MétaCan
Menu
Retour à la cohorte
Enregistrement W3168133825 · doi:10.1021/acs.energyfuels.1c00764

Review of Research Related to Fluid Cokers

2021· article· en· W3168133825 sur OpenAlexaff
Cédric Briens, Jennifer McMillan

Notice bibliographique

RevueEnergy & Fuels · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensSyncrude (Canada)Western University
Organismes subventionnairesnon disponible
Mots-clésFluidized bedCokeMixing (physics)ScrubberMaterials scienceWaste managementEnvironmental scienceProcess engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Fluid coking is a thermal conversion process that uses a conventional two-vessel circulating fluidized bed to convert heavy hydrocarbon feeds to lighter products. The technology was developed in the 1950s and since then has been used commercially around the world to upgrade heavy oils from various sources. Research work has been summarized related to all aspects of the fluid coking process, including reaction fundamentals, bed hydrodynamics, liquid distribution and jet–bed interaction, mixing of solid particles and agglomerates, mixing of vapors, control of the particle size, cleaning of the vapor stream in the scrubber, cleaning of the cold coke in the stripper, process monitoring, coke transfer lines, and the burner. The fluid coking process involves complex interactions between fluidized bed hydrodynamics, liquid feed injection, and reaction kinetics, and research tools that can take into account all of these interacting variables are requited to test methods to optimize the process. Fluid cokers can process many different types of feeds, and future applications may include blending and co-processing a variety of feedstocks ranging from waste plastics, pyrolytic bio-oil, and off-spec vegetable oils with heavy oil. The findings from this summary are also relevant for other applications that inject liquid into fluidized beds, such as the fluid catalytic cracking process, olefin polymerization cooled by liquid injection, granulators, and coaters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,451
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,281
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207