综述：锂离子电池回收的关键预处理技术：综述

《Journal of Energy Storage》：Critical pretreatment technologies for recycling lithium-ion batteries: A review

　　

摘要

退役锂离子电池（LIBs）的回收对于建立资源循环体系和实现现代社会的可持续发展至关重要。作为电池退役与资源再生之间的关键环节，预处理阶段直接影响后续梯次利用和材料回收流程的安全性、经济可行性和资源再利用效率。本文综述了退役锂离子电池的三种预处理技术：剩余容量评估、一致性分拣和放电处理。剩余容量评估部分详细阐述了电池荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）的诊断方法，并强调了这些方法在解决容量估算技术挑战方面所作出的贡献。一致性分拣部分比较了多种分类策略，涵盖静态参数阈值筛选、动态特征曲线聚类、电化学阻抗谱特征提取和数据驱动智能分类，并分析了它们在克服一致性分拣技术挑战中的作用。放电处理部分概述了物理方法和化学方法的技术类别、特点及适用范围，并评估了它们在解决放电相关技术困难方面的有效性。此外，本文还阐明了这三种预处理技术在支持退役锂离子电池两条再生路径中的协同机制，并引入技术就绪度（TRL）分析，以区分不同预处理技术的学术潜力与工业实践性，为未来技术迭代和产业化转化提供层次化的实用指导。本文提出的关键见解有望推动退役锂离子电池回收预处理技术的发展。

引言

在全球低碳转型和可持续发展战略持续推进的背景下，可再生能源产业正经历革命性突破。锂离子电池（LIBs）凭借其优异的能量密度、较长的循环寿命和低自放电特性，已被广泛应用于电动汽车驱动系统、智能电网储能装置和便携式电子设备等关键领域[1]、[2]、[3]、[4]、[5]、[6]。然而，随着产业规模的指数级扩张，第一代商业化部署的锂离子电池正逐步进入退役阶段。研究表明，2030年将成为退役锂离子电池资源回收的关键节点[7]、[8]、[9]。

退役锂离子电池的回收在多个维度上具有重要意义[10]、[11]、[12]、[13]、[14]、[15]。从资源节约的角度看，这些电池中含有锂、钴和镍等战略价值金属元素，其中大多数是不可再生资源，地质储量有限。对锂离子电池进行系统化回收，能够高效提取和再利用关键金属，从而减少对原生矿产资源的依赖，缓解供需紧张局面，促进物质循环。在环境保护方面，退役锂离子电池的不当处置可能导致有害物质（包括重金属和有机溶剂）通过土壤和水体污染造成严重生态污染，此外还存在电解液泄漏和短路引发火灾的风险。科学的回收流程可以降低这些环境风险，最大限度减少生态系统损害，并支持绿色可持续发展目标。在经济层面，退役锂离子电池回收创造了新的产业增长机遇，带动就业，并通过材料回收降低新电池的生产成本。具体而言，如图1所示（以电动汽车电池为例），电池在完成其使用寿命后进入回收阶段，符合梯次利用标准的电池将被重新用于其他领域的二次应用，不适合梯次利用的电池则进入涉及破碎和资源提取的材料回收流程，从而最大化其残余价值，实现电池全生命周期的闭环资源流。

世界各国政府正在积极建立退役锂离子电池的可持续回收和处置体系。欧盟在其循环经济行动计划和欧洲绿色协议框架下引入了新的电池法规[16]，美国和加拿大实施了联合监管框架，并辅以自愿性产品 stewardship 项目[17]、[18]、[19]。日本和韩国作为领先的电池制造国，颁布了全面的立法措施以确保负责任的资源管理[20]、[21]。同样，中国也颁布了一系列政策法规，规定了可再生能源车辆回收动力电池的管理要求，包括生产者责任延伸制度、回收网络基础设施建设、梯次利用规程和材料回收标准，从而推动退役锂离子电池的可持续发展[22]、[23]。

实现退役锂离子电池的高效高质量回收，需要发展关键的预处理技术，包括剩余容量评估、一致性分拣和放电处理，以实现有效的电池预处理。这些技术支撑后续的梯次利用和材料回收作业，协同提升回收流程的整体效率和经济可行性[24]、[25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]。

锂离子电池的渐进式和系统性退化发生在三个层级。在单体层面，退化源于电极材料的结构退化和界面反应失衡[33]、[34]、[35]，导致锂离子嵌脱效率降低、内阻增大、容量衰减，以及锂枝晶生长带来的潜在安全风险。模组层面的退化涉及单体间性能差异的累积放大效应[36]、[37]、[38]，制造公差和运行条件导致单体参数出现偏差，这种不一致性在串联/并联配置中产生"木桶效应"，使模组可用容量低于其组成单体的最小值，并加速局部老化。电池包层面的退化反映了系统级复合失效[39]、[40]、[41]、[42]、[43]、[44]，包括接触电阻增大、热管理性能下降、机械松动以及电池管理系统（BMS）补偿能力减弱，共同加速性能退化。

这种多层级退化使退役电池包不适合直接复用，必须依赖两条核心再生路径：梯次利用和材料回收。梯次利用侧重于通过筛选、重组和匹配对残余价值进行二次开发，以促进储能等应用[45]、[46]、[47]、[48]、[49]。材料回收则以拆解、净化和回收为核心，提取钴、镍和锂等战略金属资源[50]、[51]、[52]。两条路径的有效实施都高度依赖于关键的预处理作业，这些作业需要能够准确评估电池残余价值、高效分组兼容单体，并确保操作的安全性和环境友好性。因此，退役锂离子电池的预处理包含三项核心技术：剩余容量评估、一致性分拣和放电处理。图2展示了三种技术与两条再生路径之间的支撑关系。然而，预处理技术在实际应用中面临多重挑战，具体如下：

（1）剩余容量评估：准确的剩余容量评估是确定退役锂离子电池再生路径的关键依据。通常，当电池容量衰减至初始值的一定百分比时，从电动汽车退役并转入梯次利用；随后在容量进一步衰减至更低阈值后，转向材料回收[10]、[11]、[12]、[13]、[14]、[27]、[53]。因此，对处于不同老化状态下的电池进行快速、无损、高精度的容量评估至关重要。然而，实现这一目标面临若干技术挑战：

（i）高精度评估的工程适用性局限：尽管基于完整充放电循环的实验室容量测试可提供基准精度，但其耗时和能耗的特点与退役电池大规模评估需求从根本上相矛盾，制约了工业部署效率。

（ii）复杂退化机制和多模态数据采集障碍：电化学老化过程中的耦合多物理场效应阻碍了通过外部电参数直接表征内部状态，而覆盖全生命周期退化模式的高质量数据集匮乏，进一步阻碍了高精度间接评估模型的开发。

（iii）异构电池群体中的跨场景适应性不足：电池化学体系、历史运行条件和退化路径的高度变异性导致现有模型在退役电池强异构性下泛化能力不足，损害了其在不同应用场景中的鲁棒性。

（2）一致性分拣：梯次利用要求电池单体在容量、内阻和电压等关键参数上保持高度一致性。不一致可能导致过充、过放、电池管理系统（BMS）过载，甚至热失控风险[54]、[55]。尽管材料回收对电化学一致性的要求较低，但基于化学成分或物理形态的批量分拣可以显著提高后续浸出或冶金过程的效率，并提升产品纯度。因此，退役锂离子电池的高效自动化分拣至关重要。然而，若干技术挑战阻碍了其实现：

（i）多参数耦合与非线性相关关系的量化困难：电池参数在老化过程中呈现强非线性耦合关系，基于单一指标的分拣无法捕捉其相互作用，使得电化学一致性的准确评估变得困难。

（ii）内部状态重构的数据限制：工业分拣场景仅提供稀疏的表面数据，无法直接测量内部老化状态，导致分拣决策的信息不完整。

（iii）异构老化路径下的模型适应性不足：退役电池因服务历史、环境条件和化学体系的显著差异而表现出高度异构的老化路径，这种多样性使大规模复杂样本集的自适应处理变得复杂，从而限制了分拣精度和效率。

（3）放电处理：放电处理是再生路径的安全前提。在梯次利用中，释放残余电荷有助于防止重组电池系统中因电压不平衡引起的过充或过放风险，从而确保运行安全。对于材料回收，放电是拆解和破碎等物理处理前的必要安全步骤，有效缓解电池残余能量引发的短路、火灾和爆炸风险[56]。因此，开发兼具低能耗、高效率和环境友好性的放电技术是实现退役电池大规模安全处理的基础。然而，当前放电技术面临三项挑战：

（i）能耗控制与放电效率之间的权衡：现有技术难以在保证低能耗的同时实现高处理速率，限制了其在大规模操作中的适用性。此外，能量耗散过程中均匀性控制不足可能导致局部过热等安全隐患。

（ii）二次污染防控的技术局限：某些放电过程会产生腐蚀性电解液或有毒化学副产物，对这些物质的有效控制和无害化处理增加了技术难度和环境管理复杂性。

（iii）异构老化电池的泛化挑战：退役电池不同的老化状态导致强非线性的电荷释放动力学，现有放电技术难以适应高度异构的电池群体，难以确保不同退化程度电池的同时和完全放电。

图3总结了三种预处理技术面临的关键挑战，解决这些挑战对于实现退役锂离子电池的梯次利用和材料回收至关重要。后续章节将围绕这些技术挑战进行文献综述，考察现有的应对方法，分析其潜在价值，并评估不同方法的相对优势和局限性。

近年来，已有若干关于退役锂离子电池回收不同方面的高质量综述发表。例如，Tao等人[57]、Li和Xue[58]以及Zhao等人[59]、[60]系统总结了荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）的估算方法。Wang等人[62]提供了一致性分拣技术的详细概述。Kang等人[56]聚焦于放电处理方法。此外，Li等人[10]、[11]、[12]、[13]从复用的角度讨论了电池回收的关键技术。然而，文献中仍存在一个关键且明确的知识空白。目前尚无系统性的综述专门探讨三项核心预处理技术——剩余容量评估、一致性分拣和放电处理——之间的协同相互依赖关系。现有的大多数综述单独讨论这些技术，即使在同一篇论文中提到多项技术，也未能分析其内在联系、相互依赖关系，以及它们如何共同支撑梯次利用和材料回收的双重再生路径。这种孤立视角限制了研究人员和从业者从整体上优化整个预处理链。

为填补这一空白，本综述的主要贡献在于将剩余容量评估、一致性分拣和放电处理整合在一个统一的协同分析框架下。与现有综述不同，本综述不仅展示了每项技术的方法学进展，还批判性地分析了它们的协同机制，并明确阐述了这三项技术如何共同支撑梯次利用和材料回收两条主要再生路径。通过这种整合视角，本综述为读者提供了全面理解和优化退役锂离子电池预处理过程的新视角。同时，本综述运用技术就绪度（TRL）概念评估预处理技术，从而在统一的成熟度标尺上区分不同方法的实验室研究价值与工业部署潜力。

本应用为后续的学术研究及产业转化提供了针对性的分级指导。本文其余部分组织如下。第2节深入探讨了与剩余容量评估相关的技术挑战，该过程围绕三个核心参数展开：SOC、SOH和RUL。本节系统阐述了关于这些参数估算方法的研究，并讨论了其对解决相关挑战的积极影响。第3节聚焦于一致性筛选的技术挑战，回顾了静态和动态分级策略、基于电化学的分级方法以及数据驱动的分级模型。第4节涉及放电处理中的技术挑战，评估了当前物理和化学放电技术的分类及其反应机理。第5节分析了这三种预处理技术之间的相互关联，并探讨了其未来研究方向。最后，第6节给出了结论。

为确保本综述的系统性和透明度，文献检索和选择流程已明确界定。检索主要在Web of Science、Scopus、Google Scholar和EI Compendex数据库中进行。关键词组合策略如下：（"退役电池"或"锂电池"或"LIB"或"锂离子电池"）与（"回收"或"预处理"或"容量评估"或"SOC"或"SOH"或"RUL"或"分级"或"放电"）。时间范围主要聚焦于近五年（2020—2025年），以确保所综述方法的时效性。文献类型主要包括同行评审期刊文章和高影响力会议论文，而预印本、技术报告和专利未纳入本综述范围。在文献优先排序方面，遵循以下原则，优先考虑：（1）提供定量实验对比的研究；（2）该领域内引用次数较高的论文；（3）直接针对本综述第1.2节所定义技术挑战的工作。需要指出的是，本综述并非严格意义上的系统综述，但上述方法论足以确保文献覆盖的合理性、代表性和可追溯性。

**核心参数：剩余容量评估的关键要素**

精确掌握电池关键状态参数对于应对剩余容量快速、无损、高精度评估的核心需求至关重要，同时有助于克服复杂老化表征、模型泛化能力不足和数据稀缺等挑战。SOC、SOH和RUL共同构成了评估退役锂离子电池剩余容量的基本参数三元组[3]、[4]、[5]、[6]、[40]、[41]、[42]、[43]、[44]、[64]。SOC作为实时动态……

**退役锂离子电池的不一致性分析**

退役锂离子电池的不一致性源于其整个生命周期中的结构和性能差异[3]、[4]、[5]、[6]、[61]、[62]、[63]、[198]。电池包级配置造成充放电速率和热条件差异，导致电解液分层消耗和副反应不均。模块级层面，机械应力和热不均匀性加速了电芯间容量衰减和阻抗增长的差异。电芯级不一致性源于……

**放电处理的必要性及其技术挑战**

放电处理过程通过物理或化学方法去除退役锂离子电池中的残余电荷。这消除了电化学电位，并降低了后续复用或材料回收过程中的风险。关键参数包括放电速率、放电深度、温度均匀性和能耗效率，这些参数直接影响安全性和经济性。从安全角度看，彻底放电可防止电压失配和反向电流，从而避免……

**三种预处理技术之间的相关性分析**

退役锂离子电池的三种预处理技术形成了一个紧密协同的支撑体系，服务于梯次利用和材料回收两种路径。它们共同提升了整个资源再生过程的安全性和经济性。在梯次利用场景中，剩余容量评估首先识别出具有高价值、符合复用要求的电池，一致性筛选随后优化分组，确保电芯间电化学参数平衡。这……

**结论**

预处理技术在退役锂离子电池回收过程中发挥着关键作用，连接了退役和资源再生阶段。这些技术提升了后续梯次利用和材料回收过程的安全性、经济性和效率。本综合综述考察了三种核心技术的最新进展：剩余容量评估、一致性筛选和放电处理，并系统评估了它们的进步情况……

**CRediT作者贡献声明**

Yu Zhu：撰写初稿、可视化、验证、资源获取、方法论、调查研究、数据管理、概念化。Weidong Li：撰写评审与编辑、撰写初稿、验证、监督、项目管理、方法论、正式分析、概念化。Jinxu Yang：撰写初稿、可视化、资源获取、调查研究。Yiming Gu：撰写初稿、可视化、验证、调查研究。Wei Luo：撰写评审与编辑。

**利益冲突声明**

作者声明不存在利益冲突。资助方未参与研究设计、数据收集、分析与解释、稿件撰写，也未参与发表结果的决策。

**致谢**

作者 gratefully 感谢国家自然科学基金（项目编号：51975444和52505609）、中国科技部（项目编号：G2022013009）以及上海市科学技术委员会（项目编号：23010503700）的财务支持。

Yu Zhu|Weidong Li|Jinxu Yang|Yiming Gu|Wei Luo|Jinhua Xiao

上海理工大学机械工程学院，中国上海