Non-Thermal Plasma-Catalytic Conversion of Biogas to Value-Added Liquid Chemicals via Ni-Fe/Al2O3 Catalyst
Notice bibliographique
Résumé
This study investigates the transformation of biogas (methane and carbon dioxide) into high-value liquid products using Ni/Al2O3, Fe/Al2O3, and Ni-Fe/Al2O3 catalysts in a non-thermal plasma (NTP)-assisted process within a dielectric barrier discharge (DBD) reactor, operating at room temperature and atmospheric pressure. We compared the effectiveness of these three catalysts, with the Ni-Fe/Al2O3 catalyst showing the highest enhancement in conversion rates, achieving 34.8% for CH4 and 19.7% for CO2. This catalyst also promoted the highest liquid yield observed at 38.6% and facilitated a significant reduction in coke formation to 10.4%, minimizing deactivation and loss of efficiency. These improvements underscore the catalyst’s pivotal role in enhancing the overall process efficiency, leading to the production of key gas products such as hydrogen (H2) and carbon monoxide (CO), alongside valuable liquid oxygenates including methanol, ethanol, formaldehyde, acetic acid, and propanoic acid. The findings from this study highlight the efficacy of combining NTP with the Ni-Fe/Al2O3 catalyst as a promising approach for boosting the production of valuable chemicals from biogas, offering a sustainable pathway for energy and chemical manufacturing.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».