MétaCan
Menu
Retour à la cohorte
Enregistrement W2968108215 · doi:10.1093/ce/zkz015

Mass-transfer studies of solid-base catalyst-aided CO2 absorption and solid-acid catalyst-aided CO2 desorption for CO2 capture in a pilot plant using aqueous solutions of MEA and blends of MEA-MDEA and BEA-AMP

2019· article· en· W2968108215 sur OpenAlexafffund
J. N. Coker, Daniel Boafo Afari, Jessica Narku-Tetteh, Raphael Idem

Notice bibliographique

RevueClean Energy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésCatalysisDesorptionChemistryMass transferAbsorption (acoustics)SolventAqueous solutionAmine gas treatingMass transfer coefficientChemical engineeringNuclear chemistryInorganic chemistryAdsorptionChromatographyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Mass-transfer studies of catalyst-aided CO2 absorption and desorption were performed in a full-cycle, bench-scale pilot plant to improve CO2 absorption using 5M MEA, 5M MEA-2M MDEA and 2M BEA-2M AMP. A solid-base catalyst, K/MgO, and an acid catalyst, HZSM-5, were used to facilitate absorption and desorption, respectively. Absorption and desorption mass-transfer performance was presented in terms of the overall mass-transfer coefficient of the gas side (KGav) and liquid side (KLav), respectively. For non-catalytic runs, the highest KGaV and KLaV were 0.086 Kmolm3.kPa.hr and 0.785 1hr for 2M BEA-2M AMP solvent. The results showed 38.7% KGav and 23.6% KLav increase for 2M BEA-2M AMP with only HZSM-5 catalyst in desorber and a 95% KGaV and 45% KLaV increase for both K/MgO catalyst and HZSM-5 catalyst. This was attributed to the role of K/MgO in bonding loosely with CO2 and making it available for the amine reaction.

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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,036
Tête enseignante GPT0,254
Écart entre enseignants0,217 · 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

Citations23
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClean EnergyMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207