Study on the influence mechanism of carbothermal reduction and selective leaching of valuable metals in spent lithium batteries
Notice bibliographique
Résumé
Abstract BACKGROUND Exploring an innovative method for precious metal recovery from spent batteries, our study combines hydrometallurgy and pyrometallurgy, focusing on pivotal carbothermal reduction. This crucial phase enhances the leachability of metals by significantly reducing their valence. To evaluate the effect of novel carbon (C) materials on this reduction process, our study synthesized two types of nanoporous Cs, Al‐PCP‐800 and ZIF‐8‐800, found in electrode materials. Their carbothermal reduction efficacy was compared to activated (A)C using thermogravimetric analysis. RESULTS The experimental findings revealed that ZIF‐8‐800 exhibits superior reducibility, initiating and reaching peak weight loss rate at a lower temperature of 692.01 °C with a peak of 32.27%/°C. Under the optimized conditions (roasting temperature 750 °C, time 3 h, C content 20%, 2.75 mol L−1 H3PO4 concentration, 40 °C leaching temperature, liquid‐to‐solid ratio of 6 mL g−1, leaching time 10 min) the leaching efficiency of lithium (Li) and manganese (Mn) reached 100%, indicating complete extraction with ZIF‐8‐800. However, cobalt (Co) and nickel (Ni) leaching with ZIF‐8‐800 was low (3.22%, 2.06%). Al‐PCP‐800 showed slightly less leaching efficiency for Li and Mn, but higher efficiency for Co and Ni. Activated C led to incomplete Li and Mn extraction, with higher Co and Ni leaching, diminishing the process's selectivity. CONCLUSION The study confirms that the C material in carbothermal reduction significantly impacts metal leaching efficiency and selectivity. ZIF‐8‐800 was the most effective for Li and Mn leaching, outperforming Al‐PCP‐800 and AC in selectivity. This underscores ZIF‐8‐800's potential to improve metal recovery from spent batteries. © 2024 The Authors. Journal of Chemical Technology and Biotechnology published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry (SCI).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».