Green diesel production via hydrodeoxygenation of triglycerides
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".