Kinetics and mechanisms of the catalytic thermal cracking of asphaltenes adsorbed on supported nanoparticles
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
The production of heavy and extra-heavy oil is challenging because of the rheological properties that crude oil presents due to its high asphaltene content. The upgrading and recovery processes of these unconventional oils are typically water and energy intensive, which makes such processes costly and environmentally unfriendly. Nanoparticle catalysts could be used to enhance the upgrading and recovery of heavy oil under both in situ and ex situ conditions. In this study, the effect of the Ni-Pd nanocatalysts supported on fumed silica nanoparticles on post-adsorption catalytic thermal cracking of n -C 7 asphaltenes was investigated using a thermogravimetric analyzer coupled with FTIR. The performance of catalytic thermal cracking of n -C 7 asphaltenes in the presence of NiO and PdO supported on fumed silica nanoparticles was better than on the fumed silica support alone. For a fixed amount of adsorbed n -C 7 asphaltenes (0.2 mg/m 2 ), bimetallic nanoparticles showed better catalytic behavior than monometallic nanoparticles, confirming their synergistic effects. The corrected Ozawa–Flynn–Wall equation (OFW) was used to estimate the effective activation energies of the catalytic process. The mechanism function, kinetic parameters, and transition state thermodynamic functions for the thermal cracking process of n -C 7 asphaltenes in the presence and absence of nanoparticles are investigated.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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