Modeling Vapor–Liquid–Liquid Phase Equilibria in Fischer–Tropsch Syncrude
Notice bibliographique
Résumé
Vapor–liquid–liquid equilibrium (VLLE) during product recovery and separation after Fischer–Tropsch synthesis affects the efficiency of downstream processing. Proper prediction of the VLLE is necessary to improve this processing step in the Fischer–Tropsch process; however, there is little guidance on what thermodynamic models to use. A similar problem presents itself in processes related to biomass conversion. The selection of an appropriate thermodynamic model to describe the nonideal VLLE of water–oxygenate–hydrocarbon mixtures was investigated. Cubic equations of state, virial equations of state, activity coefficient models, and equations of state with advanced mixing rules were considered. The evaluation was conducted using both default and optimized parameters. Predictive performance was improved when binary interaction parameters were optimized using experimental data, but parameter optimization is onerous and it is not always practical. It was found that cubic equations of state should not be used for nonideal systems, and even when combined with advanced mixing rules, there is a risk of poor predictive performance. Although the nonrandom two-liquid (NRTL) activity coefficient model is often considered for polar compounds, this investigation found that the predictive performance of NRTL degraded as the nonideality of the system increased. The universal quasi-chemical (UNIQUAC) activity coefficient model was the best all-around model for predicting the phase behavior of water–oxygenate–hydrocarbon systems. The Hayden–O’Connell virial equation of state predicted the vapor–liquid phase equilibrium of hydrogen bonding materials well. UNIQUAC in tandem with the Hayden–O’Connell equation of state is recommended for the modeling of Fischer–Tropsch syncrude VLLE when the partitioning of oxygenates between phases is important.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».