Amine Structure-Foam Behavior Relationship and Its Predictive Foam Model Used for Amine Selection for Design of Amine-based Carbon Dioxide (CO2) Capture Process
Notice bibliographique
Résumé
Background: The use of an amine solution to capture CO 2 from flue gases is one of the methods applied commercially to clean up the exhaust gas stream of a power plant. One of the issues in this process is foaming which should be known in order to select a suitable amine for design. Objectives: In this work, all possible types of amines used for CO 2 capture, namely, alkanolamines, sterically hindered alkanolamines, multi-alkylamines and cyclic amines, were investigated to elucidate their chemical structure–foaming relationships. Methods: Foam volume produced by each type of 2M amine solution with its equilibrium CO 2 loading was measured at 40°C using 94 mL/min of N 2 flow. Results: Amines with a higher number or a longer chain of the alkyl group exhibited higher foam volume because of alkyl group’s ability to decrease the surface tension while increasing the viscosity of the solution. An increase in the number of hydroxyl or amino groups in the amine led to the reduction of foam formation due to the increase in surface tension and a decrease in viscosity of the solution. The predictive foam models for non-cyclic and cyclic-amines developed based on the structural variations, surface tension and viscosity of 29 amines predicted the foam volume very well with average absolute deviations (AAD) of 12.7 and 0.001%, respectively. The model accurately predicted the foam volume of BDEA, which was not used in model development with 13.3 %AD. Conclusion: This foam model is, therefore, indispensable in selecting a suitable amine for an amine-based CO 2 capture plant design and operation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».