MétaCan
Menu
Retour à la cohorte
Enregistrement W4413435275 · doi:10.3390/catal15080795

High-Pressure Catalytic Ethanol Reforming for Enhanced Hydrogen Production Using Efficient and Stable Nickel-Based Catalysts

2025· article· en· W4413435275 sur OpenAlexafffund
Feysal M. Ali, Pali Rosha, Karen Delfin, Dean Hoaglan, Robert Rapier, Mohammad Yusuf, Hussameldin Ibrahim

Notice bibliographique

RevueCatalysts · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversity of AlbertaUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésCatalysisNickelHydrogen productionSteam reformingCatalytic reformingEthanolChemistryMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The urgent need to address the climate crisis demands a swift transition from fossil fuels to renewable energy. Clean hydrogen, produced through ethanol steam reforming (ESR), offers a viable solution. Traditional ESR operates at atmospheric pressure, requiring costly separation and compression of hydrogen. High-pressure ESR, however, improves hydrogen purification, streamlines processes like pressure swing adsorption, and reduces operational costs while enhancing energy efficiency. High-pressure ESR also enables compact reactor designs, minimizing equipment size and land use by compressing reactants into smaller volumes. This study evaluates two nickel-based commercial catalysts, AR-401 and NGPR-2, under high-pressure ESR conditions. Key parameters, including reaction temperature, steam-to-ethanol ratio, and weight hourly space velocity, were optimized. At 30 bars, 700 °C, and a steam-to-ethanol ratio of 9, both catalysts demonstrated complete ethanol conversion, with hydrogen selectivity of 65–70% and yields of 4–4.5 moles of H2 per mole of ethanol. Raising the temperature to 850 °C improved hydrogen selectivity to 74% and yielded 5.2 moles of H2 per mole. High-pressure ESR using renewable ethanol provides a scalable, efficient pathway for hydrogen production, supporting sustainable energy solutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,258
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCatalysts for Methane ReformingTravaux en français237 207