Über unsKontakt

BMP-UntersuchungenStroh und Ernterückstände

Legume crop and processing residues (pea pods, bean haulm and husks, pea leaves) — BMP: 5 Studien, Mittelwert 264 m³ CH₄/t oTS

Legume crop and processing residues (pea pods, bean haulm and husks, pea leaves): 5 Datensätze an BMP-Daten aus 5 Publikationen, gewichteter Mittelwert 264 m³ CH₄/t oTS, Spanne 147–390.

CH₄ 58 %

Veröffentlicht Aktualisiert 2 Min. LesezeitRedaktion FeedstockData

Foto Jeffery Martin / Wikimedia Commons, Lizenz CC0 1.0, Quelldatei; Änderungen: Zuschnitt

Gewichteter Mittelwert
264m³ CH₄/t oTS
Spanne
147–390m³ CH₄/t oTS
Datensätze
5Studien
Publikationen
5Quellen
Temperaturen
35 °C, 36 °Cdes Tests

Methan im Biogas

Mittlerer Methangehalt · ≈ 5,8 kWh/m³ Biogas

gemessen Mittelwert aus 1 Studie BMP; im Batch-Test fällt der CH₄-Anteil tendenziell höher aus als in einer Anlage.

Wie wir rechnen und was die Zonen bedeuten

Bewertung für Biogasanlagen

nicht bewertet — redaktionelle Bewertung für Biogasanlagen

Nicht bewertet: keine Trockensubstanz bzw. organische Trockensubstanz in den Daten. Die Bewertung berechnen wir, sobald Trockensubstanz und organische Trockensubstanz des Materials bekannt sind.

Redaktionelle Bewertung gemäß der Methodik

Zum Kofermentationsrechner hinzufügen CSV-Daten

BMP-Kurven aus 5 Studien

Gewichteter Mittelwert Einzelne Datensätze

BMP-Kurven: Legume crop and processing residues (pea pods, bean haulm and husks, pea leaves)Kumulierte Methanproduktion im Zeitverlauf für 5 Datensätze und den gewichteten Mittelwert von 264 m³ CH₄/t oTS. 5 der Kurven sind Modellkurven (Kinetik erster Ordnung).0100200300400500051015202530Zeit [d]m³ CH₄/t oTSPrajapati et al. (2018): 267 m³ CH₄/t oTS (Modellkurve)Cai et al. (2019): 227 m³ CH₄/t oTS (Modellkurve)Gunaseelan (2004): 390 m³ CH₄/t oTS (Modellkurve)López-Dávila et al. (2022): 287 m³ CH₄/t oTS (Modellkurve)Li et al. (2018): 147 m³ CH₄/t oTS (Modellkurve)Mittelwert264

Gestrichelte Linien sind eine Modellkurve (Kinetik erster Ordnung, B(t) = B₀·(1 − e−kt)); der Endpunkt stammt aus der Publikation. Alle Kurven sind Modellkurven.

Kumulierte Methanproduktion im Testverlauf [m³ CH₄/t oTS]. Die dicke Linie ist der gewichtete Mittelwert aller Datensätze (264); Punkte markieren die in den Publikationen angegebenen Endwerte. Fahren Sie mit der Maus über das Diagramm, um Werte abzulesen; ein Klick auf einen Legendeneintrag blendet einen Datensatz aus oder ein.

Datensätze und Quellen

CSV herunterladen
QuelleBMP
m³ CH₄/t oTS		CH₄ im Biogas
Vol.-%, gemessen		TemperaturProbeKurve
Prajapati et al. (2018) DOI267——mung bean husk (MBH)Endpunkt (Modellkurve)
Cai et al. (2019) DOI227——Snow peas (Pisum sativum var. Saccharatum) – LeafEndpunkt (Modellkurve)
Gunaseelan (2004) DOI390—35 °C · mesophilgarden pea pods (seeds removed)Endpunkt (Modellkurve)
López-Dávila et al. (2022) DOI287——Bean straw and boxEndpunkt (Modellkurve)
Li et al. (2018) DOI14758,4 %36 °C · mesophilSnap bean crop residues (SBR)Endpunkt (Modellkurve)
Gewichteter Mittelwert26458,4 %arithmetischer Mittelwert 264, SD 89

Typische Zusammensetzung

Organische Trockensubstanz (oTS)
85,8 % TS (Spanne 79,7–91,8)
Stickstoff
3,1 % TS
C/N-Verhältnis
12,7

Median und Spanne der Bestimmungen, die in den Publikationen zu den BMP-Datensätzen dieses Substrats angegeben sind (abgelesen aus: BCBPD, MY-D); Trockensubstanz: 0 Bestimmungen, organische Trockensubstanz: 2 Bestimmungen. Das C/N-Verhältnis wurde als Quotient aus C- und N-Gehalt (% TS) aus derselben Quelle berechnet. Keine TS in den Quellen – der Rechner muss nach einem Wert fragen.

Quellen: Cai et al. (2019); Gunaseelan (2004).

Die Zusammensetzung des Rohstoffs schwankt zwischen Chargen — für Anlagenberechnungen verwenden Sie die Analyse Ihrer eigenen Probe. Der Rechner trägt typische Werte automatisch ein.

Prozesseigenschaften

  • saisonal
  • schwankende Zusammensetzung
  • faserig
  • redaktionelle Einstufung

Kofermentation — womit kombinieren, worauf achten

Dosierung

Quellen der Prozessdaten

  1. Chen, Y.; Cheng, J.J.; Creamer, K.S. (2008) Inhibition of anaerobic digestion process: A review. Bioresource Technology
  2. Prajapati, K.K.; Pareek, N.; Vivekanand, V. (2018) Pretreatment and Multi-Feed Anaerobic Co-digestion of Agro-Industrial Residual Biomass for Improved Biomethanation and Kinetic Analysis. Frontiers in Energy Research 6, 111
  3. Cai, F.; 1. Biomass Energy and Environmental Engineering Research Center, College of Chemical Engineering, Beijing University of Chemical Technology, Beijing 100029, China; Yan, H.; Zhang, R.; Liu, G.; Chen, C.; 2. Department of Biological and Agricultural Engineering, University of California, Davis, CA 95616, USA (2019) Prediction of methane production performances based on determination of organic components for different vegetable wastes. International Journal of Agricultural and Biological Engineering 12(3), 154–159
  4. Gunaseelan, V. (2004) Biochemical methane potential of fruits and vegetable solid waste feedstocks. Biomass and Bioenergy 26(4), 389–399
  5. Hendriks, A.T.W.M.; Zeeman, G. (2009) Pretreatments to enhance the digestibility of lignocellulosic biomass. Bioresource Technology
  6. López-Dávila, E.; Jiménez Hernández, J.; López González, L.M.; Barrera Cardoso, E.L.; Bravo Amarante, E.; Contreras Velázquez, L.M.; Romero-Romero, O. (2022) Biochemical methane potential of agro-wastes as a renewable source alternative for electrical energy production in Cuba. Ciencia & Tecnología Agropecuaria 23(1)
  7. Li, P.; Li, W.; Sun, M.; Xu, X.; Zhang, B.; Sun, Y. (2018) Evaluation of Biochemical Methane Potential and Kinetics on the Anaerobic Digestion of Vegetable Crop Residues. Energies 12(1), 26
  8. Weiland, P. (2010) Biogas production: current state and perspectives. Applied Microbiology and Biotechnology
  9. FNR (2010). Guía sobre el Biogás – Desde la producción hasta el uso (hiszp. wydanie „Leitfaden Biogas”, GIZ 2013)

Der Kofermentationsrechner bewertet eine konkrete Mischung mit diesem Substrat.

Was die Zusammenstellung zeigt

Die Zusammenstellung umfasst 5 Datensätze zum Methanpotenzial (BMP) des Substrats „Legume crop and processing residues (pea pods, bean haulm and husks, pea leaves)“ aus 5 Publikationen, veröffentlicht 2004–2022. Die Ergebnisse reichen von 147 bis 390 m³ CH₄/t oTS, der gewichtete Mittelwert beträgt 264 m³ CH₄/t oTS (arithmetischer Mittelwert 264, Standardabweichung 89).

Die Tests wurden bei 35, 36 °C (Temperaturbereich: mesophil) durchgeführt. Unterschiede bei Temperatur, Impfschlamm, Testdauer und Probenvorbereitung sind typische Ursachen für die Streuung der Ergebnisse zwischen Laboren.

Für 5 Datensätze gibt die Publikation nur den Endwert an. Die Linie im Diagramm ist dann eine Modellkurve (Kinetik erster Ordnung) und dient nur dem Vergleich der Kurvenformen — nur der Endpunkt stammt aus der Publikation.

So nutzen Sie diese Daten

BMP beschreibt das Potenzial, das im Batch-Test unter Laborbedingungen erzielt wird. In einer großtechnischen Anlage hängt der Ertrag zusätzlich von Verweilzeit, Fermenterbelastung, Durchmischung und Zusammensetzung der Einsatzstoffe ab. Für Vorberechnungen empfiehlt sich der gewichtete Mittelwert, für die Risikobewertung die gesamte Spanne der Ergebnisse. Bei der Planung eines konkreten Einsatzstoffs lohnt es sich, einen eigenen BMP-Test an einer repräsentativen Probe zu beauftragen.

Methodik in Kürze

BMP ist die Methanmenge, die im Batch-Test aus der organischen Trockensubstanz (oTS) gewonnen wird, angegeben in m³ CH₄ pro Tonne oTS (numerisch identisch mit NmL CH₄/g oTS in den Publikationen) und auf Normbedingungen (0 °C, 101,325 kPa) umgerechnet. Der gewichtete Mittelwert gibt jeder Publikation ein Gesamtgewicht von 1, das gleichmäßig auf ihre Ergebnisse für das Substrat verteilt wird — eine Arbeit, die zwanzig Sorten testet, wiegt also nicht schwerer als eine Arbeit mit einer einzigen Probe. Bei Ringversuchen ist die Einheit das Labor (Gesamtgewicht 1), und innerhalb des Labors steigt das Gewicht eines Tests mit der Zahl der Flaschen (Replikate). Ergebnisse nach einer Vorbehandlung (z. B. thermisch, chemisch, enzymatisch) werden gesondert ausgewiesen und gehen nicht in den Mittelwert ein.

Durchgezogene Linien sind in den Tests gemessene Kurven. Gibt eine Publikation nur das Endergebnis an, zeichnen wir ein kinetisches Modell erster Ordnung, B(t) = B₀·(1 − e−kt): Nur der Endpunkt stammt aus der Publikation, die Kurvenform dient ausschließlich der Visualisierung — die Produktion an einem bestimmten Tag lässt sich daraus nicht ablesen. Für dieses Substrat wurde k = 0,136 d−1 angenommen (Median der in den Quellen angegebenen und/oder an die mittleren gemessenen Kurven angepassten Geschwindigkeitskonstanten k).

Die Statistiken beschreiben die Streuung veröffentlichter Ergebnisse — eine deskriptive Zusammenstellung, keine Metaanalyse und keine Garantie für den Anlagenertrag.

Vollständige Methodik und Korrekturpolitik

Literaturverzeichnis

  1. Prajapati, K.K.; Pareek, N.; Vivekanand, V. (2018). Pretreatment and Multi-Feed Anaerobic Co-digestion of Agro-Industrial Residual Biomass for Improved Biomethanation and Kinetic Analysis. Frontiers in Energy Research 6, 111. DOI: 10.3389/fenrg.2018.00111 DOI
  2. Cai, F.; 1. Biomass Energy and Environmental Engineering Research Center, College of Chemical Engineering, Beijing University of Chemical Technology, Beijing 100029, China; Yan, H.; Zhang, R.; Liu, G.; Chen, C.; 2. Department of Biological and Agricultural Engineering, University of California, Davis, CA 95616, USA (2019). Prediction of methane production performances based on determination of organic components for different vegetable wastes. International Journal of Agricultural and Biological Engineering 12(3), 154–159. DOI: 10.25165/j.ijabe.20191203.4705 DOI
  3. Gunaseelan, V. (2004). Biochemical methane potential of fruits and vegetable solid waste feedstocks. Biomass and Bioenergy 26(4), 389–399. DOI: 10.1016/j.biombioe.2003.08.006 DOI
  4. López-Dávila, E.; Jiménez Hernández, J.; López González, L.M.; Barrera Cardoso, E.L.; Bravo Amarante, E.; Contreras Velázquez, L.M.; Romero-Romero, O. (2022). Biochemical methane potential of agro-wastes as a renewable source alternative for electrical energy production in Cuba. Ciencia & Tecnología Agropecuaria 23(1). DOI: 10.21930/rcta.vol23_num1_art:1890 DOI
  5. Li, P.; Li, W.; Sun, M.; Xu, X.; Zhang, B.; Sun, Y. (2018). Evaluation of Biochemical Methane Potential and Kinetics on the Anaerobic Digestion of Vegetable Crop Residues. Energies 12(1), 26. DOI: 10.3390/en12010026 DOI

Alle Quellen des Portals: Literaturverzeichnis.

Weitere Substrate in der Gruppe „Stroh und Ernterückstände“