Modeling solvent selection for biorefinery application - PASTEL - Thèses en ligne de ParisTech Access content directly
Theses Year : 2023

Modeling solvent selection for biorefinery application

Modélisation pour la sélection de solvants pour des applications bioraffinerie

Gabrielly Miyazaki
  • Function : Author
  • PersonId : 1381986
  • IdRef : 277550963

Abstract

In the context of biorefineries, selecting an appropriate solvent is crucial for sustainable and economically viable separation processes. A comprehensive approach integrating criteria like Life Cycle Assessment , toxicity analysis, energy-efficient solvent regeneration, minimal solvent losses, and high selectivity is required. However, the choice becomes challenging when considering Deep Eutectic Solvents (DES) due to a lack of comprehensive experimental data, particularly regarding critical thermodynamic and physical properties like phase equilibrium, density, viscosity, heat capacity, thermal conductivity, solubility, and more. To bridge this gap, this research proposes generating essential experimental data (such as density, viscosity, and phase equilibrium properties) to optimize theoretical models. Moreover, this work proposes a solvent screening approach based on modeling thermodynamic properties using the (COnductor-like Screening MOdel segment activity coefficient (COSMO-SAC) model. The study aims to enhance the COSMO-SAC model by investigating computational variables, establishing a PSL sigma-profile database, and refining predictions through enthalpic, entropic, and intermolecular contributions. Despite encountering challenges in accurately predicting activity coefficients at infinite dilution (IDAC) for DES systems, an optimization approach significantly reduces deviations, offering a promising route for precise solvent selection in biorefinery processes.
Dans le contexte des bioraffineries, le choix d'un solvant approprié est crucial pour des processus de séparation durables et économiquement viables. Une approche globale intégrant des critères tels que l'Analyse du Cycle de Vie, l'analyse de la toxicité, la régénération énergétiquement efficace du solvant, des pertes minimales de solvant et une haute sélectivité est nécessaire. Cependant, le choix devient complexe lorsqu'il s'agit des solvants eutectiques profonds (Deep Eutectic Solvents - DES) en raison du manque de données expérimentales complètes, en particulier concernant les propriétés thermodynamiques et physiques critiques telles que l'équilibre de phase, la densité, la viscosité, la capacité thermique, la conductivité thermique, la solubilité, et autres. Pour combler cette lacune, cette recherche propose de générer des données expérimentales essentielles (telles que la densité, la viscosité et les propriétés d'équilibre de phase) pour optimiser les modèles théoriques. De plus, ce travail propose une approche de sélection de solvant basée sur la modélisation des propriétés thermodynamiques en utilisant le modèle COSMO-SAC (COnductor-like Screening MOdel segment activity coefficient). L'étude vise à améliorer le modèle COSMO-SAC en examinant les variables computationnelles, en établissant une base de données de profils sigma PSL et en affinant les prédictions grâce aux contributions enthalpiques, entropiques et intermoléculaires. Malgré les défis rencontrés dans la prédiction précise des coefficients d'activité en dilution infinie (IDAC) pour les systèmes DES, une approche d'optimisation réduit considérablement les écarts, offrant ainsi une voie prometteuse pour la sélection précise du solvant dans les processus de bioraffinerie.
Fichier principal
Vignette du fichier
2023UPSLM067_archivage.pdf (6.55 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-04573560 , version 1 (13-05-2024)

Identifiers

  • HAL Id : tel-04573560 , version 1

Cite

Gabrielly Miyazaki. Modeling solvent selection for biorefinery application. Thermics [physics.class-ph]. Université Paris sciences et lettres, 2023. English. ⟨NNT : 2023UPSLM067⟩. ⟨tel-04573560⟩
0 View
0 Download

Share

Gmail Facebook X LinkedIn More