Technical challenges and corrosion research progress in bio-crude co-processing
Notice bibliographique
Résumé
Bio-oil (BO), produced from fast pyrolysis (FPBO) and hydrothermal liquefaction (HTL-BO) methods, is a promising renewable energy source derived from biomass. However, its undesirable properties such as high oxygen and moisture content resulting in high corrosivity and poor thermal stability, have hindered its widespread adoption as a drop-in fuel and necessitate its upgrading. Co-processing BO with petroleum intermediates in existing fluid catalytic cracking (FCC) units presents a promising approach for converting low-quality bio-crudes into valuable fuels. Nonetheless, three primary challenges - BO’s low thermal stability, high corrosivity, and immiscibility with petroleum fractions - complicate its co-processing. This review summarizes these critical challenges related to BO storage and co-processing, with a particular emphasis on corrosion issues. Recent progress in corrosion research related to BO handling, including both FPBO and HTL-BO, is thoroughly examined. This includes studies on corrosion in pure BO, BO with additives, mixtures of BO and petroleum fractions, and model BO. The effect of different process parameters—such as alloying elements, testing temperature, exposure time, BO sources, catalysts, and inorganic corrodents—on the corrosion susceptibility of candidate steels was investigated. Chromium-enriched alloys demonstrated superior corrosion resistance compared to low chromium alloys, particularly at elevated temperatures. Blending BO with petroleum fractions and additives was found to improve the resistance to corrosivity and thermal stability. Beyond weight loss immersion experiments, electrochemical techniques, such as electrochemical impedance spectroscopy (EIS) and potentiodynamic polarization (PDP), are effective in obtaining in-depth corrosion mechanisms in BO environments, though challenges remain. Finally, research challenges and knowledge gaps are discussed to direct future efforts, including understanding BO phase behavior, corrosion mechanisms in BO environments, improvements in experimental methods and standards, and potential research paths.
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 | 0,001 | 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 | 0,001 |
| 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 ».