《Process Safety and Environmental Protection》:Energy-efficient mechanical treatment process design for recycling of end-of-life lithium-ion batteries
编辑推荐:
在退役锂离子电池回收过程中,破碎、研磨和筛分等机械处理工序不可或缺但能耗极高。目前,兼顾运行稳定性的节能工艺设计研究仍较为有限。研究人员利用实时能量监测系统,对集成商用设备的机械处理过程中的能耗进行了定量评估,并提出了一种优化的工艺配置方案。研究人员评估了碳排
在退役锂离子电池回收过程中,破碎、研磨和筛分等机械处理工序不可或缺但能耗极高。目前,兼顾运行稳定性的节能工艺设计研究仍较为有限。研究人员利用实时能量监测系统,对集成商用设备的机械处理过程中的能耗进行了定量评估,并提出了一种优化的工艺配置方案。研究人员评估了碳排放、黑粉回收率及杂质含量。多种配置的对比分析表明,基于多级筛分的工艺可将能耗降低至2.05 kWh/吨,较传统顺序工艺(21.52 kWh/吨)减少了90.5%。碳排放从9.68 kg CO?/吨降至0.92 kg CO?/吨,同时实现了94.97%的黑粉纯度。上述改进归因于隔膜引发的筛网堵塞得到缓解,表明隔膜去除对运行稳定性具有重要影响。
# 退役锂离子电池回收中节能机械处理工艺的设计优化研究
## 一、研究背景与问题提出
锂离子电池(Lithium-Ion Batteries, LIBs)凭借其可充电性、高能量密度和轻量化特性,在便携式电子设备、储能系统及电动汽车等领域得到广泛应用。在全球从化石燃料向电池能源系统转型、追求净零碳排放的背景下,LIB产业正经历快速增长,随之而来的是大量退役锂离子电池(End-of-Life LIBs)的产生。为应对这些废电池带来的环境和经济挑战,发展高效的回收技术已成为当务之急。
退役LIBs的回收方法可分为火法冶金、湿法冶金和直接回收三大类。然而,无论采用何种回收方法,机械处理始终是整个回收流程中不可或缺的预处理步骤,通常包括放电、破碎、研磨和筛分工序,其核心目标是将黑粉(black mass,即正负极活性材料的混合物)与电池壳体、铜箔、铝箔和隔膜等其他组分分离。
机械预处理的环保性能可通过三个关键指标评价:黑粉回收率、黑粉中杂质含量(包括铝箔、铜箔和隔膜材料)以及能耗与相关碳排放。其中,破碎和研磨环节占据回收过程能耗的主要部分,进而导致显著碳排放。然而,目前大多数研究局限于改进单一单元操作性能,对整体工艺中各设备的互联与集成优化关注不足。工业实践中普遍采用的简单预处理配置(如破碎机-锤磨机-振动筛串联)难以充分考虑工艺交互作用,也未能充分发挥设备优化布置的效益。因此,系统性地定量评估不同破碎机、研磨机和筛分组合下的实际能耗、碳排放、黑粉回收率和材料纯度,对开发优化的机械处理工艺具有重要意义。
## 二、主要技术方法概述
本研究使用的退役电池电芯为SK On有限公司(韩国)2022年生产的电动汽车用袋式电芯,平均重量880 g,采用LiNi?Mn?Co?????O?(NMC)正极化学体系,正极粘结剂为聚偏氟乙烯(PVDF),负极粘结剂为羧甲基纤维素(CMC)。研究采用的主要技术方法包括:(1)电池组分表征分析,通过拆解、干燥和热处理确定各组分质量占比;(2)机械处理实验,使用自制撕碎机(3.75 kW)、切割磨(T-05-CC型)和锤磨机(TOP-10-H型)及振动筛(CSTS-600-3型)进行多级处理;(3)实时能耗监测,在每台设备主电源线上安装符合IEC 62053-22标准的数字电能表(Accura 2300S,精度±0.5%),以1秒间隔连续记录功率数据;(4)材料表征,采用电感耦合等离子体原子发射光谱法(ICP-AES)测定Ni、Co、Mn、Al和Cu元素含量,碳硫分析仪测定碳含量,扫描电子显微镜-能谱仪(SEM-EDS)分析颗粒形貌与元素分布;(5)碳排放评估,依据韩国电网排放因子0.4594 kg CO?/kWh计算碳排放量。
## 三、研究结果
### 3.1 电池电芯组分分析
拆解分析表明,袋式电芯壳体仅占2.2 wt.%,显著低于此前研究中圆柱形和方形电芯的报道值。黑粉(正极活性材料36.8 wt.%与负极活性材料28.5 wt.%之和)占总质量的65.3 wt.%,明显高于第一代电动汽车电池拆解研究报道的55%–57%。这表明所用电芯为较新的制造产品,设计上更注重最大化正负极活性材料负载以提升性能,同时降低壳体等辅助组件的相对重量。
### 3.2 单体机械处理性能
粒径分布分析揭示了各设备的差异化处理特性。撕碎机叶片间距50 mm,约20%材料达到1 mm以下目标粒径,超过50%材料仍大于5.6 mm。切割磨配备20 mm出料筛网,约40%材料达到目标粒径。锤磨机采用最严格的10 mm出料筛网,约50%材料达到1 mm以下粒径,但隔膜材料在筛网处发生严重堵塞,导致过度处理和非目标组分与黑粉难以区分。
实时能耗监测显示,撕碎机能耗最稳定,基线功率0.390 kW,有效破碎时间约4秒;切割磨基线功率0.747 kW,有效破碎时间41秒;锤磨机基线功率0.490 kW,但处理时间长达289秒,且伴随严重的筛网堵塞问题。锤磨机筛网堵塞主要归因于冲击破碎机制与隔膜材料物理特性的不兼容:轻质隔膜缺乏足够的密度和脆性,在锤击下倾向于偏转而非断裂,导致能量耗散不良并在筛网孔周围积聚。
粒径分级组分分布分析确认了355 μm作为关键分离阈值的普遍适用性。在此阈值以下,负极材料浓度维持在65%以上且铝污染较低;超过355 μm后,铝、铜杂质浓度急剧上升。SEM-EDS分析进一步证实大于355 μm的粒级中检测到较高浓度的Cu和Al颗粒。
### 3.3 机械处理工艺配置方案
基于对能耗瓶颈的认知,研究人员设计了四种工艺配置方案:Case A为完全顺序处理(撕碎机→切割磨→锤磨机→筛分);Case B在锤磨前设置中间筛分(撕碎机→切割磨→筛分→锤磨机→筛分);Case C在撕碎机后实施早期筛分(撕碎机→筛分→切割磨→锤磨机→筛分);Case D在多个处理阶段均设置筛分(撕碎机→筛分→切割磨→筛分→锤磨机→筛分)。
### 3.4 机械处理工艺能耗评价
切割磨运行中,Case A和Case B在相同条件下消耗0.94 Wh/电芯(处理时间41秒,进料850 g),而Case C和Case D通过预筛分优化进料,仅需0.75 Wh/电芯(处理时间23秒,进料395 g),能耗降低20%,处理时间缩短44%。
锤磨机运行性能受筛网堵塞影响显著。Case A因严重筛网堵塞需289秒并消耗17.20 Wh/电芯;Case B通过预筛分去除隔膜,处理时间降至159秒,能耗降至1.29 Wh/电芯(较Case A降低92%);Case C尽管实施了早期筛分,但因锤磨前未有效去除隔膜,仍出现严重堵塞,耗时275秒,能耗12.50 Wh/电芯;Case D通过双重筛分实现最优性能,仅需52秒和0.25 Wh/电芯。阻塞与未阻塞筛网条件相比,处理时间差异高达5倍,能耗差异超过68倍。
物料流分析揭示了能耗效率由锤磨机进料质量而非数量决定的关键机制。Case D虽处理了61.8%的电芯材料(约544 g/电芯),远高于Case B的33%(约290 g/电芯),但其单位进料质量比能耗约0.46 Wh/kg,比Case B的4.45 Wh/kg低约9.7倍。这是因为Case B的锤磨机进料为抵抗粉碎的残余物,富含延展性箔材和隔膜碎片;而Case D的进料包含仍含可解离电极材料的中间粒级,部分进料无需进一步粉碎即可通过出料筛网。Case D锤磨机产出的黑粉量约为Case B的4.3倍,而能耗仅为后者的约五分之一。
按吨计能耗换算显示,Case A需21.52 kWh/吨,而Case D仅需2.05 kWh/吨,两者相差约10.5倍。Case D的能耗水平与Wuschke等人报道的完整电芯解离比能耗(约4.5 kWh/t)处于同一数量级且更低,验证了实测值的合理性。
### 3.5 工艺配置对比分析
四种配置的综合性能对比如下:Case A总能耗18.95 Wh/电芯(21.52 kWh/吨),碳排放9.68 kg CO?/吨,黑粉纯度94.24%,回收率54.65%,存在严重筛网堵塞;Case B总能耗3.04 Wh/电芯(3.45 kWh/吨),碳排放1.55 kg CO?/吨,纯度95.21%,回收率50.01%,无堵塞;Case C总能耗14.06 Wh/电芯(15.96 kWh/吨),碳排放7.18 kg CO?/吨,纯度94.72%,回收率55.74%,存在筛网堵塞;Case D总能耗1.81 Wh/电芯(2.05 kWh/吨),碳排放0.92 kg CO?/吨,纯度94.97%,回收率53.52%,无堵塞。
杂质分析显示,Case A总杂质含量最高(5.76%),其中隔膜杂质占4.17%;Case B杂质控制最佳(4.79%),隔膜含量降至3.16%。铝、铜杂质在所有配置中保持低水平(铝0.87%–1.07%,铜0.51%–1.07%),证实粒径分级分离策略在限制金属杂质方面的有效性。
## 四、讨论与结论
研究证实,机械处理早期阶段隔膜的保留是导致过度能耗的主要原因。积聚的隔膜在冲击破碎过程中引起筛网堵塞,导致运行效率降低和能耗增加。相比之下,振动筛的功率消耗显著低于撕碎机、切割磨和锤磨机,筛分过程中的额外功率需求可忽略不计(低于0.005 kW),因此多级筛分的引入不会显著增加预处理工艺的总能耗。
通过采用多级筛分配置策略性调整物料流,确保隔膜及时去除,有效缓解了这一瓶颈问题。该方案实现了能耗降低一个数量级,同时保持了高材料回收率,凸显了优化预处理物料流可显著提升整体工艺效率和环境可持续性。Case D被确立为可持续电池回收的最佳工艺路线,兼具优异的能量效率与均衡的材料回收率及产品纯度。未来研究应在连续中试条件下评估该方法的可扩展性,推动电池回收的绿色工业化进程。