Key Processing Factors in Hydrothermal Liquefaction and Their Impacts on Corrosion of Reactor Alloys
Notice bibliographique
Résumé
Despite intensive efforts to develop hydrothermal liquefaction for the conversion of wet biomass and biowaste feedstocks into valuable bio-oils, severe corrosion of conversion reactor alloys and other core components, induced by the pressurized hot water medium, catalysts, and inorganic and organic corrodants generated during the conversion process, has significantly hindered the industrial deployment of this attractive technology. In this paper, a general review of major operating parameters, including biomass feedstock types, temperature, pressure, and catalysts, was conducted to advance the understanding of their roles in conversion efficiency and the yield and properties of produced oils. Additionally, the corrosion performance of a representative constructional alloy (Alloy 33) was investigated in both non-catalytic and catalytic HTL environments at temperatures of 310 °C and 365 °C, respectively. The alloy experienced general oxidation in the non-catalytic HTL environment but suffered accelerated corrosion (up to 4.2 µm/year) with the addition of 0.5 M K2CO3 catalyst. The corrosion rate of the alloy noticeably increased with temperature and the presence of inorganic corrodants (S2− and Cl−) released from biowastes. SEM/XRD characterization showed that a thin and compact Cr-rich oxide layer grew on the alloy in the non-catalytic HTL environment, while the surface scale became a double-layer structure, composed of outer porous Fe/Cr/Ni oxides and inner Cr-rich oxide, with the introduction of the K2CO3 catalyst. From the corrosion perspective, the alloy is a suitable candidate for construction in the next phase of pilot-scale validation assessment.
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 ».