Synthesis and Development of Deep Eutectic Solvents: Characterization Using Quantitative Structure-Property Relationship, and Application as New Solvents in Diesel Purification
Loading...
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Setif 1 University - Ferhat ABBAS , Faculty of Technology
Abstract
The main objective of this thesis is to develop novel models to predict the physio-chemical properties of DESs using the quantitative composition-property relationship (QSPR). The models were developed using the two methods, multiple linear regression (MLR) and artificial neural network (ANN). From the literature, a data set of more than 100 DES and more than 2500 experiment points measuring the physicochemical properties of these DESs, including density, viscosity, electrical conductivity, and pH were collected. The results showed that the proposed models are able to predict the properties of DESs with very high accuracy and can be used for their determination in the absence of experimental measurements, hence reducing the cost, and time for an optimal process design. In addition to this, DESs were investigated for their extraction capacity of thiophene, pyridine, pyrrole, and toluene from n-decane via liquid−liquid extraction (LLE). First, the selected DESs were characterized by measuring their density, dynamic viscosity, and water content. Then, the solubility of each fuel impurity in the DESs was measured. Moreover, the liquid−liquid equilibrium (LLE) data of the pseudo-ternary systems {n-decane (1) + thiophene/pyridine/pyrrole/toluene (2) + DESs (3)} were determined at 298.15 K and 1.01 bar. The solute distribution ratios, selectivities, and the extraction efficiencies of each impurity at a 1:1 solvent to-feed mass ratio were calculated from the experimental LLE data and compared to a benchmark solvent, other ionic liquids (Ils), and DESs reported in the literature. Based on the obtained results, it was concluded that DESs could be considered as effective solvents for the extraction of fuels impurities and can therefore be used in an industrial zone.
Description
L’objectif de cette thèse est de développer de nouveaux modèles pour prédire les propriétés physico-chimiques des SEPs en utilisant la relation quantitative entre la structure et la propriété. Les modèles ont été développés à l’aide de deux méthodes, la régression linéaire multiple (RLM) et le réseau neuronal artificiel (RNA). Un jeu de données composé de plus de 100 SEPs et de 2500 expériences de mesure impliquant les propriétés physicochimiques (densité, viscosité, conductivité électrique et pH) de ces solvants a été utilisé. Les résultats ont montré que les modèles proposés sont capables de prédire les propriétés des SEPs avec une très grande précision et peuvent être utilisés pour leur détermination en l'absence de mesures expérimentales, réduisant ainsi les couts et le temps pour une conception optimale. De plus, ces SEPs ont été utilisés pour leur capacité d'extraction du thiophène, de la pyridine, du pyrrole et du toluène à partir du n-décane via une extraction liquide-liquide (ELL). Premièrement, les SEPs sélectionnés ont été caractérisés en mesurant leur densité, leur viscosité dynamique et leur teneur en eau. Ensuite, la solubilité de chaque impureté de carburant dans les SEPs a été mesurée. Aussi, les données d'équilibre liquide-liquide des systèmes pseudo-ternaires {n-décane (1) + thiophène /pyridine /pyrrole /toluène (2) + SEPs (3)} ont été déterminées à 298,15 K et 1,01 bar. Les rapports de distribution des solutés, les sélectivités et les efficacités d'extraction de chaque impureté à un rapport de la masse du solvant 1:1 ont été calculés à partir des données expérimentales du ELL et comparés à un solvant de référence, autres liquides ioniques (LIs) et SEPs rapportés dans la littérature. Sur la base des résultats obtenus, il a été conclu que les SEPs pouvaient être considérés comme des solvants efficaces pour l'extraction des impuretés des carburants et peuvent donc être utilisés à l'échelle industrielle.