该研究《Pathway decisions for reuse and recycling of retired lithium-ion batteries considering economic and environmental functions》由Ruifei Ma、Shengyu Tao、Xin Sun等学者完成,第一作者和通讯作者分别来自清华大学深圳国际研究生院(Tsinghua Shenzhen International Graduate School)、University of Groningen以及天津大学。文章于2024年发表于期刊Nature Communications。
锂离子电池(Lithium-ion battery, LIB)作为可再生能源的核心技术之一,是推动人类社会实现可持续发展目标(Sustainable Development Goals, SDGs)的关键工具。随着电动汽车(Electric Vehicle, EV)市场的迅猛扩张(全球销量从2015年的0.7百万增至2022年的1000万,并预计2030年达到3000万),大量电池的退役引发了废弃物管理、新能源资源安全及供应链风险等一系列问题。当前,回收与再利用被提出作为解决这些问题的重要方法,并成为科学界和工业界的研究热点。回收技术能够高效管理废弃资源,而再利用技术则能延长电池寿命、降低能源系统的投资及运行成本。
传统的电池生命周期评估方法(Life Cycle Assessment, LCA)尽管广泛用于环境影响评估,但在统一的评估框架下优化电池的再利用与回收路径(考虑多种因素如实际需求、电池状态以及技术路线选择)仍然缺乏系统性策略。为填补这一空白,该研究旨在建立一个基于生命周期分析的评估框架,优化退役锂电池的再利用和回收路径,从而在经济效益和环境效益上实现平衡。
研究聚焦于两种主流电池化学体系,即锂镍锰钴氧化物电池(NMC)与磷酸铁锂电池(LFP)。其目标是: 1. 构建一个可操作的框架用于分析与优化退役锂电池的再利用路径和回收路径。 2. 考察不同电池状态(SOH, State of Health)和多样应用场景(ESS能源储存系统、CBS通信基站以及LSV低速车辆)对经济和环境带来的影响; 3. 对比三种回收技术(湿法冶金、直回收、火法冶金)的经济性与环境性差异,探索优选路径。
本研究建立的分析框架覆盖锂离子电池“从摇篮到坟墓”的完整生命周期(Cradle-to-Grave, CTG),包括新电池制造、首次使用、翻新、再利用以及生命周期末端的回收。以下对主要研究步骤与实验设计做详细介绍:
生命周期评估所需的基本输入数据主要来源于文献和行业标准,包括原材料生产、模块与电芯组装产生的碳足迹、电池运行参数以及退役电池剩余价值等。研究特别设置了NMC与LFP两种化学体系的SOH范围(70%-90%),以模拟电池在退役时的真实状态,分别应用于ESS、CBS和LSV等场景。
在翻新阶段,对退役电池进行检测与重新组装。研究的模型计算了电池容量配置对系统经济性和环境影响的影响,详细描述了翻新涉及的主要活动:健康估计(SOH)检测、剩余寿命(RUL)预测、模块重组及封装。模型还结合不同情景(如光伏可再生能源与电网电力混合提供的电力系统负荷特性)进行评估。
再利用场景的选择与优化 :电池在ESS、CBS和LSV中的模拟运行是本研究的核心部分。ESS场景中的负载划分为轻工业、商业和政府;CBS场景分为商业、高速交通、城市与乡村区域;LSV则模拟在观光车情景下的运行需求。每种场景下,采用优化算法确定电池初始SOH与配置容量对经济收益和碳足迹的影响。具体优化目标包括最大化总利润与日均利润。
研究对湿法冶金(Hydrometallurgical)、火法冶金(Pyrometallurgical)及直回收(Direct Recycling)三种技术路径进行了经济和环境绩效分析。湿法冶金和火法冶金以回收高价值材料(锂盐、钴、镍等)为目标,但能耗与环境污染较高;而直回收法因直接复原电池活性材料(如NMC或LFP)展现出更高的能源效率及可持续性。
数据分析通过敏感性分析评估关键变量(如锂盐价格、电力供应碳排放强度、电池SOH范围)的影响,并探讨不同指标(经济与环境)权重分配对路径选择的调节作用。
再利用场景的经济与环境表现:
回收技术比较:
优化路径优于传统路径:
本研究提出了一种普适性决策框架,为退役锂离子电池的回收与再利用提供了优化策略: 1. 科学意义: 提出的方法推动了生命周期评估的创新,提供了基于数据的电池路径决策优化,为行业带来标准化参考。 2. 应用价值: 研究结果可指导电池制造商、再利用运营商和回收企业的实际操作,并为政策制定者提供理论支持以制定激励机制。 3. 经济与环境双重收益: 通过延长电池生命周期和以经济最优的回收路径代替传统粗放处理方式,该研究为锂电池产业的可持续发展提供了重要手段。
本研究基于当前的数据构建模型,未来可结合更细粒度的实时数据(如电网负荷、用户行为)进一步提升决策精度。此外,自动化拆解工艺、AI技术与区块链透明度平台的协同发展也将为该领域提供更丰富的数据保障及运营手段。