MétaCan
Menu
Retour à la cohorte
Enregistrement W2963736778 · doi:10.3390/catal9070618

Application of Microwave in Hydrogen Production from Methane Dry Reforming: Comparison Between the Conventional and Microwave-Assisted Catalytic Reforming on Improving the Energy Efficiency

2019· article· en· W2963736778 sur OpenAlexafffund
Seyyedmajid Sharifvaghefi, Babak Shirani, Mladen Eić, Ying Zheng

Notice bibliographique

RevueCatalysts · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensWestern UniversityUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarbon dioxide reformingCatalysisMethaneHydrogenMicrowaveSelectivityHydrogen productionMethane reformerMaterials scienceSyngasSteam reformingChemical engineeringEnergy carrierChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The microwave-assisted dry reforming of methane over Ni and Ni–MgO catalysts supported on activated carbon (AC) was studied with respect to reducing reaction energy consumption. In order to optimize the reforming reaction using the microwave setup, an inclusive study was performed on the effect of operating parameters, including the type of catalysts’ active metal and their concentration in the AC support, feed flow rate, and reaction temperature on the reaction conversion and H2/CO selectivity. The methane dry reforming was also carried out using conventional heating and the results were compared to those of microwave heating. The catalysts’ activity was increased under microwave heating and as a result, the feed conversion and hydrogen selectivity were enhanced in comparison to the conventional heating method. In addition, to improve the reactants’ conversion and products’ selectivity, the thermal analysis also clarified the crucial importance of microwave heating in enhancing the energy efficiency of the reaction compared to the conventional heating.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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'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

Citations39
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCatalysts for Methane ReformingTravaux en français237 207