Kinetic Study of Pd-Promoting Effect on Cu/ZnO/Al2O3 Catalyst for Glycerol Hydrogenolysis to Produce 1,2-Propanediol at Low Hydrogen Pressure
Notice bibliographique
Résumé
The promoting effect of Pd on a Cu/ZnO/Al2O3 catalyst for the aqueous glycerol hydrogenolysis process to produce 1,2-propanediol was studied. At a lower hydrogen pressure (2.07 MPa), using the Cu/ZnO/Al2O3 catalyst with 2 wt% Pd doped, could significantly improve the glycerol conversion (97.2%) and 1,2-propanediol selectivity (93.3%) compared with the unpromoted catalyst (69.4% and 89.7%, respectively). A power-law kinetic model, which took into account all the elementary reactions including glycerol dehydration and its reverse reaction, acetol hydrogenation, side reactions and ethylene glycol formation, was developed to comprehensively investigate the effect of Pd. Though the rate of glycerol dehydration using the Pd-promoted catalyst was found to be slightly lower, mainly due to the reduced number of acidic sites after adding Pd, the glycerol conversion rate was notably higher compared with using the unpromoted catalyst, mainly attributed to the enhanced activity of acetol hydrogenation by Pd. The rapid hydrogenation of acetol can inhibit the reverse reaction of glycerol dehydration, resulting in a higher glycerol conversion rate, so that glycerol dehydration is considered as the rate-determining step. In contrast, when the unpromoted catalyst was used, the rate of reverse glycerol dehydration was drastically increased due to the elevated acetol concentration, especially at a lower hydrogen pressure, resulting in a slower glycerol conversion rate; thus, acetol hydrogenation became the rate determining step. In addition, Pd can improve the reducibility of the catalyst, allowing the CuO to be reduced in situ during the reaction. Therefore, catalyst deactivation due to any potential oxidation of metallic copper during the reaction can be prevented.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».