بازیافت باتری‌های لیتیوم-یون مصرف شده

بررسی جامع برای شناسایی چالش­‌های اصلی و روند تحقیقات آینده

چکیده

مرجع پلیمر در بازار ایران (پلیم پارت) : با توسعه سریع وسایل نقلیه الکتریکی، دفع باتری­‌های لیتیوم-یون از کارکرده یک چالش بزرگ برای مدیریت زباله براساس معیارهای قابل اعتماد، کارایی و پایداری آنها می‌­باشد. اکثر مطالعات برای به حداقل رساندن آلودگی زیست محیطی و درعین حال به حداکثر رساندن سود اقتصادی متمرکز شده­ است. با این­‌حال مطالعات هنوز مساعد برای معیارهای مختلف قابل اعتماد، کارایی و پایداری است که این موارد برای بازیافت باتری­‌های لیتیوم -یون مصرف شده (SLIBs) بسیار ضروری هستند. برای این منظور در این مقاله مروری جامع بر روش­‌های موجود، مسائل کلیدی و­ چالش‌­های فنی در زمینه بازیافت ­SLIBها ارائه گردیده است. سهم قابل توجهی از این‌­کار متعلق به توضیح سیستماتیک فرآیند پیش تصفیه، فرآیند شستشو، فرآیند تصفیه شیمیایی و کاربرد­های صنعتی می­‌باشد. درنهایت فرصت­‌های تحقیقاتی آتی و بینش‌­های مدیریتی در زمینه بازیافت SLIB، درحین بحث­‌های بازیافت هوشمند و پایدار SLIBها مورد بررسی قرار­ می­‌گیرد.

نتیجه گیری و محدودیت‌­ها

از کار­‌افتادگی قریب‌­الوقوع باتری­‌های لیتیوم – یون (LIBs[1]) در مقیاس بزرگ بیانگر این است که توسعه روشی، برای چرخه ایمن و سازگار با محیط زیست برای باتری های LIB امری ضروری می­باشد. بازیافت به‌­عنوان یکی از امیدوارکننده‌­ترین روش­‌های دفع، می‌­تواند ارزش مازاد LIB­های کارکرده را در‌­‌‌عین توجه به معیارهای قابلیت اطمینان، کارایی و پایداری، به حداکثر برساند. این مقاله بینش‌­های مفیدی را درمورد آخرین پیشرفت‌­های تحقیقاتی در ­زمینه بازیافت باتری‌­های لیتیوم – یون مصرف شده (SLIBs[2]) ارائه می‌­دهد. روش‌­های موجود، مشکلات و چالش‌­های مربوط به پیش تصفیه، شستشو، تصفیه و کاربرد­های صنعتی در این بررسی ارائه گردیده است. این مقاله همچنین برخی از جهت‌­ها و گرایش‌­های کلیدی پژوهشی را با هدف الهام بخشی به محققان و دست‌­اندرکاران این زمینه پیشنهاد­ می‌­دهد. تدوین قوانین بازیافت SLIB­ها، آیین نامه­‌ها، زنجیره‌­های صنعتی، سیستم مدیریت هوشمند و سایر جنبه‌­های بازیافت ­LIBها می­تواند روند بازیافت را استاندارد نماید، جمع‌­آوری ایمن را تضمین نماید، از محیط زیست محافظت کند، منابع را ذخیره نموده و سودآوری را افزایش دهد.

اگرچه این مقاله یک بررسی گسترده و جامع درمورد بازیافت SLIB­ها ارائه داده است اما محدودیت‌­هایی وجود دارد که می­‌توان در بررسی متون دیگر به آن پرداخت. اول از همه چهارچوب‌­های تصمیم‌­گیری زیادی[1-3] برای بازیافت SLIB­ها وجود دارد که می­‌توان آنها را در متون دیگر مقایسه و تحلیل نمود. درنظر­ گرفتن تاثیر همه‌­گیری Covid-19 بر بازیافت SLIB­ها می‌­تواند موضوع جالب دیگری برای این بررسی باشد [4]. در­نهایت توسعه فراابتکاری و دانش ماشین‌­آلات به نفع بسیاری ­از مطالعات در بازیافت SLIBها می­‌باشد که این امر منجر به ارائه پیشنهاد پیش­‌بینی عملی­ و روش­‌های بهینه‌­سازی در این زمینه گردیده است[5-8] .

[1] Lithium – ion batteries

[2] Spent lithium-ion batteries

 ترجمه و ویرایش : شیرین میران موسوی

هانیه میران موسوی

Main reference

Tian G, Yuan G, Aleksandrov A, Zhang T, Li Z, Fathollahi-Fard AM, Ivanov M. Recycling of spent Lithium-ion Batteries: A comprehensive review for identification of main challenges and future research trends. Sustainable Energy Technologies and Assessments. 2022; Oct 1; 53:102447.

Other references

[1] Hu XS, Zheng YS, Howey DA, et al. Battery warm-up methodologies at subzero temperatures for automotive applications: recent advances and perspectives. Prog Energy Combust Sci 2020; 77:100806.

[2] Yuan G, Yang Y, Tian G, Fathollahi-Fard AM. Capacitated multi-objective disassembly scheduling with fuzzy processing time via a fruit fly optimization algorithm. Environ Sci Pollut Res 2022; 22:18883.

[3] Mohammad MS, Mehran A, Zahra K, et al. Bio-recovery of municipal plastic waste management based on an integrated decision-making framework[J]. J Ind Eng Chem 2022;108(25):215–34.

[4] Moosavi J, Fathollahi-Fard AM, Dulebenets MA. Supply chain disruption during the COVID-19 pandemic: recognizing potential disruption management

strategies. Int J Disaster Risk Reduct 2022; 102983.

[5] Tian G, Liu Y, Ke H, Chu J. Energy evaluation method and its optimization models for process planning with stochastic characteristics: A case study in disassembly decision-making. Comput Ind Engg 2012; 63:553–63.

[6] Ke H, Liu H, Tian G. An uncertain random programming model for project scheduling problem. Int J Intell Syst 2015; 30:66–79.

[7] Tian G, Zhang H, Feng Y, et al. Operation patterns analysis of automotive components remanufacturing industry development in China. J Cleaner Prod 2017; 164:1363–75.

[8] Yu H, Dai H, Tian G, et al. Key technology and application analysis of quick coding for recovery of retired energy vehicle battery. Renew Sustain Energy Rev 2020; 135:110129.