Modelling of a vacuum residue hydrocracking in an industrial slurry phase reactor
Notice bibliographique
Résumé
Abstract The upgradation of the bottom of the barrel has gained much interest across the refineries due to severe environmental rules, limitations of conventional oil reserves, and its flexibility to produce light end products which benefit end users. Slurry phase hydrocracking is one of the growing technologies to fulfil the increasing demand for light cut. Modelling of an industrial slurry phase reactor (SPR) for vacuum residue hydrocracking using different kinetic models is proposed. The axial dispersion model (ADM) is used for modelling an industrial SPR. The mathematical model of the reactors is incorporated for the three different lump kinetic models. This study deals with the continuous stirred tank reactor (CSTR) and SPR modelling, followed by industrial SPR modelling. The small lab‐scale reactor models are validated with the experimental data reported in the literature. The study's objective was to investigate the one‐dimensional and two‐dimensional concentration dynamics of each lump along the axial and radial positions of industrial SPR. The vacuum residue conversion into the light fractions was obtained by more than 73% in industrial SPR. Also, the yield of vacuum gas oil and resins were evaluated as 49% and 63%, respectively. The sensitivity analysis was performed to explain the effect of process variables. The optimum range was found as a length of 15 m, liquid hourly space velocity (LHSV) of 0.2 h −1 , 1% catalyst concentration, and 420°C reaction temperature to enhance the throughput of the reactor.
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 | 0,001 |
| 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 ».