Ensayos BMPSubproductos de la industria agroalimentaria

Hazelnut residues (shell, skin) — BMP: 2 estudios, media ponderada 153 m³ CH₄/t SV

Hazelnut residues (shell, skin): 2 registros de datos BMP procedentes de 2 publicaciones, media ponderada 153 m³ CH₄/t SV, rango 40–265.

valoración: neutraCH₄ ≈ 51 % (estimación)

Publicado Actualizado 2 min de lecturaRedacción FeedstockData

Foto daryl_mitchell from Saskatoon, Saskatchewan, Canada / Wikimedia Commons, licencia CC BY-SA 2.0, archivo de origen; cambios: recorte

Media ponderada
153m³ CH₄/t SV
Rango
40–265m³ CH₄/t SV
Registros
2estudios
Publicaciones
2fuentes
Temperaturas
37 °Cdel ensayo

Metano en el biogás

Bajo contenido de metano · ≈ 5,1 kWh/m³ de biogás

estimación según el tipo de sustrato Los estudios recopilados no contienen ninguna medición. El intervalo se deduce de la composición aproximada (proteína a partir del nitrógeno total (N 0,1 % MS × 6,25)) y de los rendimientos de los grupos de compuestos según la FNR.

Cómo lo calculamos y qué significan las zonas

Valoración para plantas de biogás

neutra — valoración editorial para plantas de biogásSin ventajas claras: conviene cobrar una tarifa por aceptarlo

Potencial por tonelada de materia fresca: moderado, pero limitado por la mala degradabilidad de la materia orgánica (141 m³ CH₄/t); riesgo para el proceso: inhibidores. Costes de manipulación: fibras, capa flotante, degradación lenta.

¿Por qué? Factores de la valoración

Potencial por tonelada +1

  • +1potencial 141 m³ CH₄/t de materia fresca (BMP 153 × MS 93,2 % × SV 99,3 %); baja degradabilidad de los SV (BMP 153 m³ CH₄/t SV): puntuación limitada

Estabilidad del proceso −1

  • −1inhibidores: naturales o residuales (p. ej. limoneno, polifenoles, antibióticos, metales)

Manipulación y costes −1

  • −0,5fibras, capa flotante: trituración y mezcla intensiva
  • −0,5degradación lenta: largo tiempo de retención

Puntos totales: −1 · umbrales: ≥ 2,5 muy buena, ≥ 1 buena, por debajo: neutra; negativa si hay riesgo acumulado para el proceso.

Valoración editorial según la metodología · fiabilidad de la valoración: baja · sin tener en cuenta los precios de mercado

Añadir a la calculadora de codigestión Datos CSV

Curvas BMP de 2 estudios

Media ponderada Registros individuales

Curvas BMP: Hazelnut residues (shell, skin)Producción acumulada de metano a lo largo del tiempo para 2 registros y la media ponderada de 153 m³ CH₄/t SV. 2 de las curvas son curvas de modelo (cinética de primer orden).01002003000510152025303540tiempo [d]m³ CH₄/t SVOliva et al. (2024): 265 m³ CH₄/t SV (curva de modelo)Shen et al. (2018): 40 m³ CH₄/t SV (curva de modelo)media153

Las líneas discontinuas son una curva de modelo (cinética de primer orden, B(t) = B₀·(1 − e−kt)); el punto final procede de la publicación. Todas las curvas son curvas de modelo.

Producción acumulada de metano a lo largo del ensayo [m³ CH₄/t SV]. La línea gruesa es la media ponderada de todos los registros (153); los puntos marcan los valores finales indicados en las publicaciones. Sitúe el cursor sobre el gráfico para leer los valores; haga clic en un elemento de la leyenda para ocultar o mostrar un registro.

Registros y fuentes

Descargar CSV
FuenteBMP
m³ CH₄/t SV
TemperaturaMuestraCurva
Oliva et al. (2024) DOI26537 °C · mesófiloHazelnut skin (HS raw)punto final (curva de modelo)
Shen et al. (2018) DOI4037 °C · mesófilohazelnut shellpunto final (curva de modelo)
Media ponderada153media aritmética 153, SD 159

Composición típica

Materia seca (MS)
93,2% (rango 93,2–93,2)
Sólidos volátiles (SV)
99,3 % MS (rango 99,3–99,3)
Nitrógeno
0,1 % MS
Relación C/N
324,2

Mediana y rango de las determinaciones indicadas en las publicaciones en que se basan los registros BMP de este sustrato (leídas de: MY-D); materia seca: 1 determinación, sólidos volátiles: 1 determinación. La relación C/N se calculó como cociente entre los contenidos de C y N (% MS) de la misma fuente. Las muestras se ensayaron secas o secadas al aire: la MS se refiere al material del ensayo, no al material fresco.

Fuentes: Shen et al. (2018).

La composición de la materia prima varía entre lotes: para los cálculos de la planta utilice un análisis de su propia muestra. La calculadora inserta automáticamente valores típicos.

Propiedades del proceso

  • fibroso
  • degradación lenta
  • pobre en nitrógeno
  • rico en carbono
  • alta materia seca
  • contiene inhibidores
  • clasificación editorial

Baja fiabilidad: la descripción se basa en características generales del grupo de sustratos, no en estudios de este material. Considérela una indicación que debe verificarse.

Codigestión: con qué combinarlo y qué vigilar

Dosificación

Introduzca el sustrato gradualmente, empezando con una dosis pequeña y vigilando el proceso (p. ej. FOS/TAC, pH, composición del gas).

La calculadora de codigestión evaluará una mezcla concreta que contenga este sustrato.

Qué muestra la compilación

La compilación reúne 2 registros del potencial de metano (BMP) del sustrato «Hazelnut residues (shell, skin)» procedentes de 2 publicaciones publicados en 2018–2024. Los resultados van de 40 a 265 m³ CH₄/t SV y la media ponderada es de 153 m³ CH₄/t SV (media aritmética 153, desviación típica 159).

Los ensayos se realizaron a 37 °C (régimen: mesófilo). Las diferencias de temperatura, inóculo, duración del ensayo y preparación de la muestra son causas habituales de la dispersión de resultados entre laboratorios.

En 2 registros la publicación solo indica el valor final. La línea del gráfico es entonces una curva de modelo (cinética de primer orden) y sirve únicamente para comparar formas: solo el punto final procede de la publicación.

Cómo utilizar estos datos

El BMP describe el potencial obtenido en un ensayo discontinuo en condiciones de laboratorio. En una planta a escala real, el rendimiento depende además del tiempo de retención, la carga del digestor, la mezcla y la composición de la alimentación. Para los cálculos preliminares conviene utilizar la media ponderada y, para evaluar el riesgo, todo el rango de resultados. Al planificar una alimentación concreta, merece la pena encargar un ensayo BMP propio con una muestra representativa.

La metodología en breve

El BMP es la cantidad de metano obtenida a partir de los sólidos volátiles (SV) en un ensayo discontinuo, expresada en m³ de CH₄ por tonelada de SV (numéricamente igual a NmL CH₄/g SV en las publicaciones) y convertida a condiciones normales (0 °C, 101,325 kPa). La media ponderada asigna a cada publicación un peso total de 1, repartido a partes iguales entre sus resultados para el sustrato: un artículo que ensaya veinte variedades no pesa más que uno con una sola muestra. En los programas interlaboratorio la unidad es el laboratorio (peso total 1) y, dentro de él, el peso de un ensayo crece con el número de botellas (réplicas). Los resultados posteriores a un pretratamiento (p. ej. térmico, químico o enzimático) se muestran por separado y no se incluyen en la media.

Las líneas continuas son curvas medidas en los ensayos. Cuando una publicación solo indica el resultado final, dibujamos un modelo cinético de primer orden, B(t) = B₀·(1 − e−kt): solo el punto final procede de la publicación y la forma de la curva es una mera visualización; no debe leerse en ella la producción de un día concreto. Para este sustrato se supuso k = 0,091 d−1 (no hay datos cinéticos del grupo; se utilizó la mediana de todas las constantes de velocidad k disponibles (93 valores)).

Las estadísticas describen la dispersión de los resultados publicados: una compilación descriptiva, no un metaanálisis ni una garantía del rendimiento de la planta.

Metodología completa y política de correcciones

Bibliografía

  1. Oliva, A.; Tan, L.C.; Papirio, S.; Esposito, G.; Lens, P.N.L. (2024). Use of N-Methylmorpholine N-oxide (NMMO) pretreatment to enhance the bioconversion of lignocellulosic residues to methane. Biomass Conversion and Biorefinery 14(10), 11113–11130. DOI: 10.1007/s13399-022-03173-x DOI
  2. Shen, J.; Yan, H.; Zhang, R.; Liu, G.; Chen, C. (2018). Characterization and methane production of different nut residue wastes in anaerobic digestion. Renewable Energy 116, 835–841. DOI: 10.1016/j.renene.2017.09.018 DOI

Todas las fuentes del sitio: bibliografía.