MétaCan
Menu
← Retour à la cohorte
Enregistrement W7056936640

Green diesel production via hydrodeoxygenation of triglycerides

2018· other· fr· W7056936640 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDiesel fuelHydrodeoxygenationHeterogeneous catalysisSugar industryVegetable oil refining
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En raison des problèmes environnementaux associés à l'utilisation des combustibles fossiles, qui augmentent les émissions de gaz à effet de serre et causent les changements climatiques, et pour satisfaire le besoin mondial de carburants durables et surmonter une éventuelle crise énergétique, une part important de l'attention de la communauté scientifique est aujourd’hui consacrée à la découverte de sources d’énergie renouvelables. L'une des meilleures alternatives est le diesel vert qui pourrait être produit à partir d'huiles végétales (aucune quantité nette de dioxyde de carbone n'est rejetée dans l'atmosphère). Ces types d'huiles sont convertis en diesel vert par réaction d'hydrotraitement à haute température et pression en présence d'un catalyseur hétérogène qui joue un rôle essentiel dans ce processus. Ces catalyseurs hétérogènes, qui peuvent être bi- ou monométalliques, sont constitués d'un support et d'un composé métallique actif. Les caractéristiques du support telles que la surface spécifique, le volume des pores et le diamètre des pores ont un effet déterminant sur les propriétés finales du catalyseur formé. Ils peuvent déterminer la quantité de la charge de phase active optimale et peuvent être adaptés à la taille moléculaire du réactif. Dans cette thèse, un support d'alumine-γ mésoporeuse a d’abord été synthétisé en utilisant un polymère tensioactif par voie sol-gel et accompagné d'un auto-assemblage induit par évaporation (EISA). L'isopropoxyde d'aluminium (Al(O-i-Pr)₃) et le copolymère tribloc (Pluronic P123) ont été respectivement utilisés comme source d'aluminium et agent directeur de structure. La température de calcination optimale et le rapport massique P123/Al(O-i-Pr)₃ respectivement de 700ºC (avec 3 h de temps de trempage) et 0.98 permettent la production de γ-alumine avec des propriétés texturales appropriées. À l'étape suivante, 15% en poids de MoO₃ et 3% en poids de NiO ou CoO ont été imprégnés sur le support préparé pour former NiMo/γ-alumine et CoMo/γ-alumine respectivement après calcination. Suite à une sulfuration ex-situ, l'hydrotraitement de l'huile de canola a été effectué dans un réacteur continu pour la production de diesel vert. Une plage de température de 325 à 400°C et une de LHSV de 1 à 3 h⁻¹ ont été étudiées tandis que les autres paramètres opérationnels ont été maintenus constants à P: 450 psi et H2/huile: 600 mLmL⁻¹. Les deux catalyseurs ont permis la production de diesel vert (principalement C15-C18) tandis que NiMo a montré une activité légèrement supérieure à un LHSV plus élevé. La température optimale et le LHSV se sont révélés être 325ºC et 1 h⁻¹. Finalement, des catalyseurs Ni/γ-alumine (réduite) respectueux de l'environnement avec structure mésoporeuse ont été synthétisés par des procédés sol-gel (une étape) et d'imprégnation (deux étapes). Une teneur en oxyde de nickel plus faible a été observée dans un catalyseur dérivé du sol-gel par rapport aux produits imprégnés, ce qui est dû à l'incorporation de nickel dans le réseau de l'alumine. Après la réduction, du nickel métallique a été formé dans les deux catalyseurs. L'hydrotraitement de l'huile de canola a été effectué sur les deux catalyseurs (température: 400°C, P: 500 psi, LHSV: 0.5 h⁻¹, H2/huile: 600 mLmL⁻¹) et des hydrocarbures normaux, principalement C15-C18. Il a été observé que la conversion des triglycérides était initialement plus élevée pour le catalyseur imprégné et, après un temps en ligne de 300 min, elle tombe à des valeurs inférieures à celles du catalyseur sol-gel, ce qui montre la plus grande stabilité au fil du temps de ce dernier.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMagnetic confinement fusion research→Travaux en français237 207→