Multicomponent multicompartment model for Fischer–Tropsch SCBR
Notice bibliographique
Résumé
Abstract The Fischer–Tropsch synthesis (FTS) in which a syngas is converted into a wide range of paraffins, olefins, and oxygenates, has found renewed interest in the context of indirect conversion of natural gas. Slurry bubble column reactors (SBCR) rank high among the candidate reactors for FTS. Despite their simple construction, their design are still uncertain because of the fragmented understanding about FTS chemistry, the reactor fluid mechanics, heat and mass transfer, the thermodynamics, and how these phenomena are intermingled in the reactor. A multicomponent/compartment model was developed to account for a detailed hydrodynamics where upon were tied the Fischer–Tropsch and water‐gas‐shift reactions, the thermodynamics and thermal effects, the variable gas flow‐rate because of chemical/physical contraction, and gas and slurry (re)circulation and percompartment back‐mixing. A Cobased mechanistic kinetics accounting for olefin re‐adsorption was used to describe paraffin and olefin formation and vapor–liquid equilibria were evaluated using a Peng‐Robinson/Marano‐Holder model. The model was used to analyze the effects of catalyst loading, temperature, gas velocity, water‐gas shift, and gas contraction on the performance of SBCRs. The simulated behavior for commercial‐scale SBCR was discussed in the light of a sensitivity analysis of the model outputs with regard to the hydrodynamic, the heat and mass transfer parameters. © 2007 American Institute of Chemical Engineers AIChE J, 2007
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 | 0,001 | 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 | 0,001 |
| 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 ».