Use of Plasma-Synthesized Nano-Catalysts for CO Hydrogenation in Low-Temperature Fischer–Tropsch Synthesis: Effect of Catalyst Pre-Treatment
Notice bibliographique
Résumé
A study was done on the effect of temperature and catalyst pre-treatment on CO hydrogenation over plasma-synthesized catalysts during the Fischer–Tropsch synthesis (FTS). Nanometric Co/C, Fe/C, and 50%Co-50%Fe/C catalysts with BET specific surface area of ~80 m2 g–1 were tested at a 2 MPa pressure and a gas hourly space velocity (GHSV) of 2000 cm3 h−1 g−1 of a catalyst (at STP) in hydrogen-rich FTS feed gas (H2:CO = 2.2). After pre-treatment in both H2 and CO, transmission electron microscopy (TEM) showed that the used catalysts shifted from a mono-modal particle-size distribution (mean ~11 nm) to a multi-modal distribution with a substantial increase in the smaller nanoparticles (~5 nm), which was statistically significant. Further characterization was conducted by scanning electron microscopy (SEM with EDX elemental mapping), X-ray diffraction (XRD) and X-ray photoelectron spectroscopy (XPS). The average CO conversion at 500 K was 18% (Co/C), 17% (Fe/C), and 16% (Co-Fe/C); 46%, 37%, and 57% at 520 K; and 85%, 86% and 71% at 540 K respectively. The selectivity of Co/C for C5+ was ~98% with 8% gasoline, 61%, diesel and 28% wax (fractions) at 500 K; 22% gasoline, 50% diesel, and 19% wax at 520 K; and 24% gasoline, 34% diesel, and 11% wax at 540 K, besides CO2 and CH4 as by-products. Fe-containing catalysts manifested similar trends, with a poor conformity to the Anderson–Schulz–Flory (ASF) product distribution.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».