Chemical leaching of typical heavy metals from desulfurisation sludge in a coal-fired power plant
Notice bibliographique
Résumé
The issue of excessive heavy metal content in desulfurised sludge from coal-fired power plants is addressed by conducting a study on samples collected from four coal-fired power plants in northern China. In this study, we focus on analysing the physicochemical properties of the sludge and the concentrations of heavy metals such as Cr, Ni, Zn, Pb, and Cu. Various leaching agents, including citric acid, oxalic acid, tartaric acid, lactic acid, and deionised water, were tested for their effectiveness for removing Cr and Ni heavy metals, and oxalic acid showed the best leaching performance. The optimal leaching conditions were determined to be a concentration of 0.3 mol/l, a 6-h leaching time, and a solid-to-liquid ratio of 1:20, resulting in significant removal rates of Cr and Ni. The study also analysed the distribution characteristics of Cr and Ni using the Community Bureau of Reference sequential extraction method and investigated the removal mechanism of these heavy metals in oxalic acid leaching desulfurisation sludge. These findings offer valuable insights for resource utilisation and environmentally safe disposal of desulfurised sludge, particularly to mitigate environmental risks associated with Cr and Ni combined pollution.
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 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 | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».