Characteristics of zeolite‐modified NiMo/Al<sub>2</sub>O<sub>3</sub> catalysts and their hydrotreating performance for light cycled oil
Notice bibliographique
Résumé
Abstract The performance of a widely used commercial catalyst, NiMo/Al 2 O 3 , might be not adequate to meet more stringent regulations for the fuel products; therefore, a lot of research has been devoted to improving its performance. In this study, three different modified zeolites were added in NiMo/Al 2 O 3 catalyst to investigate the selective improvement of the hydrodesulphurization (HDS) and hydrodenitrification (HDN) activity. The catalysts were characterized by N 2 adsorption, pyridine‐infrared spectroscopy (IR), H 2 ‐temperature program reduction (H 2 ‐TPR), x‐ray photoelectron spectroscopy (XPS), and transmission electron microscopy (TEM), and their catalytic activity was tested in the HDS and HDN of light cycle oil (LCO). Characterization results revealed that the catalyst surface area increased but the pore volume and average pore size decreased by adding modified zeolite. The activity evaluation result showed that the NiMo/MB catalyst had the highest activity and meanwhile decreased the final boiling point from 520.8 to 457 °C. The sulphur decreased by 97.65 % from 13 000 to 305 ppm and the nitrogen reduced by 99.74 % from 496 to 1.29 ppm in LCO hydrotreating, notably for NiMo/MB catalyst. The acid properties indicated that zeolite brought some strong and ultra‐strong acidic sites, which might favour a cracking reaction and reduce the liquid recovery yield. However, only 1.99 and 1.34 wt% of the LCO were cracked over the zeolite beta and zeolite modified beta respectively, indicating a slight cracking process. These results suggest that an added modified beta not only raised the quality of LCO distillation but also avoided the overcracking of hydrocarbons.
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 ».