Desulfurization of Heavy Oil–Oxidative Desulfurization (ODS) As Potential Upgrading Pathway for Oil Sands Derived Bitumen
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
Heavy oil usually contains percentage levels of sulfur. Most of the sulfur in heavy oil is found in bulky thiophenic structures. Thiophenic sulfur is difficult to remove by catalytic hydrodesulfurization, but it can readily be oxidized. The sulfoxides and sulfones produced from sulfur oxidation can be solvent extracted from the heavy oil as a result of their increased polarity. Oxidative desulfurization of heavy oil was studied using Canadian Cold Lake bitumen (5% S, 1100 kg/m 3 ), with air as oxidant. At the conditions investigated, namely, autoxidation at 145–175 °C followed by water washing, 46–47% of the sulfur in the bitumen could be removed. This is equivalent to >20 kg sulfur per ton oil. Part of the sulfur was removed as SO 2 and part as water extracted sulfur-containing compounds. Lower autoxidation temperatures led to better desulfurization. The main challenge was to prevent free radical addition reactions that cause a viscosity increase and bitumen hardening. Autoxidation of undiluted bitumen and bitumen–water mixtures resulted in hardening. Hardening was prevented when bitumen was diluted with naphtha ( n -heptane). However, the oxidized sulfur compounds could not be extracted with water from the bitumen–heptane phase, and some material was precipitated as a result of solvent deasphalting. Oxidation selectivity was studied using a model dibenzothiophene and n -heptane mixture. Some precipitation was also observed, and the chemistry was analogous to the precipitation chemistry (gum formation) that undermines storage stability of transportation fuels.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle