Key factors for biohydrogen production by dark fermentation
Notice bibliographique
Résumé
Abstract Among biological ways of hydrogen production, the dark fermentation process gives important prospects. One of the key factors of bioreactor operation is the biogas extraction. Thus, this work gives a parametric optimization of the bioreactor as a function of the sweep gas nature and flow rate. The bacterial inoculum was activated sludge of wastewater treatment plant, which was thermally treated to inhibit the activity of hydrogenotrophic and non‐hydrogen producing micro‐organisms. The fermentation was performed in a semi‐batch bioreactor with a model substrate. Biogas was analyzed online by GC‐TCD and metabolites (volatile fatty acids and alcohols) were analyzed by GC‐FID. Kinetics parameters of hydrogen production were obtained by modelling. Increase the sweep gas (N 2 ) flow rate in the bioreactor results in an increase of hydrogen yield and cumulative production of 35 %. In the purpose of recycling the CO 2 produced by fermentation, the addition of CO 2 to N 2 as sweep gas gives a yield improvement from 2.10 mol H2 /mol hexose with N 2 alone, to 2.37 mol H2 /mol hexose with a mixture of CO 2 :N 2 (75:25). In order to reduce the amount of suspended matter in initial biomass, filtration tests show an equivalent hydrogen yield but with a higher lag time than with unfiltered biomass (30 h towards 4.4 h). The presence of hydrogen producing bacteria mainly stick with the solid part of sludge was highlighted.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».