MétaCan
Menu
Retour à la cohorte
Enregistrement W2614361242 · doi:10.1021/acs.energyfuels.7b00554

The Impact of Process Parameters on the Deposition of Fines Present in Bitumen-Derived Gas Oil on Hydrotreating Catalyst

2017· article· en· W2614361242 sur OpenAlexafffund
Rachita Rana, Sandeep Badoga, Ajay K. Dalai, John Adjaye

Notice bibliographique

RevueEnergy & Fuels · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis and Hydrodesulfurization Studies
Établissements canadiensSyncrude (Canada)University of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsSyncrude
Mots-clésHydrodesulfurizationDeposition (geology)Trickle-bed reactorParticle (ecology)Particle depositionFuel oilSulfurCatalysisChemistryParticle sizeChemical engineeringMaterials scienceWaste managementOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The gradual increase in the amount of fines (<20 μm) deposited in a hydrotreating reactor results in a sudden pressure drop, leading to premature reactor shutdown. In addition to the nature of the fine particles, it is believed that the particle deposition is a function of the process parameters of the reactor. Among the process conditions that influence the hydrotreating process, temperature and pressure have been identified as key variables; therefore their impact on fines deposition on NiMo/γAl 2 O 3 catalyst was studied. Model fine particles were suspended in light gas oil (LGO) feed, and the feed was hydrotreated in a batch reactor. The catalyst was characterized to understand its interaction with the model fine particles. Mass balance results and SEM images were used to quantitatively analyze the deposition of fine particles on the catalyst bed. The statistical analyses were performed using central composite design (CCD) to optimize the hydrotreating conditions for bed deposition and sulfur conversion as a function of process parameters such as temperature (355–375 °C), pressure (1200–1400 psig), and particle loading (1–1.5 g of fines) in 200 mL of oil. High fines concentration in the feed (particle loading) and high temperature led to higher bed deposition. The results obtained helped in understanding the impact of process parameters on particle deposition in a batch reactor and not in a packed bed reactor. The optimum temperature to have a significant sulfur conversion with least fines deposition for LGO feed with process conditions within the boundary of this research for a batch reactor was found to be in range of 360 to 364 °C.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCatalysis and Hydrodesulfurization StudiesTravaux en français237 207