Modeling of fixed bed reactor for coal tar hydrogenation via the kinetic lumping approach

原材料 煤焦油 汽油 动能 tar(计算) 柴油 工艺工程 开裂 尺寸 工作(物理) 废物管理 材料科学 核工程 化学 热力学 工程类 有机化学 计算机科学 物理 量子力学 程序设计语言
作者
Fei Dai,Yalin Zhang,Xia Endong,Zhanquan Zhang,Zhihua Zhang,Chunshan Li
出处
期刊:Carbon Resources Conversion [Elsevier]
卷期号:1 (3): 279-283 被引量:3
标识
DOI:10.1016/j.crcon.2018.11.002
摘要

Hydrogenation technology is an indispensable chemical upgrading process for converting the heavy feedstock into favorable lighter products. In this work, a new kinetic model containing four hydrocarbon lumps (feedstock, diesel, gasoline, cracking gas) was developed to describe the coal tar hydrogenation process, the Levenberg–Marquardt’s optimization algorithm was used to determine the kinetic parameters by minimizing the sum of square errors between experimental and calculated data, the predictions from model validation showed a good agreement with experimental values. Subsequently, an adiabatic reactor model based on proposed lumped kinetic model was constructed to further investigate the performance of hydrogenation fixed-bed units, the mass balance and energy balance within the phases in the reactor were taken into accounts in the form of ordinary differential equation. An application of the reactor model was performed for simulating the actual bench-scale plant of coal tar hydrogenation, the simulated results on the products yields and temperatures distribution along with the reactor are shown to be good consistent with the experimental data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
艳阳照谷堆完成签到,获得积分20
6秒前
杨天天完成签到,获得积分10
11秒前
Becky完成签到,获得积分10
12秒前
丘比特应助胆大党采纳,获得10
12秒前
14秒前
深情安青应助TT2022采纳,获得10
15秒前
zongzong完成签到,获得积分10
17秒前
上官若男应助呆萌问丝采纳,获得10
17秒前
roclie发布了新的文献求助10
21秒前
完美世界应助果粒红豆豆采纳,获得10
21秒前
桐夏发布了新的文献求助10
22秒前
zrq完成签到,获得积分20
24秒前
喜屿完成签到 ,获得积分10
24秒前
25秒前
28秒前
十米完成签到 ,获得积分10
29秒前
灵儿完成签到,获得积分10
29秒前
zrq发布了新的文献求助10
31秒前
32秒前
研友_VZG7GZ应助科研通管家采纳,获得20
33秒前
lianliyou应助科研通管家采纳,获得10
34秒前
脑洞疼应助科研通管家采纳,获得10
34秒前
Akim应助科研通管家采纳,获得10
34秒前
科研通AI2S应助科研通管家采纳,获得10
34秒前
领导范儿应助科研通管家采纳,获得10
34秒前
yufanhui应助科研通管家采纳,获得10
34秒前
Hello应助科研通管家采纳,获得10
34秒前
我是老大应助科研通管家采纳,获得10
34秒前
yufanhui应助科研通管家采纳,获得10
34秒前
科研通AI2S应助科研通管家采纳,获得30
34秒前
无花果应助科研通管家采纳,获得10
34秒前
CipherSage应助科研通管家采纳,获得10
34秒前
34秒前
人间理想完成签到,获得积分10
35秒前
35秒前
oceanao应助Dddd采纳,获得10
36秒前
智慧树小噗彤完成签到,获得积分20
37秒前
37秒前
ocean完成签到,获得积分10
39秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157329
求助须知:如何正确求助?哪些是违规求助? 2808824
关于积分的说明 7878475
捐赠科研通 2467158
什么是DOI,文献DOI怎么找? 1313222
科研通“疑难数据库(出版商)”最低求助积分说明 630369
版权声明 601919