Valorization of refinery flue gas through tri‐reforming and direct hydrogenation routes
Notice bibliographique
Résumé
Abstract The rising amount of greenhouse gases has been contributing to global warming and, subsequently, climate change. Industries such as refineries and power plants emit a significant amount of CO 2 into the atmosphere. It is imperative to curb anthropogenic CO 2 emissions, and hence, in this effort, we explore the utilization of a refinery emission stream to produce value‐added chemicals. The chosen emission stream for the said purpose is a typical flue gas stream from refineries. Following the capture step, this CO 2 stream has been leveraged for subsequent valorization processes. Two strategies have been proposed in this paper to valorize the captured carbon dioxide. The first strategy employs the tri‐reforming process with a refinery‐specific fuel gas stream as the co‐reactant. The resulting syngas from tri‐reforming has been converted to chemicals such as methanol (MET) and ethanol. Furthermore, to improve the amount of CO 2 valorized, another approach with green hydrogen has been considered. The second strategy aims at direct hydrogenation of the captured CO 2 stream to produce MET and ethanol. The proposed strategies analyze the feasibility of valorizing captured CO 2 from flue gas to MET and ethanol in terms of gross margin per feed and percentage of CO 2 valorization. The performance assessment and analysis of the proposed processes have been carried out using simulations in Aspen Plus® that exhibited up to 74% valorization of CO 2 into valuable chemicals.
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 | 0,001 |
| 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 ».