In the quest for ionic liquid entrainers for the recovery of R-32 and R-125 by extractive distillation under rate-based considerations
Notice bibliographique
Résumé
In line with the reduction targets imposed on the production of high global warming potential (GWP) hydrofluorocarbons by the Kigali Amendment to the Montreal Protocol, the recovery of refrigeration fluids at the end of life of refrigeration and air-conditioning equipment and the selective separation of the most valuable refrigerants is sought for recycling purposes and climate change mitigation. To that end, extractive distillation (ED) processes using ionic liquids (ILs) as entrainers is considered a promising technology to solve the difficulty of separating the typical close boiling or azeotropic behaviour of fluorinated hydrocarbon mixtures. This work provides insight into the design of ED processes evaluating the influence of both mass transfer phenomena (rate-based models) and IL properties (absorption capacity, solubility selectivity and viscosity) on the critical process variables (e.g., solvent-to-feed ratio, reboiler temperature, packing height) to separate the components of the binary mixture R-410A (50 wt % difluoromethane (R-32) + 50 wt % pentafluoroethane (R-125)) with minimum energy consumption and purity >99.5 wt % of the two products. Results point to the solubility selectivity as the most influential IL property, and to [C2C1im][SCN], among all ILs assessed, as a promising entrainer because of its high R-32/R–125 solubility selectivity and low viscosity, which enables to operate the ED process at lower temperatures. The recovered R-32 can be used as a greener alternative to the high-GWP R-410A, as well as a main component in the formulation of new low-GWP mixtures.
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 ».