木质素及其衍生物的吸附增强蒸汽重整制氢性性能能研研究究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:zxj3510
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
木质素作为一种来源广泛的生物质资源,不仅可以直接应用于生物医药领域,也可用于生产下游芳香族化学品。但木质素本身结构复杂,理化性质随着来源不同存在较大的差异,其工业化应用仍存在很大的挑战。随着能源危机和环境问题的日益加剧,开发高效的工艺利用木质素资源不仅可以减少对化石能源的依赖,同时可以减少温室气体的排放。采用吸附增强蒸汽重整工艺,利用木质素资源来获取清洁的能源—氢气,在原位捕获CO2的同时也可以得到高纯度的氢气。
  本文采用Ni-Ca-Al-O双功能催化剂,对木质素及其衍生物进行了吸附增强蒸汽重整制氢的性能研究。在模型化合物苯酚吸附增强蒸汽重整制氢的过程中,5Ni-CA2.8催化剂在反应温度550℃下,表现出良好的催化性能和吸附稳定性。其中氢气的浓度可以达到98%,苯酚几乎完全转化;在10圈的重整-煅烧循环实验之后,催化剂的吸附容量保持为初始容量的71%。在微型反应器和放大装置上,5Ni-CA2.8催化剂在长达50圈的循环稳定性试验中,氢气的浓度都可以维持在98%以上。
  进一步对木质素黑液进行了吸附增强蒸汽重整制氢的实验研究。10Ni-CA2.8催化剂表现出较好的催化性能,但掺杂贵金属后对催化性能没有进一步提升。在反应温度为550℃7,水碳比9.89,空速为4490h-1的条件下,氢气的浓度可以达到97%,氢气的产量为1.01molH2/molC。由于木质素黑液组成相对复杂,在8圈的循环稳定性试验中,催化剂由于积碳以及CaSO4的形成存在一定的失活,导致氢气浓度有一定下降。
其他文献
菊科紫菀属植物紫菀(Aster tataricus L.)干燥的根和根茎为常用中药材,别名青菀、还魂草等,具有润肺化痰、止咳痰之功效,主治痰多喘咳、新久咳嗽、劳嗽咳血等症。紫菀属化学成分丰富主要为萜类及其苷,其中三萜皂苷是本属主要特征性成分,环肽是该属特色化学成分,至今菊科环肽仅在该种发现。我们对紫菀进行了系统的化学成分研究,从中分离鉴定了19个环肽化合物,其中2个新骨架环肽tataricin A
基于脑-机接口(Brain computer interface, BCI)的稳态视觉诱发电位(Steady state visual evoked potential, SSVEP)在康复医疗、智能车、娱乐、军事和智能家居等领域有着很广泛的应用。上述系统的人机交互效率与被试的分类准确率密切相关,然而被试的个体脑结构差异、疲劳状态等因素均会导致被试的分类准确率降低,从而影响BCI系统的性能。为了提
长江三峡钢丝绳全平衡垂直升船机是保证航道畅通的一个重要的组成部分,该文建立了三峡升船机电力拖动部分的动态数学模型,并根据离散相似原理将数学模型转化为仿真模型:对系统参数进行了整定;用VisualC++编制了仿真程序,对系统的正常工况,事故工况,各种扰动等多种工况进行了仿真,并对结果进行了分析和总结,为三峡升船机电力拖动部分的设计和方案调整提出了自己的观点和看法.该文提出了一种对存在多电机耦合的矢量
学位
马铃薯产量高、种植广泛,是世界第四大粮食作物,在我国农业生产中占有重要地位。作为马铃薯的常见病害,早疫病和晚疫病严重制约了粮食产量的提高,严重影响粮食安全。因此研究马铃薯早疫病和晚疫病的快速准确检测对于实际农业生产有重要的意义。  传统判断农作物病害的方法主要有两种:一种方法是采用知识图谱的方式来判断病害,通过对比病害图谱来判断病害,该类方法的局限性在于准确率低且准确率和经验有关;另一种方法是基于
学位
异构网络中包含丰富的生物信息,包括药物和疾病的特征和药物和疾病之间的连接性等,这些信息可以用于预测药物和疾病之间的关系,因此整合异构网络信息是当前计算药物重定位研究的热点。网络表示学习是将网络中每个节点表示成低维特征,从而提高药物再定位的预测能力。综合这些信息,本文的主要工作如下:  本文提出了一种基于网络表示学习的药物重定位预测方法。从疾病和药物的异构网络中,通过基于跳图的网络表示模型以无监督的
随着深度学习技术的快速发展,关于模式识别的许多应用已经获得了相当大的改进。从对象检测和图像生成到重组文章和生成诗歌,应用场景变化很大。文本识别问题也是由深度学习算法完成学习辨别表示的一个很好的例子。  字符级别的文本识别可分为打印和手写字符识别。自动识别医疗表格和处理其他类型的文件,例如行政,邮政分拣自动化和银行支票识别,都是手写字符识别应用的例子,可以进一步分为离线或在线。  在这方面,已经研究
学位
近年来,串联质谱技术以其高灵敏度和高精度等优势成为了研究蛋白质组的关键技术之一。串联质谱数据承载着蛋白质及肽段的信息,对其处理分析不仅是计算蛋白质组研究中尤为关键的一步,也是后续生物蛋白质结构功能等分析的基本保障。然而,质谱数据分析在计算时间与计算规模上遭受了新的挑战,其主要有以下三个原因:一是随着质谱技术的高速发展,质谱数据集的规模呈爆炸式的指数增长,匹配海量的质谱数据成为了蛋白质组学的一个难题
依托基因组学、蛋白质组学、代谢组学、调控网络等分析并收录的多类别多层次系统生物学基础数据,发展模型全方位系统性的模拟分析生物个体内部的所有组成成分包括蛋白质、基因、mRNA等发展变化的动力学过程,进而为每个患者提供个性化的精准医疗方案是未来的生物信息学发展趋势。其中,基于蛋白质相互作用网络的聚类算法研究与应用是当前计算生物学领域的基础研究问题。  本课题研究主线是基于蛋白质相互网络设计聚类算法进行
学位
基于环境保护和日益严格的燃料硫含量规定,燃油的深度脱硫研究越来越重要。含硫油品燃烧产生的硫氧化物是大气污染的主要来源之一,同时也是酸雨和雾霾的主要成因。因此,清洁燃油生产是目前世界各国炼油业所面临的严峻挑战。为实现低能耗低成本深度脱硫的超清洁燃油,在发展先进加氢脱硫技术的同时,非加氢脱硫技术如氧化脱硫、吸附脱硫、萃取脱硫等研究不断发展,以期成为加氢脱硫技术的补充甚至替代。  在前期工作中,我们课题
水资源防护与治理关系生态发展和人类健康。泄露的油品及含油废水是造成水污染的主要原因之一,因故如何高效的治理被油污染的废水成为科研工作者的关注热点之一。近年来,随着仿生界面材料的发展进步,具有超润湿特性的多孔材料已可用于油水分离领域。不同液体本身的表面张力存在差异,因而特殊润湿性材料对不同液体表现出不同的润湿性能。油和水的表面张力差异较大,因此可以选用对油和水具有相反润湿性的特殊润湿性材料用于分离油
学位