Model-based optimisation and economic analysis to quantify the viability and profitability of an integrated nutrient and energy recovery treatment train
Notice bibliographique
Résumé
In order to hasten the implementation of optimal, cost-effective and sustainable treatment trains for resource recovery from biowaste, a new nutrient recovery model (NRM) library has been developed and validated at steady state. It includes physico-biochemical mathematical models for anaerobic digestion, struvite precipitation and ammonia stripping and absorption as ammonium sulfate. The present paper describes the use of the NRM library to establish the operational settings of a sustainable and cost-effective treatment scenario with maximal resource (nutrients and biogas) recovery and minimal energy and chemical requirements. Under the optimised conditions and assumptions made, potential financial benefits for a large-scale anaerobic digestion and nutrient recovery project treating 2700 m 3 /d of pig manure were estimated at US$2·8–6·5/m 3 based on net variable cost calculations, or an average of ∼$2/(m 3 year), equivalent to $40/(t total solids year), over 20 years in the best case when also taking into account capital costs. Hence, it is likely that in practice a full-scale zero-cost biorefinery for nutrient and energy recovery from manure can be constructed. As such, this paper demonstrates the potential of the NRM library to facilitate the implementation of sustainable nutrient and energy (biogas) recovery treatment trains for biowaste valorisation.
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 | 0,001 |
| 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 ».