Altering bio-oil composition by catalytic treatment of pinewood pyrolysis vapors over zeolites using an auger - packed bed integrated reactor system
Notice bibliographique
Résumé
Pine wood pyrolysis vapors were catalytically treated using zeolite catalysts. An auger fed reactor was used for the pine wood pyrolysis while a packed bed reactor mounted on the top of the auger reactor housed the catalyst for the treatment of pine wood pyrolytic vapors. The pyrolytic vapors produced at 450 oC were passed through zeolite catalysts maintained at 425 oC at a weight hourly space velocity (WHSV) of 12 h-1. Five zeolites, including ZSM-5, mordenite, ferrierite, zeolite-Y, and zeolite-beta (all in H form), were used to study the effect of catalyst properties such as acidity, pore size, and pore structure on catalytic cracking of pine wood pyrolysis vapors. Product bio-oils were analyzed for their chemical composition (GC-MS), water content, density, viscosity, acid value, pH, and elemental compositions. Thermogravimetric analysis (TGA) was performed to analyze the extent of coking on zeolite catalysts. Application of catalysis to biomass pyrolysis increased gas product yields at the expense of bio-oil yields. While all the zeolites deoxygenated the pyrolysis vapors, ZSM-5 was found to be most effective. The ZSM-5 catalyzed bio-oil, rich in phenolics and aromatic hydrocarbons, was less viscous, had relatively lower acid number and high pH, and possessed oxygen content nearly half that of un-catalyzed bio-oil. Brønsted acidity, pore size, and shape-selective catalysis of ZSM-5 catalyst proved to be the determining factors for its activity. TGA results implied that the pore size of catalysts highly influenced coking reactions. Regeneration of the used catalysts was successfully completed at 700 oC.
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) | 0,000 | 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 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 ».