MétaCan
Menu
← Retour à la cohorte
Enregistrement W6903284487 · doi:10.11575/prism/36385

High-pressure Adsorption Equilibria Aimed at Optimizing Sour Gas Conditioning

2019· other· en· W6903284487 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdsorptionDehydrationZeoliteSour gasNatural gasFlue-gas desulfurizationPressure dropMolecular sieve

Résumé

récupéré en direct d'OpenAlex

In Canada, adsorbents are used to dehydrate high-pressure sour gases containing large concentrations of H2S and CO2, e.g., Grizzly Valley, BC. Glycol dehydration is preferred when dehydration occurs at a gas processing facility, but adsorbents are often utilized for well-site dehydration where the advantages are minimal pressure drop and water dewpoint control before transportation. This research looks to add fundamental adsorption measurements and multicomponent adsorption calculations, while elucidating known issues and increasing efficiency for adsorptive dehydration of sour gas at large pressures. Adsorptive dehydration of sour gas uses a fixed-bed dehydration process, with closed-cycle thermal regeneration. Zeolite and silica gel have a relatively high affinity for H2O and are common choices for these systems. However, strong H2O adsorption results in high-temperature thermal regeneration, which can potentially over-dry the sour natural gas, cause advanced degradation of the adsorbent bed and/or catalyze unwanted reactions. For example, the equilibrium reaction of CO2 and H2S to form COS and H2O is more favourable in hot-dry conditions, which occurs during the thermal regeneration stage of this process. Optimizing thermal regeneration temperatures and wet-gas regeneration of adsorbents can open avenues for minimizing energy requirements and COS production, which can lead to significant cost savings. Unfortunately, the self-consistent adsorption data did not exist for sour natural gas at production pressure prior to this work. To bring self-consistent experimental adsorption data into the open literature three custom-built adsorption apparatus were used for the measurement of pure adsorption capacities of CH4, CO2, COS, H2S, H2O on zeolite 3A, 4A, 13X and a selected silica gel. The measured pure-component adsorption data forms the basis of a multicomponent calculation, which has been subsequently tested experimentally using multicomponent adsorption experiments at well-site pressures. The multicomponent calculation method is used to simulate a fixed-bed dehydration process using closed-cycle thermal regeneration, where optimizing regeneration conditions could increase energy efficiency, adsorbent lifetime and decrease unwanted side reactions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,030
Tête enseignante GPT0,293
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→