[go: up one dir, main page]

CN119601816A - 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法 - Google Patents

梯级热解法回收废旧锂电池中钴酸锂正极材料的方法 Download PDF

Info

Publication number
CN119601816A
CN119601816A CN202411721718.XA CN202411721718A CN119601816A CN 119601816 A CN119601816 A CN 119601816A CN 202411721718 A CN202411721718 A CN 202411721718A CN 119601816 A CN119601816 A CN 119601816A
Authority
CN
China
Prior art keywords
temperature
level
pyrolysis
time
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202411721718.XA
Other languages
English (en)
Other versions
CN119601816B (zh
Inventor
殷晓飞
李智
王怀栋
蔡璐
丁江浩
董�成
吴丹
何松良
张富蓉
徐国富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Houfeng New Energy Co ltd
Original Assignee
Changzhou Houfeng New Energy Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changzhou Houfeng New Energy Co ltd filed Critical Changzhou Houfeng New Energy Co ltd
Priority to CN202411721718.XA priority Critical patent/CN119601816B/zh
Publication of CN119601816A publication Critical patent/CN119601816A/zh
Application granted granted Critical
Publication of CN119601816B publication Critical patent/CN119601816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
    • B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
    • B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
    • B09B3/40—Destroying solid waste or transforming solid waste into something useful or harmless involving thermal treatment, e.g. evaporation
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01G—COMPOUNDS CONTAINING METALS NOT COVERED BY SUBCLASSES C01D OR C01F
    • C01G51/00—Compounds of cobalt
    • C01G51/40—Complex oxides containing cobalt and at least one other metal element
    • C01G51/42—Complex oxides containing cobalt and at least one other metal element containing alkali metals, e.g. LiCoO2
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/30—Automatic controllers with an auxiliary heating device affecting the sensing element, e.g. for anticipating change of temperature
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/54—Reclaiming serviceable parts of waste accumulators
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M4/00—Electrodes
    • H01M4/02—Electrodes composed of, or comprising, active material
    • H01M4/36—Selection of substances as active materials, active masses, active liquids
    • H01M4/48—Selection of substances as active materials, active masses, active liquids of inorganic oxides or hydroxides
    • H01M4/52—Selection of substances as active materials, active masses, active liquids of inorganic oxides or hydroxides of nickel, cobalt or iron
    • H01M4/525—Selection of substances as active materials, active masses, active liquids of inorganic oxides or hydroxides of nickel, cobalt or iron of mixed oxides or hydroxides containing iron, cobalt or nickel for inserting or intercalating light metals, e.g. LiNiO2, LiCoO2 or LiCoOxFy
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
    • B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
    • B09B2101/00—Type of solid waste
    • B09B2101/15—Electronic waste
    • B09B2101/16—Batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/84—Recycling of batteries or fuel cells

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Inorganic Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Manufacture And Refinement Of Metals (AREA)

Abstract

本发明公开了梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，涉及电池正极回收技术领域，通过对废旧锂电池在一级热解温度范围内，根据一级温度调节公式进行实时调节，获得一级产物，对一级产物在二级热解温度范围根据二级温度公式计算二级公式温度，并构建二级温控模型，预测二级实时预测温度；根据二级公式温度和二级实时预测温度，获得二级产物，对二级产物在三级热解温度范围按照三级温度公式计算三级公式温度，并构建三级温控模型，预测三级实时预测温度，根据三级公式温度和三级实时预测温度，获得钴酸锂产物，提高了钴酸锂正极材料的纯度和电化学性能，同时减少能源消耗。

Description

梯级热解法回收废旧锂电池中钴酸锂正极材料的方法
技术领域
本发明涉及电池正极回收技术领域，具体是梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
背景技术
随着新能源汽车和便携式电子设备的快速发展，锂离子电池的使用量急剧增加。其中，钴酸锂(LiCoO2)作为一种常见的正极材料，在废旧锂电池中占有相当大的比例。传统的回收方法主要包括火法冶金和湿法冶金：
火法冶金：优点：工艺简单，可处理大批量电池。缺点：能耗高，会产生有害气体，金属回收率低。
湿法冶金：优点：金属回收率高，产品纯度好。缺点：使用大量化学试剂，产生二次污染，成本高。
但这些传统方法存在能耗高、环境污染和成本高等问题，难以满足可持续发展的需求，因此目前推荐使用的是梯级热解的方法进行回收；
而梯级热解法回收废旧锂电池中的钴酸锂正极材料过程中，温度的精确控制至关重要。每一热解阶段中的化学反应对于温度极为敏感，稍有偏差就可能导致粘结剂和有机物未完全去除、钴还原不充分、或重结晶化不均匀，进而影响最终材料的纯度和电化学性能。在现有的热解工艺中，通常依赖传统的温度控制方式，如预设温度曲线和简单的反馈控制。然而，这些方法往往难以适应多变的原料特性和复杂的反应过程，导致系统对气体浓度、氧气变化和产物质量反馈的响应不够及时。由于各阶段反应的非线性特性强、反应速率变化快，仅凭简单的预设和实时控制，常出现温度波动频繁、过度调节或滞后调节等问题，最终影响产物的质量稳定性和工艺能耗。
授权公告号为CN112607787B的中国专利公开了一种钴酸锂高铁料回收利用的方法，包括以下步骤：(1)将钴酸锂高铁料在900℃～1100℃烧结5h～30h，将烧结后的钴酸锂高铁料粉碎、分级，得到钴酸锂产品；(2)将钴酸锂产品与钴化合物混合均匀，得到混合均匀的钴酸锂物料；(3)将混合均匀的钴酸锂物料在800℃～1100℃烧结5h～30h，将烧结后的混合均匀的钴酸锂物料进行破碎、分级，得到包覆后的钴酸锂产品；然而该方法未能实现温度的精确控制。
为此，本发明提出梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，提高了钾酸钴正极材料的纯度和电化学性能，同时减少能源消耗。
为实现上述目的，提出梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，包括以下步骤：
步骤一：对废旧锂电池在一级热解温度范围进行一级热解，其中一级热解的实时温度根据一级温度调节公式进行实时调节，获得一级产物；
步骤二：对一级产物在二级热解温度范围进行二级热解；对二级热解过程根据二级温度公式计算二级公式温度，并构建二级温控模型，预测二级实时预测温度；根据二级公式温度和二级实时预测温度，按照二级温度调节公式进行实时调节，获得二级产物；
步骤三：对二级产物在三级热解温度范围进行三级热解，对三级热解过程按照三级温度公式计算三级公式温度，并构建三级温控模型，预测三级实时预测温度，根据三级公式温度和三级实时预测温度，按照三级温度调节公式进行实时调节，获得钴酸锂产物；
所述一级热解温度范围的具体温度范围是[200℃，300℃]，所述一级热解使用的设备为配备温度梯度控制系统的回转窑炉，一级热解的气氛采用惰性气体；
其中，所述根据一级温度调节公式进行实时调节的方式为：
根据预设的一级初始温度、实时气体浓度和过程产物质量，构建一级温度调节公式；
所述二级热解温度范围的范围是[500℃，700℃]，所述二级热解使用的热解设备为配备精确温控系统的立式反应器，使用的热解气氛为还原性气体；
所述对二级热解过程根据二级温度公式计算二级公式温度的方式为：
根据预设的二级初始温度、一级产物质量指标以及二级气体浓度比，构建二级温度公式；
所述构建二级温控模型，预测二级实时预测温度的方式为：
所述二级温控模型选择LSTM模型；
所述二级实时预测温度的预测包括以下步骤：
步骤11：收集二级训练数据；所述二级训练数据包括二级输入样本数据和二级标签样本数据；
所述二级输入样本数据包括二级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的CO和CO2的浓度分别按时间顺序组成的对应的气体浓度时间序列、挥发性有机物的浓度按时间顺序组成的挥发浓度时间序列、二级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的气体浓度时间序列、挥发浓度时间序列和温度时间序列作为一组输入样本；
所述二级标签样本数据包括二级热解过程的历史最优回收经验中每一组输入样本对应的温度标签，所述温度标签为对应输入样本之后一个单位时间的温度值；
步骤12：对二级温控模型进行建模；
步骤13：以二级输入样本为二级温控模型的输入，以温度标签作为二级温控模型的真实温度，使用Adam优化器对二级温控模型进行反向传播训练，调整模型权重；
步骤14：按二级输入样本的数据形式，收集二级热解过程中的实际输入数据，将实际输入数据输入二级温控模型，获得二级温控模型输出的二级实时预测温度；
所述三级热解温度范围的温度范围是[800℃，1000℃]，所述三级热解使用的设备为配备快速升降温系统的管式炉，使用的气氛为氧气；
所述对三级热解过程按照三级温度公式计算三级公式温度的方式为：
根据预设的三级初始温度、一级产物质量指标、二级产物质量指标以及三级气体浓度比，构建三级温度公式；
所述构建三级温控模型，预测三级实时预测温度的方式为：
所述三级实时预测温度选择LSTM模型；
所述三级实时预测温度的预测包括以下步骤：
步骤21：收集三级训练数据；所述三级训练数据包括三级输入样本数据和三级标签样本数据；
所述三级输入样本数据包括三级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的氧气浓度按时间顺序组成的对应的氧气浓度时间序列、三级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的氧气浓度时间序列和温度时间序列作为一组三级输入样本；
所述三级标签样本数据包括三级热解过程的历史最优回收经验中每一组三级输入样本对应的三级温度标签，所述三级温度标签为对应三级输入样本之后一个单位时间的温度值；
步骤22：对三级温控模型进行建模；
步骤23：以三级输入样本为三级温控模型的输入，以三级温度标签作为三级温控模型的真实温度，使用Adam优化器对三级温控模型进行反向传播训练，调整模型权重；
步骤24：按三级输入样本的数据形式，收集三级热解过程中的三级实际输入数据，将三级实际输入数据输入三级温控模型，获得三级温控模型输出的三级实时预测温度。
提出一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
与现有技术相比，本发明的有益效果是：
本发明通过将基于公式的实时反馈控制与神经网络模型结合，实现了多层次的智能化温度调控。公式控制用于实时响应当前气体浓度和产物质量变化，确保短期内的精确调节；神经网络模型则通过历史数据的学习，预测下一时刻的最佳温度，避免系统过度或滞后调节。不同阶段的控制系统能够根据实时数据和长期趋势进行协同工作，克服传统温控系统响应滞后、波动频繁的问题。通过该方案，热解过程中的温度调节更加精准，能够适应不同批次原料和复杂的反应条件，提高钾酸钴正极材料的纯度和电化学性能，同时减少能源消耗。
附图说明
图1为本发明实施例1中梯级热解法回收废旧锂电池中钴酸锂正极材料的方法的流程图；
图2为本发明实施例1中二级实时预测温度的预测过程的流程图；
图3为本发明实施例1中三级实时预测温度的预测过程的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1所示，梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，包括以下步骤：
步骤一：对废旧锂电池在一级热解温度范围进行一级热解，其中一级热解的实时温度根据一级温度调节公式进行实时调节，获得一级产物；
步骤二：对一级产物在二级热解温度范围进行二级热解；对二级热解过程根据二级温度公式计算二级公式温度，并构建二级温控模型，预测二级实时预测温度；根据二级公式温度和二级实时预测温度，按照二级温度调节公式进行实时调节，获得二级产物；
步骤三：对二级产物在三级热解温度范围进行三级热解，对三级热解过程按照三级温度公式计算三级公式温度，并构建三级温控模型，预测三级实时预测温度，根据三级公式温度和三级实时预测温度，按照三级温度调节公式进行实时调节，获得钴酸锂产物；
其中，所述一级热解温度范围的具体温度范围是[200℃，300℃]，所述一级热解的目的是去除电极材料中的有机粘结剂(如PVDF)，一般使用的设备为配备温度梯度控制系统的回转窑炉，一级热解的气氛采用惰性气体(如氮气)保护，防止材料氧化；
其中，所述根据一级温度调节公式进行实时调节的方式为：
根据预设的一级初始温度、实时气体浓度和过程产物质量，构建一级温度调节公式；
一级热解的主要目标是去除锂电池中粘结剂和有机物，因此质量评估主要集中在残留物的去除效率，因此，所述过程产物质量为在一级热解过程中，残留物的实时去除效率；
可以理解的是，在去除有机物和粘结剂的过程中，会产生二氧化碳和一氧化碳等气体，也会产生一些残留物，因此，通过评估气体的实时生成速率和残留物的变化速率，可以评估残留物的去除效率；
优选的，所述实时去除效率的计算公式为：
其中，X为实时去除效率，Vco2为二氧化碳的生成速率，Vco为一氧化碳的生成速率，Mc为残留有机物质量，Mz为总的有机物质量；α1和α2均为预设的比例系数；
具体的，使用二氧化碳和一氧化碳的气体传感器实时监测气体的生成速率；
而使用热重分析仪(TGA)或在线光谱仪来检测一级热解过程中废旧锂电池实时的残留有机物质量变化；
进一步优选的，所述一级温度调节公式可以为：
其中，T_1为一级热解过程中的实时温度，T0为预设的一级初始温度，一般的，T0取一级热解温度范围的下限，即200℃，Cco2为二氧化碳的实时浓度，Cco为一氧化碳的实时浓度，k1和k2分别为预设的比例系数；其中二氧化碳浓度和一氧化碳浓度的比值可用于判断一级热解的反应程度，当比值趋于稳定时，表明粘结剂去除较为彻底，温度也可以保持稳定；
可以理解的是，一级温度调节公式基于实时气体浓度(如CO、CO2)的变化，能够反映有机物的分解状态。当粘结剂的去除速率发生变化时，系统能迅速调整温度，保持在最有利于去除有机物的范围，而同时监测残留物质量的偏差来控制温度，可以避免温度过高导致材料降解或过度分解，确保产物的纯度和结构完整性；
进一步的，所述二级热解温度范围的范围是[500℃，700℃]，所述二级热解的目的为还原钴酸锂中的三价钴，提高后续提取效率，使用的热解设备为配备精确温控系统的立式反应器，使用的热解气氛为还原性气体(如H2/N2混合气)；
其中，所述对二级热解过程根据二级温度公式计算二级公式温度的方式为：
根据预设的二级初始温度、一级产物质量指标以及二级气体浓度比，构建二级温度公式；
优选的，所述一级产物质量指标为一级热解过程结束后，得到的一级产物的纯度；
可以理解的是，一级热解过程的目的是清除粘结剂和有机物，因此一级产物的纯度可以表示为粘结剂和有机物的剩余量；
作为另一个优选的实施例，所述一级产物质量指标还可以为一级产物的晶体结构的完整性，即评估因长时间热解导致的钴酸锂的晶体结构的破坏程度；具体的，所述晶体结构的完整性可以通过X射线衍射(XRD)进行分析；
具体的所述二级温度公式可以为：
其中，T_2为二级热解过程中的二级公式温度，T1为预设的二级初始温度，一般的取值为二级热解温度范围的下限，即500℃；Q1为一级产物质量指标的值，Qy1为一级产物的一级目标质量指标值；CH2为氢气的实时浓度；α3和α4均为预设的比例系数；
具体的，所述一级目标质量指标值可以通过预先进行若干次实验获取；具体对于一级热解来说，一级热解的目标是去除粘结剂，通过实验可以确定某个特定温度和时间下黏结剂和有机物的去除率最高或晶体结构的完整性最高，从而，以此对应的一级产物的质量指标作为一级目标质量指标值；
而在其他优选的实施例中，所述一级目标质量指标值还可以通过对多次生产过程的数据分析，使用大数据模型预测每一阶段的最佳的目标质量指标值，例如，使用机器学习方法对大量生产数据进行分析，找出在不同工艺条件下的最优目标质量值；
可以理解的是，二级温度公式结合前一级产物质量反馈和气体浓度调控，不仅依据当前的气体浓度(如H2和CO2)，还结合前一级产物的还原度信息，使得温度控制更精准地针对还原过程的实际进展，以确保还原反应按预期进行；
进一步的，所述构建二级温控模型，预测二级实时预测温度的方式为：
所述二级温控模型选择LSTM模型；
如图2所示，所述二级实时预测温度的预测包括以下步骤：
步骤11：收集二级训练数据；
具体的，所述二级训练数据包括二级输入样本数据和二级标签样本数据；
所述二级输入样本数据包括二级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的CO和CO2的浓度分别按时间顺序组成的对应的气体浓度时间序列、挥发性有机物的浓度按时间顺序组成的挥发浓度时间序列、二级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的气体浓度时间序列、挥发浓度时间序列和温度时间序列作为一组输入样本；所述二级热解过程的历史最优回收经验是指筛选出在过去使用梯级热解法对废旧锂电池进行回收过程中，二级产物的质量指标达到预期的二级目标质量指标值的回收经验数据；
所述二级目标质量指标值可以是还原钴元素的还原率；因为，二级热解工艺要求会对还原反应的完成度设定一个目标值，如钴还原率达到95％以上，对应的质量可作为二级目标质量指标值；
所述二级标签样本数据包括二级热解过程的历史最优回收经验中每一组输入样本对应的温度标签，所述温度标签为对应输入样本之后一个单位时间的温度值；
步骤12：对二级温控模型进行建模；
所述二级温控模型的输入层接收多维时间序列输入(气体浓度时间序列、温度时间序列)，隐藏层为一层或多层LSTM单元，用于捕捉时间序列中的长期依赖性，输出层为单个节点，用于预测下一时刻的温度；并采用均方误差来计算模型预测温度与真实温度之间的误差；
步骤13：以二级输入样本为二级温控模型的输入，以温度标签作为二级温控模型的真实温度，使用Adam优化器对二级温控模型进行反向传播训练，调整模型权重；
步骤14：按二级输入样本的数据形式，收集二级热解过程中的实际输入数据，将实际输入数据输入二级温控模型，获得二级温控模型输出的二级实时预测温度；
进一步的，所述二级温度调节公式的具体形式可以为：
Tr_2＝β×T_2+(1-β)×Tp2；
其中，Tr_2为二级热解的实时温度，Tp2为二级温控模型实时预测的二级实时预测温度，β为预先设置的调控参数；
可以理解的是，LSTM模型可以通过平滑预测的方式减少系统的温度波动，而公式调节则可以快速修正偏差。结合使用可以最大限度地减少温度变化带来的不利影响，确保产物质量的稳定性；
进一步的，所述三级热解温度范围的温度范围是[800℃，1000℃]，所述三级热解的目的是重新结晶化钴酸锂，提高纯度和电化学性能，使用的设备为，配备快速升降温系统的管式炉，使用的气氛为氧气，促进锂化反应；
其中，所述对三级热解过程按照三级温度公式计算三级公式温度的方式为：
根据预设的三级初始温度、一级产物质量指标、二级产物质量指标以及三级气体浓度比，构建三级温度公式；
所述二级产物质量指标为二级热解过程结束后，得到的二级产物的钴还原率；
具体的，所述三级温度公式可以为：
其中，T_3为三级热解过程中的三级公式温度，T2为预设的三级初始温度，一般的取值为三级热解温度范围的下限，即800℃；Q2为二级产物质量指标，Qy2为二级目标质量指标值，ΔCo2氧气浓度的实时变化率，Co2为氧气实时浓度；α5、α6和α7均为预设的比例系数；
可以理解的是，三级温度公式通过多层次反馈控制，确保晶体结构的优化重组，具体通过温度设定结合了前两级的产物质量反馈、当前的氧气浓度变化以及晶体结构的实时监测，能够更好地调节温度以适应晶体重组的过程，提高钴酸锂的纯度，通过氧气浓度反馈调整温度，能够在氧化反应的不同阶段优化氧气的使用，防止氧化不足或过度氧化，提高最终产品的电化学性能；
进一步的，所述构建三级温控模型，预测三级实时预测温度的方式为：
所述三级实时预测温度选择LSTM模型；
如图3所示，所述三级实时预测温度的预测包括以下步骤：
步骤21：收集三级训练数据；
具体的，所述三级训练数据包括三级输入样本数据和三级标签样本数据；
所述三级输入样本数据包括三级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的氧气浓度按时间顺序组成的对应的氧气浓度时间序列、三级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的氧气浓度时间序列和温度时间序列作为一组三级输入样本；所述三级热解过程的历史最优回收经验是指筛选出在过去使用梯级热解法对废旧锂电池进行回收过程中，最终产物的质量指标达到预期的最终目标质量的回收经验数据；所述最终目标质量可以为根据经验设置的结晶化钴酸锂目标纯度；
所述三级标签样本数据包括三级热解过程的历史最优回收经验中每一组三级输入样本对应的三级温度标签，所述三级温度标签为对应三级输入样本之后一个单位时间的温度值；
步骤22：对三级温控模型进行建模；
所述三级温控模型的输入层接收多维时间序列输入(氧气浓度时间序列、温度时间序列)，隐藏层为一层或多层LSTM单元，用于捕捉时间序列中的长期依赖性，输出层为单个节点，用于预测下一时刻的温度；并采用均方误差来计算模型预测温度与真实温度之间的误差；
步骤23：以三级输入样本为三级温控模型的输入，以三级温度标签作为三级温控模型的真实温度，使用Adam优化器对三级温控模型进行反向传播训练，调整模型权重；
步骤24：按三级输入样本的数据形式，收集三级热解过程中的三级实际输入数据，将三级实际输入数据输入三级温控模型，获得三级温控模型输出的三级实时预测温度；
进一步的，所述三级温度调节公式的具体形式可以为：
Tr_3＝γ×T_3+(1-γ)×Tp3；
其中，Tr_3为二级热解的实时温度，Tp3为三级温控模型实时预测的三级实时预测温度，γ为预先设置的调控参数。
实施例2
根据本申请的又一方面还提供了一种电子设备。该电子设备可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
电子设备可包括总线、一个或多个CPU、ROM、RAM、连接到网络的通信端口、输入/输出组件、硬盘等。电子设备中的存储设备，例如ROM或硬盘可存储本申请提供的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
进一步地，电子设备还可包括用户界面。当然，在实现不同的设备时，根据实际需要，可以省略上述的电子设备中的一个或多个组件。
实施例3
根据本申请一个实施方式的计算机可读存储介质。计算机可读存储介质上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令，在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外，本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
如上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是，以上所述仅为本发明的具体实施方式，并不用于限制本发明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (9)

1.梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，包括以下步骤：
步骤一：对废旧锂电池在一级热解温度范围进行一级热解，其中一级热解的实时温度根据一级温度调节公式进行实时调节，获得一级产物；
步骤二：对一级产物在二级热解温度范围进行二级热解；对二级热解过程根据二级温度公式计算二级公式温度，并构建二级温控模型，预测二级实时预测温度；根据二级公式温度和二级实时预测温度，按照二级温度调节公式进行实时调节，获得二级产物；
步骤三：对二级产物在三级热解温度范围进行三级热解，对三级热解过程按照三级温度公式计算三级公式温度，并构建三级温控模型，预测三级实时预测温度，根据三级公式温度和三级实时预测温度，按照三级温度调节公式进行实时调节，获得钴酸锂产物。
2.根据权利要求1所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述一级热解温度范围的具体温度范围是[200℃，300℃]，所述一级热解使用的设备为配备温度梯度控制系统的回转窑炉，一级热解的气氛采用惰性气体；
所述二级热解温度范围的范围是[500℃，700℃]，所述二级热解使用的热解设备为配备精确温控系统的立式反应器，使用的热解气氛为还原性气体；
所述三级热解温度范围的温度范围是[800℃，1000℃]，所述三级热解使用的设备为配备快速升降温系统的管式炉，使用的气氛为氧气。
3.根据权利要求2所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述根据一级温度调节公式进行实时调节的方式为：
根据预设的一级初始温度、实时气体浓度和过程产物质量，构建一级温度调节公式；
所述对二级热解过程根据二级温度公式计算二级公式温度的方式为：
根据预设的二级初始温度、一级产物质量指标以及二级气体浓度比，构建二级温度公式；
所述对三级热解过程按照三级温度公式计算三级公式温度的方式为：
根据预设的三级初始温度、一级产物质量指标、二级产物质量指标以及三级气体浓度比，构建三级温度公式。
4.根据权利要求3所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述构建二级温控模型，预测二级实时预测温度的方式为：
所述二级温控模型选择LSTM模型；
所述二级实时预测温度的预测包括以下步骤：
步骤11：收集二级训练数据；所述二级训练数据包括二级输入样本数据和二级标签样本数据；
步骤12：对二级温控模型进行建模；
步骤13：以二级输入样本为二级温控模型的输入，以温度标签作为二级温控模型的真实温度，使用Adam优化器对二级温控模型进行反向传播训练，调整模型权重；
步骤14：按二级输入样本的数据形式，收集二级热解过程中的实际输入数据，将实际输入数据输入二级温控模型，获得二级温控模型输出的二级实时预测温度。
5.根据权利要求4所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述二级输入样本数据包括二级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的CO和CO2的浓度分别按时间顺序组成的对应的气体浓度时间序列、挥发性有机物的浓度按时间顺序组成的挥发浓度时间序列、二级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的气体浓度时间序列、挥发浓度时间序列和温度时间序列作为一组输入样本；
所述二级标签样本数据包括二级热解过程的历史最优回收经验中每一组输入样本对应的温度标签，所述温度标签为对应输入样本之后一个单位时间的温度值。
6.根据权利要求5所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述构建三级温控模型，预测三级实时预测温度的方式为：
所述三级实时预测温度选择LSTM模型；
所述三级实时预测温度的预测包括以下步骤：
步骤21：收集三级训练数据；所述三级训练数据包括三级输入样本数据和三级标签样本数据；
步骤22：对三级温控模型进行建模；
步骤23：以三级输入样本为三级温控模型的输入，以三级温度标签作为三级温控模型的真实温度，使用Adam优化器对三级温控模型进行反向传播训练，调整模型权重；
步骤24：按三级输入样本的数据形式，收集三级热解过程中的三级实际输入数据，将三级实际输入数据输入三级温控模型，获得三级温控模型输出的三级实时预测温度。
7.根据权利要求6所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法，其特征在于，所述三级输入样本数据包括三级热解过程的历史最优回收经验中，每隔固定的时间长度，收集的氧气浓度按时间顺序组成的对应的氧气浓度时间序列、三级热解设备内的实际温度随时间变化的温度时间序列，每个时间长度内的氧气浓度时间序列和温度时间序列作为一组三级输入样本；
所述三级标签样本数据包括三级热解过程的历史最优回收经验中每一组三级输入样本对应的三级温度标签，所述三级温度标签为对应三级输入样本之后一个单位时间的温度值。
8.一种电子设备，其特征在于，包括：处理器和存储器，其中：
所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，在后台中执行权利要求1-7中任意一项所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
9.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备在后台中执行权利要求1-7中任意一项所述的梯级热解法回收废旧锂电池中钴酸锂正极材料的方法。
CN202411721718.XA 2024-11-28 2024-11-28 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法 Active CN119601816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411721718.XA CN119601816B (zh) 2024-11-28 2024-11-28 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411721718.XA CN119601816B (zh) 2024-11-28 2024-11-28 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法

Publications (2)

Publication Number Publication Date
CN119601816A true CN119601816A (zh) 2025-03-11
CN119601816B CN119601816B (zh) 2025-09-19

Family

ID=94830078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411721718.XA Active CN119601816B (zh) 2024-11-28 2024-11-28 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法

Country Status (1)

Country Link
CN (1) CN119601816B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000348782A (ja) * 1999-06-01 2000-12-15 Tama Kagaku Kogyo Kk 二次電池廃材からの正極材回収方法及びこれを用いた非水電解液二次電池
CN114085997A (zh) * 2021-11-12 2022-02-25 四川长虹格润环保科技股份有限公司 一种废旧锂离子电池回收方法
CN117199340A (zh) * 2023-09-20 2023-12-08 深圳复电芯能科技有限公司 废旧钴酸锂正极材料二次补锂再生工艺
CN117199598A (zh) * 2023-09-25 2023-12-08 华鼎国联电池材料有限公司 一种利用热解-焙烧两段式处理废旧锂离子电池正极材料再生方法
WO2024055546A1 (zh) * 2022-09-16 2024-03-21 广东邦普循环科技有限公司 动力电池回收量预测方法、装置及介质
CN117778753A (zh) * 2023-12-26 2024-03-29 海安南京大学高新技术研究院 一种废旧锂电池回收工艺
EP4385632A1 (en) * 2022-12-15 2024-06-19 Emerging Acquisitions, LLC Autonomous data collection and system control for material recovery facilities
CN118572234A (zh) * 2024-04-18 2024-08-30 中南大学 一种退役锂电池全组物理法分离回收方法
CN118800991A (zh) * 2024-06-21 2024-10-18 常州厚德再生资源科技有限公司 基于提锂电池粉的回收处理方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000348782A (ja) * 1999-06-01 2000-12-15 Tama Kagaku Kogyo Kk 二次電池廃材からの正極材回収方法及びこれを用いた非水電解液二次電池
CN114085997A (zh) * 2021-11-12 2022-02-25 四川长虹格润环保科技股份有限公司 一种废旧锂离子电池回收方法
WO2024055546A1 (zh) * 2022-09-16 2024-03-21 广东邦普循环科技有限公司 动力电池回收量预测方法、装置及介质
EP4385632A1 (en) * 2022-12-15 2024-06-19 Emerging Acquisitions, LLC Autonomous data collection and system control for material recovery facilities
CN117199340A (zh) * 2023-09-20 2023-12-08 深圳复电芯能科技有限公司 废旧钴酸锂正极材料二次补锂再生工艺
CN117199598A (zh) * 2023-09-25 2023-12-08 华鼎国联电池材料有限公司 一种利用热解-焙烧两段式处理废旧锂离子电池正极材料再生方法
CN117778753A (zh) * 2023-12-26 2024-03-29 海安南京大学高新技术研究院 一种废旧锂电池回收工艺
CN118572234A (zh) * 2024-04-18 2024-08-30 中南大学 一种退役锂电池全组物理法分离回收方法
CN118800991A (zh) * 2024-06-21 2024-10-18 常州厚德再生资源科技有限公司 基于提锂电池粉的回收处理方法

Also Published As

Publication number Publication date
CN119601816B (zh) 2025-09-19

Similar Documents

Publication Publication Date Title
Niu et al. Application of machine learning to guide efficient metal leaching from spent lithium-ion batteries and comprehensively reveal the process parameter influences
Ebrahimzade et al. A novel predictive model for estimation of cobalt leaching from waste Li-ion batteries: Application of genetic programming for design
CN117174899B (zh) 一种氟化碳正极材料制备方法
CN115034465B (zh) 一种基于人工智能的焦炭质量预测方法
Kebede et al. Transfer learning-based deep learning models for proton exchange membrane fuel remaining useful life prediction
CN105447567A (zh) 基于bp神经网络与mpso算法的铝电解节能减排控制方法
Manjong et al. Exploring raw material contributions to the greenhouse gas emissions of lithium-ion battery production
CN115620846A (zh) 一种活性锰材料制备及控制方法
CN119601816B (zh) 梯级热解法回收废旧锂电池中钴酸锂正极材料的方法
CN105302976A (zh) 基于spea2算法的铝电解生产优化方法
Li et al. Machine learning in electrochemical oxidation process: A mini-review
Shanshan et al. Intelligent metal recovery from spent Li-ion batteries: machine learning breaks the barriers of traditional optimizations
Niu et al. Prediction of sinter chemical composition based on ensemble learning algorithms
Zhou et al. Thermal degradation of lithium-ion battery cathodes: a machine learning prediction of stability and safety
Tian et al. Integrating machine learning and electrochemistry: A hybrid SA-DE-RF approach for optimizing electrode composition in water treatment
CN115081305B (zh) 多工况级联冶金反应过程氧化还原电位优化设定方法
Feng et al. Machine learning for efficient metal leaching from spent LiFePO4: Predictive modeling and sustainability assessment
CN118800991B (zh) 基于提锂电池粉的回收处理方法
CN117865192B (zh) 碳酸锂的生产工艺调整方法及调整系统、电子设备、产品
Chen et al. Oxygen Content Control in the Electroslag Remelting Process: An Incremental Learning Strategy Based on Optimized Wasserstein Generative Adversarial Network with Gradient Penalty Data Augmentation
von Zuben et al. Machine learning predictions of onset and oxidation potentials for methanol and ethanol electrooxidation: Comprehensive analysis and experimental validation
Zhang et al. Anode Effect prediction based on Expectation Maximization and XGBoost model
Zhang et al. A comprehensive setting method for the optimal setpoint of controlled variables in the zinc smelting solution purification process under multi-variation inlet status
Zhu et al. Designing nickel-based superalloys with high creep life and low thermal expansion coefficient using machine learning assisted by multi-objective optimization
Li et al. Explainable MRF-BBAPM with self-learning for predicting compressive strength of oxidized pellet

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant