Effect of Metal Ions on Light Gas Oil Upgrading over Nano Dispersed MoS<sub>x</sub>Catalysts Using<i>in Situ</i>H<sub>2</sub>
Notice bibliographique
Résumé
Hot water extraction and steam injection techniques are used to recover the bitumen from the oil sands or from deep underground deposits generating bitumen emulsions. A novel one-step bitumen upgrading process was developed in our laboratory where the water in the bitumen emulsion was activated through the water gas shift reaction (WGSR) to provide in situ H2 for hydrodesulfurization (HDS) and upgrading of the bitumen. The catalyst precursor, phosphomolybdic acid, was transformed into a nano dispersed Mo sulfide catalyst in situ during the upgrading reaction. This nano dispersed Mo catalyst was found to be effective for upgrading light gas oil (LGO) derived from Alberta oil sands with in situ H2. The effect of Ni, Co, Fe, V and K on the nano dispersed Mo sulfide catalyst for the upgrading of LGO was investigated. Ni, Co promoted both WGSR and HDS. V and K inhibited HDS although they promoted WGSR. Fe showed no significant effect on either WGSR or HDS. Ni was found to be the best promoter for HDS. Atthough K was the best promoter for WGSR, however, K apparently inhibited HDS completely but did not affect the boiling point distribution of the oil product. The effects of water content, syn-gas composition and reaction temperature were also discussed. Extra water inhibited HDS when usingeither in situ H2 or molecular H2. Syn-gas could be used for providing in situ H2 for LGO upgrading. Higher reaction temperature favoured both HDS and hydrocracking.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».