Cu on Co Improves C5+ Selectivity in the Fischer-Tropsch Synthesis
Notice bibliographique
Résumé
RÉSUMÉ: La croissance de la population mondiale et des activités humaines contribue à l’augmentation globale de la consommation d’énergie telle que les combustibles fossiles, ce qui libère davantage de CO2 dans l’atmosphère. Ce défi pousse la communauté scientifique à développer des technologies et des méthodes pour convertir et stocker le CO2. La conversion du CO2 en hydrocarbures est une méthode qui permettrait de produire des carburants à faible empreinte carbone. La synthèse de carburant d’avion permettrait à elle seule de réduire de 2% les émissions mondiales de CO2. Le processus consiste à convertir le CO2 atmosphérique en CO par la Réaction du Gaz à l’Eau Inverse, puis à convertir le CO en carburant d’avion via la Synthèse Fischer-Tropsch, le tout en étant alimenté par l’électricité renouvelable du Québec. Les 4 objectifs du projet permettent de démontrer que le Cu peut remplacer les métaux nobles comme promoteurs pour augmenter la performance du catalyseur. Le premier objectif était de synthétiser des catalyseurs avec des Nanoparticules (NPs) de Co dopées de NPs de Cu afin d’évaluer l’effet du Cu sur la conversion du gaz de synthèse (H2 et CO) en carburant d’avion. Le deuxième objectif était d’identifier le % massique optimal de Cu dopé sur le catalyseur pour maximiser la conversion du CO et la production de paraffine C5+ tout en minimisant la formation de CH4. Le troisième objectif était d’établir une relation entre les propriétés physicochimiques des catalyseurs et leur conversion. Le quatrième objectif était de concevoir, à partir des résultats obtenus, un modèle informatique permettant d’identifier le % massique optimal de Cu à imprégner afin de maximiser la production de paraffine C5+. Sept catalyseurs, dont le % massique des NPs de Co et de Cu imprégnés variait entre 0 et 0,15 g g−1, ont été synthétisés en utilisant la méthode d’imprégnation par ultrasons. La sélectivité de chaque catalyseur à produire des paraffines C5+ a été testée dans un réacteur Fischer-Tropsch à une température de 230°C et à une pression de 20 bar pendant 90 h. La Microscopie Électronique en Transmission (TEM), la Microscopie Électronique en Transmission à Balayage (STEM), la Diffractométrie de Rayons X (XRD) et la Réduction en Température Programmée (TPR) ont été utilisées pour caractériser les catalyseurs. Co15-Cu0.15 est le catalyseur le plus performant avec une conversion du CO de 66%, une sélectivité pour la paraffine C5+ de 29% et une sélectivité de 16% pour le CH4. Les images TEM, avant la réaction, montre une dispersion uniforme des NPs de CoCu sur le support Al2O3. ABSTRACT: The increase in global energy consumption, including the burning of fossil fuels, which increases the amount of CO2 in the atmosphere, results from the development of the world’s population and human activity. This challenge drives the scientific community to develop technologies and methods to convert and store CO2. Converting CO2 into hydrocarbons is a method that would allow the production of low-carbon footprint fuels. Jet fuel synthesis alone would reduce global CO2 emissions by 2%. It is a solution that uses renewable electricity generated in Quebec to transform atmospheric CO2 into CO using the Reverse Water-Gas Shift reaction and then turns the CO into jet fuel via the Fischer-Tropsch Synthesis. The 4 objectives of the project allow to demonstrate that Cu can replace noble metals as promoters to increase the performance of the catalyst. The first objective was to synthesize catalysts with Co Nanoparticles (NPs) doped with Cu NPs to evaluate the effect of Cu on the conversion of syngas (H2 and CO) into jet fuel. The second objective was identifying the optimal wt % of Cu doped on the catalyst to maximize CO conversion and C5+ paraffin production while minimizing CH4 formation. The third objective was to establish a relationship between the physicochemical properties of the catalysts and their conversion. The fourth objective was to model, using the obtained results, a computer model allowing to identify the optimal wt % of Cu to impregnate to maximize the production of C5+ paraffin.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».