MétaCan
Menu
Retour à la cohorte
Enregistrement W3163785279 · doi:10.3390/en14102948

Decentral Energy Generation Potential of Anaerobic Digestion of Black Water and Kitchen Refuse for Eco-District Planning

2021· article· en· W3163785279 sur OpenAlexafffund
Soufia Mohammadi, Pilar Monsalvete, Ursula Eicker

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensConcordia University
Organismes subventionnairesCanada Excellence Research Chairs, Government of Canada
Mots-clésAnaerobic digestionBiogasBlackwaterBioenergyWaste managementEnvironmental scienceBiomass (ecology)MethaneDigestion (alchemy)Environmental engineeringFood wasteBiofuelEngineeringChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Biogas technology is an important alternative energy source worldwide. Blackwater and kitchen refuse represent ideal waste streams for bioenergy recovery through anaerobic co-digestion. Modeling of the biokinetics of anaerobic digestion on several aspects, such as microbial activity, substrate degradation, and methane production, from co-digestion of black water (BW) and kitchen refuse (KR) was the objective of this research. A mathematical model was developed towards a simulation based on mass balances on biomass, the organic substrate, and biogas. The model was implemented in INSEL and experimental data from the literature were used for model validation. The study shows that the simulation results fit well with the experimental data. The energy consumption and generation potential of anaerobic co-digestion of BW and KR were calculated to investigate if the produced biogas could supply the digester’s energy demand. This study can be used to pre-design anaerobic digestion systems in eco-districts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207