Project

Moleculair ontwerp van zeolietkatalysatoren: nieuwe methoden voor de selectieve omzetting van lange koolwaterstofketens in lichte olefines.

Code
1252525N
Looptijd
01-10-2024 → 30-09-2027
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Natural sciences
    • Reaction kinetics and dynamics
  • Engineering and technology
    • Chemical kinetics and thermodynamics
Trefwoorden
Kunststof recyclage en conversie van ruwe olie Moleculaire dynamica en actief machinaal leren Micro- en mesoporeuze zeolietkatalysatoren
 
Projectomschrijving

Chemische raffinaderijen staan voor de belangrijke uitdaging om zichzelf heruit te vinden in de transitie naar een circulaire, CO2-neutrale economie. De vraag naar fossiele brandstoffen zal significant afnemen in het komende decennium terwijl de vraag naar chemische bouwstenen (lichte olefines, aromaten,…) enkel verder zal toenemen. In dit project worden twee opkomende technologieën onderzocht: (i) de directe conversie van aardolie naar chemicaliën en (ii) de recyclage van kunststofafval. Beide technologieën opereren via het katalytisch kraken in (hiërarchische) zeolietkatalysatoren. Hun precieze werking is echter niet volledig begrepen en economische vatbaarheid blijft problematisch. Het ontwerp van nieuwe zeolieten om deze complexe grondstoffen met hoge selectiviteit om te zetten in de gewenste productdistributie is daarom essentieel. De doelstelling van dit project bestaat uit het uitvoeren van moleculaire simulaties bij procescondities, gecombineerd met machinaal leren, met het oog op het verkrijgen van mechanistisch inzicht in het krakingsproces van lange koolwaterstoffen (>C8). Strategieën zoals het modificeren van de zuursterkte en de porositeit van zeolietkatalysatoren om de selectiviteit van lichte olefines te verhogen zullen worden onderzocht. De complexe koolwaterstoffen in de voeding vereisen het ontwerp van nieuwe (mesoporeuze) zeolietmodellen en de ontwikkeling van innovatieve diffusie-kinetiek modellen om de productdistributie accuraat te voorspellen.