Extraction and separation of potassium, zinc and manganese issued from spent alkaline batteries by a three‐unit hydrometallurgical process
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.
Notice bibliographique
Résumé
Abstract BACKGROUND Batteries play a vital role in meeting global energy needs. When their life cycle concludes, improperly discarded spent batteries can pose environmental risks primarily due to their metal content. In this sense, the recycling of metals contained in spent batteries could mean a huge advantage if they are extracted and purified using environmentally friendly processes. RESULTS In this study, the recovery of potassium (K), zinc (Zn) and manganese (Mn) from alkaline batteries was performed using a hydrometallurgical process consisting of neutral, acid and acid reductive leaching steps at room temperature and atmospheric pressure to extract K, Zn and Mn. In the neutral leaching step, 76.8 ± 3.4 (wt. %) of the K present in the spent batteries was extracted. Thus, in the acid leaching step, 90.9 ± 0.1 (wt. %) of the initial Zn and 36.7 ± 0.4 (wt. %) of the initial Mn was extracted using sulfuric acid (H 2 SO 4 ) 2 M. In a subsequent acid reductive leaching step using H 2 SO 4 2 M and oxygen peroxide (H 2 O 2 ) 0.8 M as reducing agent, 8.7 ± 0.1 (wt. %) of the initial Zn and up to 49.4 ± 0.2 (wt. %) of the initial Mn were extracted. CONCLUSION The three‐unit process led to an overall extraction of 99.6 ± 0.3 (wt. %) of Zn and 86.1 ± 0.1 (wt. %) of Mn. Regarding the latter step, the extraction was not 100% because Mn complexes which are nearly insoluble were generated. This shows that extraction of valuable minerals from industrial residues is possible by hydrometallurgical processes. © 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle