Enhancing energy recovery from waste through torrefaction: A study on municipal solid waste ( <scp>MSW</scp> ) fractions under <scp> N <sub>2</sub> </scp> and <scp> CO <sub>2</sub> </scp> atmospheres
Notice bibliographique
Résumé
Abstract This study investigates the impact of torrefaction on municipal solid waste (MSW) fractions, focusing on energy recovery, calorific value enhancement, mass yield reduction, and energy densification under both nitrogen (N 2 ) and carbon dioxide (CO 2 ) atmospheres. As waste production increases globally, driven by population growth and industrialization, there is growing interest in waste‐to‐energy conversions to address both energy demand and waste management concerns. Torrefaction, a thermochemical pretreatment, enhances the properties of solid waste to make them more suitable for energy recovery processes like pyrolysis and gasification. This study demonstrated that torrefaction effectively addresses the low energy content of MSW, achieving an energy densification ratio up to 1.73. The process showed high energy efficiency, with energy recovery ranging from 69.3% to 99.15%, while different waste fractions exhibited varied behaviours during torrefaction. Lemon peels exhibited the highest energy densification while paper cups achieved the highest energy recovery but minimal energy densification. Wood waste fractions, such as white spruce sawdust and forest residues, demonstrated balanced performance with high energy recovery and moderate energy densification, making them ideal candidates for prioritizing high energy recovery applications. The results show that the use of CO 2 , representing flue gas, enhances volatile release and improves energy densification in some fractions, particularly forest residues, compared to N 2 , while also promoting better carbon retention at higher temperatures. Overall, this study highlights the importance of waste stream selection, torrefaction atmosphere, and temperature optimization to improve the efficiency of MSW torrefaction, offering insights for the use of flue gas torrefaction in waste‐to‐energy processes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».