MétaCan
Menu
Retour à la cohorte
Enregistrement W4391351685 · doi:10.2175/193864718825159034

Innovation Portfolio Management for Retrofitting Advanced Biotechnologies for Anaerobic Digestion Process at Lulu Island Wastewater Treatment Plant

2023· article· en· W4391351685 sur OpenAlexaboutno aff
Farokh Laqa Kakar, Christopher Muller, Tyler Barber, Parisa Chegounian, Lillian Zaremba, Theresa Gregonia, Paul Kadota, Stephen W. Sorensen, Ahmed Al‐Omari

Notice bibliographique

RevueProceedings of the Water Environment Federation · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRetrofittingAnaerobic digestionSewage treatmentProcess (computing)PortfolioWaste managementEnvironmental scienceWastewaterPulp and paper industryProcess engineeringBiochemical engineeringEngineeringComputer scienceBusinessBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Innovation Portfolio Management for Retrofitting Advanced Biotechnologies for Anaerobic Digestion Process at Lulu Island Wastewater Treatment PlantAbstractMetro Vancouver recently commissioned the Pilot Digestion Optimization Facility (PDOF) at its Lulu Island Wastewater Treatment Plant (LI WWTP) to facilitate the evaluation of different digestion optimization technologies without risk to full-scale plant operation. This study summarizes the integrated approach adopted at the pilot-scale preliminary design stage for two of these technologies. The first technology aims to increase biogas production rates by testing the Direct Interspecies Electron Transfer (DIET) process using electroconductive materials. The second technology utilizes a biological hydrogen methanation (BHM) process to convert the carbon dioxide portion of biogas into renewable natural gas (RNG) using hydrogen. Cost-effective pilot-scale conceptual designs are developed for testing the in-situ and ex-situ configurations of these technologies in order to reach a go/no-go decision quickly, while still producing replicable results for further scale-up. To guide the decision-making process for selecting these technologies for pilot testing, GHG emission reduction calculations and an energy balance model are used to evaluate the environmental impacts of implementing these technologies at full-scale. A Sumo model is used to evaluate the effects of implementing these technologies on process intensification.Metro Vancouver, in collaboration with its partners, is developing innovative technologies that reduce greenhouse gas emissions and intensify existing digestion processes. Metro Vancouver will first assess the effectiveness and scalability of these technologies at the Lulu Island Pilot Digestion Optimization Facility. Metro Vancouver intends to incorporate these technologies into one of its treatment facilities if the technologies prove successful at pilot-scale.SpeakerChegounian, ParisaPresentation time15:30:0015:50:00Session time15:30:0017:00:00SessionImproving Biosolids Treatment EfficiencySession locationRoom S403b - Level 4TopicEnergy Production, Conservation, and Management, Intermediate Level, Research and InnovationTopicEnergy Production, Conservation, and Management, Intermediate Level, Research and InnovationAuthor(s)Kakar, Farokh LaqaAuthor(s)F. Kakar 1; C. Muller 2 ; T. Barber 3; F. Kakar 1; P. Chegounian 4; L. Zaremba 4; T. Gregonia 4; P. Kadota 4; S. Sorensen 4; A. Al-Omari 5;Author affiliation(s)Brown and Caldwell 1; Brown and Caldwell 2 ; Brown and Caldwell 3; Brown and Caldwell 1; Liquid Waste Services Department, Metro Vancouver, Burnaby, BC, Canada 4; Liquid Waste Services Department, Metro Vancouver, Burnaby, BC, Canada 4; Liquid Waste Services Department, Metro Vancouver, Burnaby, BC, Canada 4; Liquid Waste Services Department, Metro Vancouver, Burnaby, BC, Canada 4; Liquid Waste Services Department 4; Brown and Caldwell 5;SourceProceedings of the Water Environment FederationDocument typeConference PaperPublisherWater Environment FederationPrint publication date Oct 2023DOI10.2175/193864718825159034Volume / Issue Content sourceWEFTECCopyright2023Word count18

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 enseignants0,011
Score d'incertitude au seuil0,576

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 technologies0,0010,000
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 Opus0,015
Tête enseignante GPT0,216
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Water Environment FederationMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207