Stability of biochar-supported Ni catalysts during carbon dioxide methanation: A characteristic analysis of deactivation mechanisms and catalyst longevity
Notice bibliographique
Résumé
Biochar is being developed as a green catalyst support which can be formed from waste materials, contributing to a circular economy. While biochar is a promising substitute for conventional catalysts, its deactivation, which is not well understood, has limited widespread implementation. Carbon dioxide (CO 2 ) methanation is beneficial as it converts captured CO 2 and hydrogen produced from renewable energy into methane which can be used as a drop-in fuel. This provides a pathway for renewable energy storage in the form of stable fuels. In this work, biochar produced from forestry residues was activated with CO 2 , loaded with nickel, and employed as a catalyst for CO 2 methanation. Metal loadings of 10 wt% and 7 wt% Ni were investigated with catalysts achieving up to 77 % CO 2 conversion and 91 % methane selectivity at 500 °C. Despite good initial performance, catalysts showed significant deactivation over 10 h on stream, with methane selectivity decreasing from 91 % to 35 %. Scanning electron microscopic imaging showed agglomeration of nickel on the biochar surface. This finding was supported by poor dispersion as indicated by XRD analysis. Temperature programmed reduction showed lower reduction temperatures in spent catalysts suggesting weaker metal-support interactions, supporting the likelihood of sintering. • Biochar is a novel, sustainable catalyst support for CO 2 methanation. • Ni particle agglomeration was observed indicating deactivation via sintering. • Biochar with less Ni had higher CH 4 selectivity indicating better dispersion. • Metal-support interactions weaken during methanation, causing agglomeration of Ni.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».