Deep desulfurization of alkylated oil by alumina adsorbents: characteristics and mechanism study
Notice bibliographique
Résumé
Deep desulfurization of alkylated oil is the primary problem that has long plagued the petroleum refining industry. In this study, alkaline alumina adsorbent microspheres were synthesized by carbonization–hot oil column pelletization method. The adsorption desulfurization performance of as-synthesized adsorbent and three commercial alumina-based adsorbents were systematically evaluated and compared. The results showed that alkaline alumina adsorbent had the optimal adsorption performance with a saturated adsorption capacity of 8.604 mg/g. Meanwhile, FTIR and sulfur speciation analysis indicated that the alkaline alumina adsorbent could deeply remove various sulfides (methyl mercaptan, dimethyl disulfide, hexacarbon sulfide, dibenzothiophene, etc.) from alkylated oil. Furthermore, the adsorption kinetics study manifested that the adsorption of sulfide was dominated by chemical adsorption, supplemented by physical adsorption, and accompanied by competitive adsorption among different sulfides. In addition, the regeneration experiment showed that nitrogen (90 °C) could realize the stable regeneration of the alkaline alumina adsorbent. To ensure stable regeneration performance in the industry, it is recommended that the alkaline alumina adsorbent be regenerated once with nitrogen at 90 °C. This study will provide theoretical support for the process optimization of deep desulfurization of alkylated oil and contribute to the high-quality production of clean fuels worldwide.
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 ».