Hydrodeoxygenation of Pyrolysis Oil in Supercritical Ethanol with Formic Acid as an In Situ Hydrogen Source over NiMoW Catalysts Supported on Different Materials
Notice bibliographique
Résumé
Hydrodeoxygenation (HDO) is one of the most promising approaches to upgrading pyrolysis oils, but this process normally operates over expensive noble metal catalysts (e.g., Ru/C, Pt/Al2O3) under high-pressure hydrogen gas, which raises processing costs and safety concerns. In this study, a wood-derived pyrolysis oil was upgraded in supercritical ethanol using formic acid as an in situ hydrogen source at 300 °C and 350 °C, over a series of nickel–molybdenum-tungsten (NiMoW) catalysts supported on different materials, including Al2O3, activated carbon, sawdust carbon, and multiwalled nanotubes (MWNTs). The upgrading was also conducted under hydrogen gas (an ex situ hydrogen source) for comparison. The upgrading process was evaluated by oil yield, degree of deoxygenation (DOD), and oil qualities. The NiMoW/MWNT catalyst showed the best HDO performance among all the catalysts tested at 350 °C, with 74.8% and 70.9% of oxygen in the raw pyrolysis oil removed under in situ and ex situ hydrogen source conditions, respectively, which is likely owing to the large pore size and volume of the MWNT support material, while the in situ hydrogen source outperformed the ex situ hydrogen source in terms of upgraded oil yields and qualities, regardless of the catalysts employed.
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 | 0,000 |
| 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 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 ».