.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».