Utilising biomass for renewable energy production: optimal profitability evaluation from different processing routes
Notice bibliographique
Résumé
Utilisation of biomass such as wheat straws for the renewable energy production is an attractive option for agricultural diversifications and sustainability targets. One of the possible energy products from wheat straws is bioethanol. Since bioethanol could be produced from different ways, the issue arises on how to select the most economical one. In this paper, four processing routes to convert the wheat straws into bioethanol were screened; i) pelletisation and gasification, ii) torrefied pelletisation and gasification, iii) dilute acidic hydrolysis and fermentation, and iv) concentrated acidic hydrolysis and fermentation. The objective was to develop optimisation models to evaluate these routes as find the one that would produce the highest annual profitability by considering the whole supply chain. A mathematical model for optimisation, classified as linear programming, was then formulated to consider the biomass blending requirements and profitability equation. Optimisation results showed that the conversion of wheat straws into bioethanol could be potentially exploited via the torrefied pelletisation and gasification route as they gave the highest profitability of $489,330 per year, in the view of the whole supply chain. This was followed by concentrate acidic hydrolysis and fermentation route of $ 472,500 per year, dilute acidic hydrolysis and fermentation route of $402,750 per year, and pelletisation with gasification route of $388,530 per year. The developed optimisation models have been successfully screened and selected the best processing route to produce bioethanol from the evaluated profitability. Since this was at the conceptual stage, further refinement of the model parameters will be needed to provide a more practical basis for comparison.
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 | 0,001 | 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 ».