Modelling of H<sub>2</sub> consumption and process optimization for hydrotreating of light gas oils
Notice bibliographique
Résumé
Abstract Hydrogen consumption regression models were developed for the hydrotreating of various light gas oil streams derived from Canadian oil sands including virgin light gas oil (VLGO), hydrocracker light gas oil (HLGO), coker light gas oil (KLGO), and a partially hydrotreated heavy gas oil (PHTHGO) stream over commercial NiMo/ɣ‐Al 2 O 3 in a micro‐trickle bed reactor. The experiments were designed by central composite design (CCD) and covered a wide range of temperatures (353–387 °C), pressures (8.27–10.12 MPa), and liquid hourly space velocity (LHSV) (0.7–2.3 h −1 ), at H 2 /oil ratio = 600 m 3 H 2 /m 3 oil. A composite regression model comprising of all four feed streams was also developed and tested against a new batch of experimental data. The composite model compared favourably with the experimental data. In addition, the composite model fits better than similar correlations from the literature. The effects of process conditions on hydrodesulphurization (HDS), hydrodenitrogenation (HDN), and hydrodearomatization (HDA) conversions were also studied in this work. Based on the experimental data, regression models were developed for each feedstock to obtain the optimum conditions to maximize hydrotreating conversions.
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 | 0,000 |
| 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 ».