MétaCan
Menu
Retour à la cohorte
Enregistrement W4392168878 · doi:10.3390/su16051910

The Cobalt Supply Chain and Environmental Life Cycle Impacts of Lithium-Ion Battery Energy Storage Systems

2024· article· en· W4392168878 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSustainability · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Texas at Austin
Mots-clésLife-cycle assessmentEnvironmental scienceEnvironmental impact assessmentBattery (electricity)SustainabilitySupply chainEnvironmental economicsGreenhouse gasWaste managementEnvironmental engineeringEngineeringBusinessPower (physics)EcologyProduction (economics)

Résumé

récupéré en direct d'OpenAlex

Lithium-ion batteries (LIBs) deployed in battery energy storage systems (BESS) can reduce the carbon intensity of the electricity-generating sector and improve environmental sustainability. The aim of this study is to use life cycle assessment (LCA) modeling, using data from peer-reviewed literature and public and private sources, to quantify environmental impacts along the supply chain for cobalt, a crucial component in many types of LIBs. The study seeks to understand where in the life cycle stage the environmental impacts are highest, thus highlighting actions that can be taken to improve sustainability of the LIB supply chain. The system boundary for this LCA is cradle-to-gate. Impact assessment follows ReCiPe Midpoint (H) 2016. We assume a 30-year modeling period, with augmentation occurring at the end of the 3rd, 7th, and 14th years of operations, before a complete replacement in the 21st year. Three refinery locations (China, Canada, and Finland), a range of ore grades, and five battery chemistries (NMC111, NMC532, NMC622, NMC811, and NCA) are used in scenarios to better estimate their effect on the life cycle impacts. Insights from the study are that impacts along nearly all pathways increase according to an inverse power-law relationship with ore grade; refining outside of China can reduce global warming potential (GWP) by over 12%; and GWP impacts for cobalt used in NCA and other NMC battery chemistries are 63% and 45–74% lower than in NMC111, respectively. When analyzed on a single-score basis, marine and freshwater ecotoxicity are prominent. For an ore grade of 0.3%, the GWP values for the Canada route decrease at a rate of 58% to 65%, and those for Finland route decrease by 71% to 76% from the base case. Statistical analysis shows that cobalt content in the battery is the highest predictor (R2 = 0.988), followed by the ore grade (R2 = 0.966) and refining location (R2 = 0.766), when assessed for correlation individually. The results presented here point to areas where environmental burdens of LIBs can be reduced, and thus they are helpful to policy and investment decision makers.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,214
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle