Valorization of brewery waste slurry with glycerol as co‐substrate for hydrogen and butyrate production using dark fermentation
Notice bibliographique
Résumé
Abstract BACKGROUND Among the methods to produce hydrogen biologically, dark fermentation stands out mainly due to its low operating requirements. Organic wastes, such as brewing industry waste slurries and glycerol, can provide a cost‐effective feedstock with the additional potential of generating value‐added byproducts, while addressing a wastewater treatment issue. RESULTS The hydrogen production potential in dark fermentation of a high‐strength brewery waste slurry was optimized with a selected seed sludge, initial COD concentration of 50–60 g L −1 , pH 6.4 and fermentation time of 30 h. The main end product was butyric acid, accounting for over 50% of the carboxylic acids. The efficiency of the process on the basis of volume of H 2 obtained per gram of COD converted into organic acids was 393 ± 5 and 430 ± 6 mL without and with glycerol, respectively, and the molar ratio of H 2 per mole of substrate was 71% of the theoretical molar yield when the fermentation is dominated by butyrate as the end product. CONCLUSIONS A proposed brewery sludge treatment system comprising dark fermentation followed by anaerobic digestion is promising and can be more advantageous than anaerobic digestion alone with an increase of 18.5% in energy potential. Alternatively, with recovery of valuable butyrate, a reduction in 4.5 kg of CO 2 emissions per cubic meter of sludge treated can be achieved, with a 27% net loss in energy potential. © 2023 The Authors. Journal of Chemical Technology and Biotechnology published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry (SCI).
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».