Valorisation of organic waste through gasification

Abstract

"Abstract Gasification of organic waste represents one of the most effective valorization pathways for renewable energy and resources recovery, while this process can be affected by multi- factors like temperature, feedstock, and steam content, making the product’s prediction problematic. With the popularization and promotion of artificial intelligence such as machine learning (ML), traditional artificial neural networks have been paid more attention by researchers from the data science field, which provides scientific and engineering communities with flexible and rapid prediction frameworks in the field of organic waste gasification. In this work, critical parameters including temperature, steam ratio, and feedstock during gasification of organic waste were reviewed in three scenarios including steam gasification, air gasification, and oxygen-riched gasification, and the product distribution and involved mechanism were elaborated. Moreover, we presented the details of ML methods like regression analysis, artificial neural networks, decision trees, and related methods, which are expected to revolutionize data analysis and modeling of the gasification of organic waste. Typical outputs including the syngas yield, composition, and HHVs were discussed with a better understanding of the gasification process and ML application. This review focused on the combination of gasification and ML, and it is of immediate significance for the resource and energy utilization of organic waste. "الملخص . يمثل تغويز النفايات العضوية أحد أكثر مسارات التثمين فعالية السترداد الطاقة المتجددة والموارد، ومع ذلك، يمكن أن يتأثر هذا العملية بعدة عوامل مثل درجة الحرارة، ونوع المادة األولية، ومحتوى البخار، مما يجعل من الصعب التنبؤ بمنتجات العملية بدقة. ومع انتشار وتطور تقنيات الذكاء ، بدأ الباحثون في مجال علوم البيانات يولون اهتماماً متزايداً االصطناعي مثل التعلم اآللي(ML( بالشبكات العصبية االصطناعية التقليدية، مما وفر للمجتمعين العلمي والهندسي أطر تنبؤ مرنة وسريعة في مجال تغويز النفايات العضوية. في هذا العمل، تمت مراجعة المعلمات الحرجة مثل درجة الحرارة، ونسبة البخار، ونوع المادة األولية أثناء تغويز النفايات العضوية في ثالث سيناريوهات تشمل التغويز بالبخار، التغويز بالهواء، والتغويز الغني باألوكسجين، كما تم شرح توزيع المنتجات واآلليات المتضمنة. عالوة على ذلك، قمنا بعرض تفاصيل طرق التعلم اآللي مثل تحليل االنحدار، الشبكات العصبية االصطناعية، أشجار القرار، والطرق المرتبطة بها، والتي يُتوقع أن تُحدث ثورة في تحليل البيانات ونمذجة عملية تغويز النفايات العضوية. تمت مناقشة المخرجات النموذجية بما في ذلك إنتاج الغاز التخليقي ) syngas)، وتركيبه، والقيم الحرارية العالية )HHVs )بهدف فهم أفضل لعملية التغويز وتطبيقات التعلم اآللي. يركز هذا االستعراض على الدمج بين التغويز وتقنيات التعلم اآللي، وهو ذو أهمية مباشرة الستغالل الموارد والطاقة من النفايات العضوية.