Ethanol Electro-Oxidation on Carbon-Supported PtRuCu/C Catalyst in a Proton Exchange Membrane Electrolysis Cell
Notice bibliographique
Résumé
The electrochemical oxidation of ethanol in cells with proton exchange membrane (PEM) electrolytes is important to develop energy technologies based on bioethanol. Direct ethanol fuel cells (DEFC) have been considered attractive power sources with high potential for use in vehicles and electronic devices, despite their low efficiencies, which need to be increased. On the other hand, ethanol electrolysis cells (EEC) can be used for hydrogen production.The importance of direct ethanol fuel cell technology for a sustainable energy future has resulted in comprehensive studies of the electrochemical oxidation of ethanol and the development of many different anode catalysts.1 Preparing catalysts with high efficiency for the ethanol oxidation reaction has been a major challenge. Although Pt has high activity for ethanol oxidation in acidic media, it is easily poisoned by adsorbed intermediates like COad and CHx, thus high overpotentials are required. PtRu alloy has become important in studies of the oxidation of ethanol, because it has high activity at low potentials. However, product analysis has shown that the main product from the oxidation of ethanol at PtRu is acetic acid and only a small CO2 yield is produced.2 Since increasing the production of CO2 is the major point to enhance the efficiency of DEFCs, it is necessary and crucial to develop and modify PtRu/C. Many researchers have introduced a third transition metal (ternary catalyst) to improve the activity and performance of PtRu/C at high potentials and also to increase the production of CO2.3,4 The purpose of this work is to explore the effect of incorporating Cu into PtRu/C catalysts on the production of CO2. A proton exchange membrane electrolysis cell was used to compare the performance of both PtRu/C and PtRuCu/C catalysts and measure the CO2 yield from the oxidation of ethanol. Interestingly, adding Cu enhanced the production of CO2, and the performance. Acknowledgments This work was supported by the Nature Science and Engineering Research Council of Canada and Memorial University References (1) Akhairi, M. A. F.; Kamarudin, S. K. Catalysts in Direct Ethanol Fuel Cell (DEFC): An Overview. Int. J. Hydrogen Energy 2016, 41, 4214–4228. (2) Altarawneh, R. M.; Pickup, P. G. Product Distributions and Efficiencies for Ethanol Oxidation in a Proton Exchange Membrane Electrolysis Cell. J. Electrochem. Soc. 2017, 164, F861–F865. (3) Xue, S.; Deng, W.; Yang, F.; Yang, J.; Amiinu, I. S.; He, D.; Tang, H.; Mu, S. Hexapod PtRuCu Nanocrystalline Alloy for Highly Efficient and Stable Methanol Oxidation. ACS Catal. 2018, 8, 7578–7584. (4) Barroso, J.; Pierna, A. R.; Blanco, T. C.; Ruiz, N. Trimetallic Amorphous Catalyst with Low Amount of Platinum: Comparative Study for Ethanol, Bioethanol and CO Electrooxidation. Int. J. Hydrogen Energy 2014, 39, 3984–3990.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».