Hydrogen Production from Natural Gas Using Hot Blast Furnace Slag: Techno-economic Analysis and CFD Modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A process for thermal decomposition of methane to hydrogen and solid carbon is presented and examined. It utilizes the high-temperature heat from the slag by-product of blast furnace ironmaking to drive a thermal decomposition reaction, making it a waste-heat-to-hydrogen technology. This is accomplished via dry granulation of molten slag that feeds a fluidized bed reactor to effect methane–slag contact. First, the proposed process and the heat and mass balances are presented. It is found that it could produce an amount of hydrogen that is equivalent to about 20% of the reductant, depending on the iron-to-slag ratio. Then, a techno-economic analysis investigates the capital and operating costs of the process, compares the hydrogen production cost to that of other processes, and examines cost sensitivity to the prices of process inputs and outputs. This analysis suggests that the process would be suitable for on-site hydrogen production and use within a plant. In addition, using the hot slag to drive the methane decomposition would reduce hydrogen production cost by 15% compared to combusting a portion of the natural gas itself. Finally, a computational fluid dynamics (CFD) modeling study of the fluidized bed reactor examines the thermal decomposition of methane and its dependence on reaction kinetics as well as reactor design and operation. The bed operated in the bubbling regime at an average temperature between 1020 and 1060 °C and resulted in as high as 82% conversion of the methane to hydrogen, with additional optimization still possible. Graphical Abstract
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.
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 | 0,001 |
| 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 découle