Infrared spectroscopic and physico-chemical analysis of carbon dioxide-rich and -lean 30 wt% monoethanolamine
Notice bibliographique
Résumé
Carbon dioxide (CO 2 ) is the most significant greenhouse gas, contributing 44% of global warming using coal combustion for electricity generation. The major goal is to reduce carbon dioxide emissions by using the carbon dioxide capture and storage (CCS) technique. Among various techniques, amine-based post-combustion carbon dioxide capture plays a critical role in CCS technology. Monoethanolamine (MEA) acts as a benchmarking solvent in the CCS process owing to its high absorption capacity, lower cost and high rate of reaction. The present investigation used 30 wt% MEA and animised flue gas (15 vol% carbon dioxide and resting nitrogen (N 2 ) gas) at 0.5 pound/square inch (3.45 kPa) inlet pressure for carbon dioxide absorption followed by 1 h solvent regeneration (direct and indirect heating). Furthermore, measurements of physico-chemical properties such as pH, carbon dioxide loading, density, viscosity, alkalinity and surface tension and Fourier transform infrared (FTIR) spectroscopic analysis of unloaded, carbon dioxide-loaded and regenerated samples were carried out. During carbon dioxide absorption, a rich loading of 7.775 mol/kg was obtained, whereas after regeneration, lean loadings of 3.099 and 3.937 mol/kg were achieved. FTIR analysis of the regenerated sample reconfirmed carbamate and bicarbonate presence, indicating that the sample required further regeneration. An increase in density, viscosity and surface tension was observed during carbon dioxide loading due to stronger intermolecular forces between the solvent and carbon dioxide molecules, and a decrease was observed during solvent regeneration due to carbon dioxide stripping.
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 ».