《Waste Management》:Quantifying transfer coefficients in battery recycling routes for material flow analysis: current state and future scenarios
编辑推荐:
研究人员针对不同电池类型推导了路线特定的转移系数(transfer coefficient, TC);开发了5条不同的锂离子电池(lithium-ion battery, LIB)回收路线;生成了2010年至2050年间36,358个情景就绪的转移系数数值;在
研究人员针对不同电池类型推导了路线特定的转移系数(transfer coefficient, TC);开发了5条不同的锂离子电池(lithium-ion battery, LIB)回收路线;生成了2010年至2050年间36,358个情景就绪的转移系数数值;在当前实践下,火法冶金路线的锂回收率仅为0%–10%;钴、镍和铜的回收率已接近90%–95%的监管阈值。
研究背景与问题
全球各类电池需求快速上升,锂离子电池(LIB)是主要增长来源。欧盟市场电池投放量预计从2025年的约3.3 Mt增至2050年的8.4 Mt,而现有回收能力不足以处理预测的78%以上寿命终止LIB。转移系数(TC)是物质流分析(MFA)中参数化过程输入—输出质量分配的核心参数。然而,现有文献在范围、分辨率和政策关联上碎片化:生命周期评价和工艺评价很少报告可跨研究使用的统一分步TC;敏感性分析未提供多路线、多化学体系参数集;综述类文献未给出定量质量平衡;MFA和城市矿山研究继承了报告不一致性。既有研究未将LIB和传统电池化学体系的路线特定TC与前瞻情景及欧盟法规(EU 2023/1542和EU 2025/606)显式映射,本研究旨在填补这一空白。
关键方法
研究人员通过文献综述收集定量质量平衡数据,按实验室(L)、中试(P)、工业(I)、综述(R)级别分类,采用统一TC模板推导路线特定TC;界定5条LIB回收路线(火法冶金-湿法冶金、热解-机械预处理-湿法冶金、仅机械、热解-机械预处理-火法-湿法、直接回收)及传统路线;构建Python回收模型,生成2010–2050年36,358个TC值;设置BAU、REC、CIR三个情景,依欧盟法规目标后向推算;采用±5%–±20%启发式不确定度传播,并用结构分解区分路线组成效应与效率效应。
主要研究结果
3.1 基于情景的LIB回收路线分布
基于已公布工厂产能和估计技术轨迹,2024年仅机械处理路线(路线3)约占处理份额80%。BAU情景下,路线3到2050年降至29%,路线2到2040年增至70%;REC情景下路线3到2050年降为零,路线2达90%,路线5增至8%。
3.2 路线与元素特定回收率
对路线1、2、4与法规目标的技术回收率比较显示,OBS 2024基线中路线4的锂回收率为0%、钴为64%。BAU和REC值反映了为满足法规目标所需的TC改进,非监管元素的回收率来自模型设定。
3.3 电池回收技术的转移系数
3.3.1 LIB回收技术的转移系数
Python计算得到36,358个TC值并公开。路线1采用火法冶金得到Co-Ni-Cu-Fe合金和含锂、铝、锰的渣;路线2黑粉(black mass)经湿法冶金处理;路线3仅产生黑粉;路线4结合火法冶金与渣湿法冶金;路线5为磷酸铁锂(LFP)直接回收。
3.3.2 传统电池回收技术的转移系数
锌基电池经Waelz窑热回收和电积,铅酸电池经破碎、熔炼、精炼,镍镉(NiCd)电池经真空蒸馏,镍氢(NiMH)电池在REC情景下增加湿法冶金步骤回收稀土元素(REE)。
3.4 系统级回收率的驱动因素:组成与效率