Determining the amount of ‘green’ coke generated when co‐processing lipids commercially by fluid catalytic cracking
Notice bibliographique
Résumé
Abstract Co‐processing biogenic feedstocks in oil refineries will reduce the greenhouse gas emissions normally associated with fossil‐derived transportation fuels. The fluid catalytic cracker (FCC) within a refinery is a robust processing unit and will probably be a preferred insertion point if biocrudes, produced by the liquefaction of biomass, are co‐processed within a refinery. Fluid catalytic cracking results in a wide range of intermediate products which can be upgraded to gasoline, diesel, heavy fuel oil and liquified petroleum gas blendstocks. Coke is also produced and provides heating for feedstocks, the endothermic catalytic cracking reactions and the regeneration of the FCC catalyst. However, coke combustion also generates carbon dioxide and is a significant source of refinery greenhouse gas emissions. As detailed here, the continuous nature of the process makes the physical evaluation of any biogenic coke fraction, via methods such as C14 isotope analysis, quite challenging. However, quantifying the stack gases provides one way of assessing the renewable content of the carbon dioxide derived from coke combustion. The hourly data from 1 year of commercial operation was assessed using linear and Bayesian ridge regression to quantify the burning coefficient of the coke when co‐processing lipids at the FCC. When a bootstrap method was used to reduce the uncertainties of the coefficients, this allowed us to quantify the renewable (green) fraction of the coke component, indicating the reduction in carbon dioxide emissions when commercially co‐processing biogenic feedstocks. © 2021 Society of Chemical Industry and John Wiley & Sons, Ltd
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 ».