Styrene hydrogenation in inclined packed‐bed bubble reactors: A reaction‐transport model for the catalytic hydrogenation of pyrolysis gasoline on‐board floating reactors
Notice bibliographique
Résumé
Abstract Two‐phase upflow/downflow and styrene hydrogenation were explored numerically in vertical and inclined packed‐bed bubble reactors using a dynamic three‐dimensional model which integrates the hydrodynamics via macroscopic volume‐averaged continuity and momentum balance equations, energy and mass conservative equations in liquid/gas phases, and simultaneous diffusion and chemical reaction inside Pd/Al 2 O 3 catalyst particles. Packed‐bed bubble reactors non‐verticality divert the liquid phase from its normally expected axial trajectory and generate an excessive axial symmetry distortion because of amplified secondary liquid flow associated with a larger liquid holdup and because of liquid reversal flow (two‐phase upflow). The significant liquid maldistribution over the packed beds (especially in deeper beds) substantially reduces the performance of the styrene hydrogenation process in inclined packed‐bed bubble reactors, more than in inclined trickle‐bed reactors. This drop in hydrogenation performance is more noticeable in downflow packed‐bed bubble reactors, particularly at higher packed bed inclinations, because of the reduction of catalyst wetting efficiency and overall effectiveness factor of the catalyst particles. Increasing the height and diameter of packed bed is recommended to compensate for reduction in hydrogenation performance in inclined packed‐bed bubble reactors. However, the ratio between the reactor height and diameter should be limited to a maximum value to avoid the excessive liquid maldistribution in deeper beds with a significant bypassing in the vicinity of the bottom of the packed bed.
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 ».