MétaCan
Menu
Retour à la cohorte
Enregistrement W2794128586 · doi:10.1002/ijch.201700134

CO<sub>2</sub> Conversion Enhancement in a Periodically Operated Sabatier Reactor: Nonlinear Frequency Response Analysis and Simulation‐based Study

2018· article· en· W2794128586 sur OpenAlexaff
Robert Currie, Daliborka Nikolić, Menka Petkovska, David S. A. Simakov

Notice bibliographique

RevueIsrael Journal of Chemistry · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésChemistryNonlinear systemEnergy conversion efficiencyVolumetric flow rateSpace velocityFrequency conversionMechanicsModulation (music)Energy transformationSteady state (chemistry)Bar (unit)Continuous flowControl theory (sociology)Nuclear engineeringAnalytical Chemistry (journal)CatalysisThermodynamicsPhysical chemistryPhysicsSelectivityComputer scienceMeteorologyChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract Conversion of CO2 into synthetic CH4 via thermocatalytic hydrogenation (the Sabatier reaction), has recently gained increasing interest as a possible route for CO2 utilization and energy storage pathway. Herein, we analyze the possibility of increasing the CO2 conversion through periodic operation of the reactor. The analysis is performed by using the Nonlinear Frequency Response (NFR) method, a recently developed analytical technique, suitable for fast evaluation of periodic reactor operations. The NFR analysis predicts a significant conversion gain (up to 50 %) for certain frequencies of the feed flow rate modulation. This prediction is validated by numerical simulations with a reaction rate expression obtained by CO2 conversion experiments using a Ni/Al2O3 catalysts. Both the NFR analysis and numerical simulations predict that it is possible to obtain 70 % CO2 conversion at 500 K, 5 bar, and average space velocity of 7600 h−1 by a periodic modulation of the feed flow rate, as compared to the corresponding steady state CO2 conversion of 43 %.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

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 Opus0,010
Tête enseignante GPT0,273
Écart entre enseignants0,263 · 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'étudeSimulation ou modélisation
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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsrael Journal of ChemistryMême sujetCatalysts for Methane ReformingTravaux en français237 207