Kinetic Modeling of Propane Oxidative Dehydrogenation over VO<sub><i>x</i></sub>/γ-Al<sub>2</sub>O<sub>3</sub>Catalysts in the Chemical Reactor Engineering Center Riser Reactor Simulator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study reports kinetic modeling of propane oxidative dehydrogenation (ODH) employing a new VO x /γ-Al 2 O 3 catalyst especially designed for propane ODH with a controlled acidity. This catalyst is prepared with different vanadium loadings (5–10 wt %). Kinetic experiments are carried out under an oxygen-free atmosphere in the Chemical Reactor Engineering Center fluidized bed riser simulator at 475–550 °C and atmospheric pressure. Successive-injection propane ODH experiments (without catalyst regeneration) over partially reduced catalysts show good propane conversions (11.73%-15.11%) and promising propylene selectivity (67.65–85.89%). Regarding propylene selectivity, it increases while that for CO x decreases as the catalyst degree of reduction augments with the consecutive propane injections. This suggests that a controlled degree of catalyst reduction is needed for high propylene selectivity. Under such oxygen-free conditions, the lattice oxygen of the catalyst is consumed via the ODH reaction. On the basis of the data obtained, a kinetic model is proposed. In this model, reaction rates are related to the degree of catalyst reduction using an exponential decay function. The kinetic and decay model parameters are estimated using nonlinear regression analysis. Activation energies and Arrhenius pre-exponential constants are calculated with their respective confidence intervals. The proposed parallel-series kinetic model satisfactorily predicts the ODH reaction of propane under the selected reaction conditions.
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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle