MétaCan
Menu
Retour à la cohorte
Enregistrement W2321743156 · doi:10.1021/ie101360x

CO<sub>2</sub> Capture and Hydrogen Production in an Integrated Fluidized Bed Reformer-Regenerator System

2011· article· en· W2321743156 sur OpenAlexaff
Zhongxiang Chen, John R. Grace, C. Jim Lim

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSorbentRegenerative heat exchangerHydrogen productionSteam reformingHydrogenMaterials scienceMethaneFluidized bedChemical engineeringWaste managementChemistryThermodynamicsAdsorptionHeat exchangerEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Thermodynamic analysis of CO 2 capture and hydrogen production for steam methane reforming was carried out using ASPEN simulation software. The integrated reaction system is composed of a sorbent-enhanced fluidized bed reformer coupled with a fluidized bed sorbent regenerator (calciner) where fine CaO-based sorbents (∼100 μm mean particle diameter) were used. The system performance is evaluated as a function of a number of operating parameters for both the reformer and regenerator. The results indicate that the optimum operating parameters for reformer are temperatures from 550 to 600 °C, low pressure, steam-to-carbon molar feed ratio of 3.5, and sorbent circulation flow rate exceeding the minimum stoichiometric feed rate of active sorbent. For the sorbent regenerator, the optimum conditions are temperatures above 850 °C, low pressure, and enough sweep gas flow to completely calcine CaCO 3 . On the basis of thermodynamics, it should be possible to achieve a hydrogen purity of ∼98% and a CO 2 purity in excess of 99% after condensing sweep steam downstream. The predicted hydrogen purity is consistent with previous experiments. The high-concentration CO 2 should be suitable for sequestration or for industrial use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,266
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207