Résumé -Réduction de modèles cinétiques basée sur les événements constitutifs à l'aide d'un regroupement rigoureux : application au reformage catalytique -La modélisation des procédés de raffinage utilisant des catalyseurs bifonctionnels métal-acide fait intervenir un nombre exponentiellement croissant d'espèces et de réactions qui peut rapidement dépasser plusieurs milliers pour des charges industrielles complexes. Lors de la réalisation d'un modèle de procédé, l'utilisation de modèles cinétiques de regroupement a priori par familles chimiques ne satisfait plus les besoins actuels de simulation détail-lée, de prédictivité et d'extrapolabilité. À cause du grand nombre d'étapes élémentaires impliquées dans la catalyse bifonctionnelle, il est déraisonnable de vouloir construire à la main un réseau cinétique détaillé d'une telle ampleur. La génération informatique du réseau réactionnel à partir de règles simples propose une solution élégante dans un tel cas. Malgré cela, l'établissement des équations cinétiques et leur résolu-tion reste difficile, essentiellement à cause du manque de détail analytique demandé par un modèle détaillé. Néanmoins, pour plusieurs procédés de raffinage, des hypothèses raisonnables concernant les équilibres entre espèces permettent d'effectuer un regroupement a posteriori des espèces, réduisant de cette manière la taille du réseau réactionnel tout en maintenant un réseau cinétique entre familles chimiques qui est strictement équivalent au réseau détaillé. Nous présentons ici les outils de génération de réseau et la méthode de regroupement a posteriori associés à la méthode de modélisation cinétique par événements constitutifs. Cette approche de regroupement a posteriori est illustrée et appliquée à la modélisation cinétique des réactions de reformage catalytique. Abstract
scite is a Brooklyn-based startup that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2023 scite Inc. All rights reserved.
Made with 💙 for researchers