A modelling approach to investigate the performance of slurry bubble column reactors implementing<scp>Fischer</scp>–<scp>Tropsch</scp>synthesis
Notice bibliographique
Résumé
Abstract A reliable estimation of the reactor performance is a crucial aspect of slurry bubble column reactor design. Hydrodynamics, mass transfer, and reaction rate are the main parameters influencing the overall performance. A new hydrodynamic model was adopted in this study to properly predict the effect of solids loading, particle size, pressure, and temperature on the gas holdup, bubble size distribution, and mass transfer coefficient. The reactor was divided into small cells with individual hydrodynamic parameters. The results were compared with the experimental data and showed that the model can acceptably predict the hydrodynamic and mass transfer parameters in various process situations. A parametric study was accomplished to understand the effect of catalyst loading, superficial gas velocity, H 2 /CO ratio, L / D ratio, pressure, temperature, and catalyst attrition on the conversion rate, catalyst productivity, and space–time yield. A cobalt/silica catalyst was adopted in this study. Based on the obtained results, the syngas conversion increases by catalyst loading, L / D , and temperature, while it decreases by U g and pressure. The H 2 /CO ratio results in a maximum conversion somewhere between 2 and 2.5. Three different scenarios were determined to study the effect of catalyst attrition on the reactor performance. The results show that the attrition decreases the syngas conversion due to the decrease in the catalyst size and the catalyst loss. Also, the performance remains constant if a sufficient amount of fresh catalyst is added to the system continuously.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».