Energy Recovery from Biowaste and Biomass via Gasification: A Modelling Approach
Notice bibliographique
Résumé
The transition toward a circular bioeconomy requires efficient conversion of biogenic wastes and biomass into renewable fuels. This study explores the gasification potential of wastewater sludge (WWS) and food waste (FW), representing high moisture-content biowastes, compared with softwood (SW), a lignocellulosic biomass reference. An Aspen Plus equilibrium model incorporating the drying stage was developed to evaluate the performance of air and steam gasification. The effects of temperature (400–1200 °C), equivalence ratio (ER = 0.1–1), and steam-to-biomass ratio (S/B = 0.1–1) on gas composition and energy efficiency (EE) were examined. Increasing temperature enhanced H2 and CO generation but reduced CH4, resulting in a maximum EE at intermediate temperatures, after which it declined due to the lower heating value of the gases. Although EE followed the order SW > FW > WWS, both biowastes maintained robust efficiencies (60–80%) despite high drying energy requirements. Steam gasification increased H2 content up to 53% (WWS), 54% (FW), and 51% (SW) near S/B = 0.5–0.6, while air gasification achieved 23–27% H2 and 70–80% EE at ER ≈ 0.1–0.2. The results confirm that wet bio-wastes such as WWS and FW can achieve performance comparable to lignocellulosic biomass, highlighting their suitability as sustainable feedstocks for waste-to-syngas conversion and supporting bioenergy integration into waste management systems.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».