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 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».