MétaCan
Menu
Retour à la cohorte
Enregistrement W2784492610 · doi:10.1021/acs.iecr.7b04582

Metal Oxide-Based Catalysts for the Autothermal Reforming of Glycerol

2018· article· en· W2784492610 sur OpenAlexafffund
Faezeh Sabri, Raphael Idem, Hussameldin Ibrahim

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationFaculty of Graduate Studies and Research, University of Regina
Mots-clésGlycerolCatalysisChemistryCatalytic reformingMethane reformerDilutionHydrogenMetalSelectivitySteam reformingOxideOxygenHydrogen productionChemical engineeringInorganic chemistryNuclear chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In this study hydrogen production from the autothermal reforming (ATR) of glycerol was investigated in a packed bed tubular reactor using nickel-based catalysts with theoretical composition of 5% Ni/Ce 0.5 Zr 0.33 M 0.16 O 2−δ, where M is the promoter element selected from Mg, Ca, Y, La, or Gd. The structural, textural, and physicochemical characteristics of the catalysts were investigated using various characterization techniques. The catalytic activity was evaluated in a temperature range from 450 to 700 °C; steam-to-glycerol (S/G) ratio of 6, 9, and 12; and oxygen-to-glycerol (O/G) ratio of 0.2, 0.5, and 0.8 at atmospheric pressure. Among all the catalyst formulations prepared in the current study, 5Ni/CeZrGd exhibited the best catalytic performance and stability compared to the other promoter elements. For 5Ni/CeZrGd catalysts, it was found that, until 600 °C, conversion increased rapidly with the increase in temperature to reach 82 mol % glycerol conversion and more than 70 mol % H 2 selectivity, which can be optimal operation conditions for industrial applications. Furthermore, the increase of O/G ratio showed similar trends. Although adding more S/G in the feed did not show any noticeable increase in glycerol conversion, it resulted in lower hydrogen concentration in the reformate product due to the dilution effect of steam.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,056
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,101
Tête enseignante GPT0,348
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCatalysts for Methane ReformingTravaux en français237 207