关键词： 废旧磷酸铁锂电池   热处理   离散元   球磨   正交实验  

摘要： 随着新能源汽车产业的蓬勃发展,动力锂电池的需求也迅速增长。目前,第一批动力锂电池退役高峰期已经到来,如何回收处理大量废旧锂电池已成为亟待解决的难题。近年来,机械法因其回收过程无污染、回收工艺简单的显著特点受到相关学者的重点关注与研究。如今机械法的研究方面主要针对动力锂电池进行破碎回收,缺乏对锂电池中多材料组成内芯的高效回收方法。 本文以废旧磷酸铁锂电池为研究对象,提出低温热处理与球磨组合工艺回收废旧磷酸铁锂电池。通过热解实验、热解动力学方程研究阴极材料的热解效果和热解机制,采用扫描电镜观察低温热处理后的电池极片微观形貌特征变化。从基本粉碎理论出发,借助EDEM软件建立电池极片球磨仿真模型,模拟球磨时间、磨料粒径、球磨机转速对电池极片球磨效果的影响。基于仿真结果对废旧磷酸铁锂电池极片进行球磨解离实验,并使用X射线衍射分析球磨产物中磷酸铁锂粉末的品质和铝箔的粒径分布,采用正交实验探究磨料粒径、球磨机转速、球料比对电池极片解离率的影响权重。 模拟仿真与实验结果表明:低温热处理温度高于200℃的实验条件下电池阴极片粘接剂性能呈现降下降趋势,在低温热处理温度为达到250℃、恒温90 min时,电池阴极片粘接剂的失效程度最佳。磨料粒径、球磨机转速、球料比对电池极片解离率的影响权重存在差异,磨料粒径对低温热处理后电池阴极片的解离率影响权重最大,球料比次之,转速对解离率影响最小。改变球磨参数提高涂层物解离率将导致铝箔粉体化现象正向积累影响回收产物品质,磷酸铁锂粉末解离率与品质需依据回收需求加权计算。

关键词： 锂离子电池组   电池热管理   多物理场耦合模型   全尺度数值模拟  

摘要： 世界范围内电动汽车进入高速发展阶段,锂离子电池作为动力电池被广泛应用于电动汽车中。锂离子电池对温度较为敏感,过高或过低的工作温度,以及温度的不均匀都会降低其性能,并会造成其容量衰减和寿命缩短。温度过高时甚至会引发热失控。而锂离子电池在工作过程中会产生热量,造成温度的上升。因此,为了使锂离子电池处于最佳工作状态,对电池进行冷却是必要的。目前关于锂离子电池冷却的模拟研究往往集中于其中一种或两种冷却方式,因此急需对多种冷却方式做系统性的研究与比较。 本研究使用多物理场耦合模型与流固耦合传热模拟相耦合的模拟方法,建立起多尺度电-热-流体模型。该模型主要将传统的计算流体动力学模型与多尺度多域电池模型相耦合,能够准确模拟不同冷却方式下电池组的电行为及热行为。在此基础上本文将对空气冷却、氟化液单相直接冷却、微通道液冷板冷却、和氟化液两相直接冷却对于大电量软包电池组的冷却效果开展电池组全尺度模拟研究,以考察处于不同冷却方式下大电量软包电池组的热性能,为锂离子电池热管理系统的选择和设计提供参考。 锂离子电池组单相直接冷却的研究指出在10 C放电条件下,空气自然对流冷却方式对于54 V磷酸铁锂电池组的冷却性能是不足的,电池组最高温度可上升到105℃,可能引发热失控。相比之下,空气强迫对流冷却方式下10C放电的54 V磷酸铁锂电池组冷却效果仅得到微弱的改善,同样无法满足电池组热需求。氟化液FC-72和HFE-7100单相直接冷却能将10 C放电的54 V磷酸铁锂电池组的最高温度控制在65℃左右,电池组的安全性得到保障,但其均温性仍有待提高。 锂离子电池组的微通道液冷板冷却研究表明微通道液冷板的布置方式对于热管理系统的冷却性能有着很大影响。研究发现,将液冷板放置在在电池组内紧贴每块电池的布置方式能够获得绝佳的冷却效果。通过提升液冷板入口流速的方式,其冷却性能甚至能满足磷酸铁锂电池组在外短路条件下的冷却需求。 锂离子电池组的两相直接冷却初步模拟研究证明,氟化液两相直接冷却是一种很有前景的电池热管理方式。它基于相变潜热的冷却能力能够满足10 C倍率放电下54 V磷酸铁锂电池组的冷却需求,将电池温度控制在最佳工作温度范围并能够实现优秀的均温性(电池组最大温差在5℃以内)。 本研究建立了针对大电量锂离子电池组的多物理场热模拟方法,建立了多尺度电-热-流体模型,这能为今后锂离子热管理方式的相关研究提供方法参考。在此基础上本文对于多种冷却方式于磷酸铁锂软包电池组的进行了系统的研究和比较,这将为动力锂离子电池热管理系统的选择和设计提供参考价值。

关键词： 电化学储能   磷酸铁锂电池   直流微电网   SOC   卡尔曼滤波算法   变流器协同控制  

摘要： 随着光伏、风电等分布式电源大量接入电网,如何将分布式电源消纳,降低弃光率、弃风率已经成为实现“碳达峰、碳中和”目标的重要方向。以我国电网目前的架构及运行状态,现有配置与管控手段不足以支撑大量分布式电源接入,亟需储能系统为电网赋能,支撑我国特色新型电力系统建设。电化学储能系统可以将能量进行储存,作为以新能源为主的电力系统中关键的一环,能够对分布式电源进行消纳,降低其对电网的冲击。另外,可以将分布式电源及储能系统接入微电网,通过统一的接口入网管理,这是有效管控分布式电源的方式之一。值得一提的是,随着分布式电源渗透率的提高,单个微电网中常会配置多个储能系统,各储能系统通过各自变流器接入微电网,组成了微电网中的变流器集群。在实际应用中,需要储能系统具有高安全性、高经济性的特点来响应不同应用场景的需求。在这种需求下,本文对储能电池的选择与模型建立、储能电池SOC估算、变流器集群协同控制展开了研究。针对储能电池的选择与模型建立,介绍了电池的发展历程,选用高安全性的磷酸铁锂电池作为储存能量的载体,分析了不同电池模型的特点,使用混合脉冲测试(HPPC)对电池模型参数进行辨识,研究了一阶模型与二阶模型的模型精度,为后续储能电池SOC估算研究打下基础。针对储能电池SOC估算研究,设计了电池管理系统的软硬件,研究了卡尔曼滤波算法对SOC估算的鲁棒性、收敛性。算法能够有效提高电池的放电深度,在同样的放电策略下电池能放出更多的电量。除此之外,在一定程度上可以提高电池管理系统的均衡能力,降低电池受“短板效应”的影响。这是提高储能系统工程应用经济性的直接方法,能够延长电池的使用寿命。针对储能变流器集群协同控制研究,分析了多智能体图论基础与一致性问题,明确了储能系统也需要合理、均衡的出力来避免出现某些储能系统过充过放、频繁充放,某些系统浅充浅放、不充不放的不平衡工况。调研了直流微电网在分布式电源消纳中独特的优势,提出了统一的分布式协同控制策略,策略能够有效的提高各储能系统出力的均衡性,在一定程度上也能延长储能系统的使用寿命。

关键词： 提锂工艺   废旧磷酸铁锂电池   正极材料   选择性浸出  

摘要： 磷酸铁锂电池凭借轻便小巧、循环性好、使用寿命长以及无记忆效应等优势在各领域得到广泛应用，致使我们面临着锂资源的急剧减少和如何对报废的磷酸铁锂电池进行后续处理的问题。从环境保护、人体健康和资源综合利用角度分析，选择适合的方法对废旧磷酸铁锂电池进行资源化回收具有重要意义，既可以避免锂资源短缺阻碍经济的发展，又维持了锂电池行业的可持续发展。　　废旧磷酸铁锂电池中锂含量远高于锂矿石、卤水等，目前磷酸铁锂电池回收最常使用的方法是湿法回收，然而湿法回收当前面临的最大困境是浸出剂消耗量大、工艺冗杂、对锂离子没有选择性等，本论文探究了酸性体系对正极材料选择性浸出锂离子工艺的研究。主要研究内容与结论如下:　　（1）研究柠檬酸-双氧水体系处理废旧磷酸铁锂电池正极材料:利用绿色温和的柠檬酸作浸出剂、双氧水作氧化剂处理废旧磷酸铁锂电池正极材料。结果表明:柠檬酸对废旧磷酸铁锂电池正极材料中锂具有选择性，在柠檬酸溶液pH为2.0,反应温度25℃,反应时间60min,双氧水浓度2vol/％,固液比40g/L的条件下，锂和铁的浸出率分别为98.62％和4.56％,在此条件下柠檬酸溶液对锂浸出有较高的选择性。　　（2）研究硫酸体系处理高温煅烧后废旧磷酸铁锂电池正极材料:采用火法-湿法相结合的方法将硫酸作为浸出剂处理煅烧后的废旧磷酸铁锂电池正极材料。结果表明:在600℃煅烧4h时，Fe2+转化为Fe3+,原料由LiFePO4转化为Li3Fe2（PO4）3和Fe2O3,将此煅烧料作为浸出原料，在1.0mol//L的硫酸溶液，反应温度90℃，反应时间60min,固液比200g/L的条件下，锂和铁的浸出率分别为91.37％和4.50％,在未使用氧化剂的情况下高效的分离了锂和铁。　　（3）研究盐酸-双氧水体系处理废旧磷酸铁锂电池正极材料:利用含有卤素的盐酸和双氧水体系处理废旧磷酸铁锂电池正极材料。结果表明:在1.0mol/L的盐酸溶液,反应温度30℃，反应时间60min,双氧水添加比例5vol/％,固液比50g/L的条件下，锂和铁的浸出率分别为99.07％和4.62％,在此条件下对锂浸出有较高的选择性。

关键词： 退役LiFePO4电池   正极材料   分离回收   修复再生  

摘要： 随着锂离子电池爆发式的增长和其有限的使用寿命,大量锂离子电池面临失效及退役的问题,为此妥善处理退役锂离子电池尤为重要。现有锂离子电池回收工艺可分为分离回收与修复再生,但存在流程长、成本高、能耗大、二次污染严重以及安全隐患等问题。基于此,本论文以退役Li Fe PO电池正极极片为研究对象,提出新型氧化分离回收与电化学修复再生工艺,实现退役Li Fe PO材料的高增值利用。本论文主要开展了以下研究工作:针对现有分离回收工艺中流程冗长、元素分离工艺复杂等问题,本论文通过(NH)SO氧化浸出回收退役Li Fe PO材料,实现铝箔、高纯度Fe PO粉末与Li溶液的短流程高效分离。结果表明,在反应时间、反应温度、(NH)SO氧化剂用量、固液比分别为30 min、30℃、1.4倍的(NH)SO氧化剂理论用量和50 g/L时,锂元素的浸出率高达98.1%。同时,本论文通过热力学分析和浸出动力学研究,深入探究了Li/Fe PO和Fe PO/铝箔的分离机制,阐明了内扩散步骤是影响(NH)SO浸出Li Fe PO速率的关键。最终,以回收得到的LiCO和固相Fe PO作为前驱体,通过高温固相法直接制备的再生Li Fe PO材料,在1 C的电流密度下可发挥出135.5 m Ah/g的放电比容量,且400圈循环容量保持率为98.0%。针对现有修复再生工艺中高温高压复杂反应条件、能量利用率不高等问题,开发了静置-外加电流法嵌锂修复工艺,实现了“自发锂迁移-电场驱动”靶向嵌锂过程,完成缺锂态LiFe PO正极材料的锂补充过程。通过XRD、ICP、XPS等表征手段,证实了静置过程材料的锂铁比从0.67:1提升至0.89:1,并在随后的外加电流过程中进一步提升至1.00:1。通过EIS和Tafel动力学分析,证实静置前的嵌锂反应动力学受到液相传质过程控制,而静置后的嵌锂反应动力学受到电化学反应过程控制。温和的嵌锂过程保留了退役商业极片中的高价值添加物及特定结构,且整个过程电流利用效率大于90%,凸显出该工艺的优越性。修复再生的Li Fe PO在1 C的电流密度下放电比容量为135.2 m Ah/g,且500圈循环后容量保持率为95.30%,实现了退役Li Fe PO电池的绿色、高效再生利用。图48幅,表20个,参考文献132篇

关键词： 锂离子电池   正极材料   LiFePO4   掺杂   第一性原理  

摘要： 锂离子电池的应用范围正从便携式设备扩展到交通和工业领域。磷酸铁锂（LiFePO4）正极材料因具有理论容量高、工作电压较高、安全稳定、循环寿命长、环境友好和成本低等优点,市场需求不断扩大。然而,LiFePO4独特的晶体结构决定了其差的电子导电性、低的锂离子扩散系数,并造成LiFePO4电池的充放电动力学速率缓慢,倍率性能表现不佳。选择性掺杂3d过渡金属可以提高LiFePO4体相的电子电导率和离子电导率,但其对LiFePO4结构稳定性的影响尚未确定。在进一步大规模应用3d过渡金属掺杂型LiFePO4之前,应充分研究3d过渡金属掺杂LiFePO4的内在机制。因此,本论文借助第一性原理计算,揭示了3d过渡金属掺杂对LiFePO4正极材料稳定性、电子导电性和工作电压的影响,筛选出了最优掺杂元素,并结合实验表征,验证了Ti4+可以作为进一步大规模应用的掺杂型LiFePO4的掺杂元素。（1）通过密度泛函理论框架下的第一性原理计算,对3d过渡金属掺杂的Li FexTM1-xPO4模型的结构特性、电子结构、掺杂形成能和嵌锂电压进行了比较和分析。发现Ti、V、Cr、Mn、Co、Ni、Cu和Zn掺杂的Li FexTM1-xPO4模型的晶胞体积变化较小（<1%）,掺杂体系更稳定;Sc、Ti、Cr、Co和Cu掺杂的Li FexTM1-xPO4模型的带隙较小（<1.0 e V）,掺杂体系的导电性更好;Sc、Ti、V、Cr、Mn和Co的掺杂形成能较小（<1.5 e V）,掺杂体系更容易通过实验合成获得;Sc、Ti、V、Cr、Mn、Co、Ni、Cu和Zn掺杂的Li FexTM1-xPO4模型的工作电压均大于2.5V,满足锂离子电池工作电压的要求。经过上述筛选,Ti、Cr和Co掺杂的Li Fe0.75TM0.25PO4模型表现出较好的结构稳定性和电化学性能,结合成本考虑,最终优选Ti作为进一步大规模应用于LiFePO4的3d过渡金属掺杂元素。（2）在理论计算的基础上,通过碳热还原法,以Ti O2为钛源,制备了Ti4+掺杂的LiFePO4正极材料并优选出最佳掺杂量（1%）。结果表明,与纯LiFePO4相比,Ti4+掺杂改性后的材料倍率性能和循环性能均得到改善,其中具有最优掺杂量的样品（LFP-2）电化学性能最佳。在0.1 C倍率下,容量为155.4 m Ah g-1。当倍率升至10 C时,容量仍为93.5 m Ah g-1,表现出优异的倍率性能。并且,在1 C倍率下,经过300次循环后,容量保持率可达94.9%,表现出稳定的长期循环性能。其优异的电化学性能可归因于Ti4+在LiFePO4晶格中的适量掺杂。一方面,Ti4+掺杂于材料中的Fe位,减小了材料的粒径,缩短了锂离子在材料体相的扩散距离,增强了锂离子的扩散动力学。另一方面,掺杂的Ti4+可以调节材料的能带结构,减小带隙,激活Fe 3d轨道上电子的离域化,从而提高了材料的电子导电性。

关键词： 磷酸铁锂电池   荷电状态   变阶数等效电路模型   参数辨识   卡尔曼滤波  

摘要： 随着当代社会经济的迅速发展和汽车数量的增加,环境污染以及能源短缺问题愈发严重,电动汽车凭借低噪、零排放等优势成为了汽车行业发展的主要方向。动力电池作为整车的核心部件,对车辆续航能力、加速时间、安全系数等汽车性能起着决定性作用,准确估计动力电池荷电状态(State of Charge,SOC)能够提高电池的使用效率和用电安全性,让驾驶员实时了解电动汽车剩余可行驶里程,便于电池管理系统(Battery Management System,BMS)对电池进行管理。SOC准确估计的关键取决于动力电池建立模型的精确性以及SOC估计方法的准确程度,因此建立能够准确地描述电池的动、静态特性,复杂度较低且易于工程实现的电池模型,研究可靠、精度高的SOC估算方法,是提高SOC的估计精度的研究重点及热点。本文以电动汽车常用磷酸铁锂动力电池为研究对象,围绕着动力电池建模和SOC估计算法展开研究。针对电池的电压特性曲线特点,建立了一种可变阶数的等效电路模型,保证模型的精度,解决了电池模型准确性和复杂性之间的矛盾。充分考虑电池端电压、工作电流、温度等因素的影响,利用L-M法优化迭代扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对SOC进行估计,并通过仿真和实验证明方法的可行性和有效性。具体研究内容如下:首先,概述并分析了电池模型和SOC估计算法的研究现状。在分析磷酸铁锂电池工作机理的基础上,总结了SOC估计的影响因素,研究了动力电池的基本工作特性。其次,针对开路电压特性曲线“两端陡,中间平”的特点,建立了变阶数等效电路模型,在电池电压变化缓慢的平台区采用二阶RC等效电路模型,降低电路的复杂性;在电池电压变化剧烈的区域(电池接近满电和亏电的两端电压区间)采取三阶RC等效电路模型。通过赤池信息量准则(Akaike Information Criterion,AIC)和最小二乘法对所建模型阶数和模型参数进行辨识,分别在脉冲放电和UDDS工况下验证模型精度,结果表明变阶数模型端电压最大误差为11mv,可以更加精确地反应电池的工作特性。再次,以变阶数等效电路电池模型为基础,针对EKF算法在处理非线性系统中存在忽略高次项而导致的误差问题,采用L-M法优化迭代EKF算法对SOC进行估算,并分别在恒流、脉冲放电、DST、UDDS以及FUDS电流工况条件下对算法进行仿真验证,仿真结果表明,在各种工况下的SOC估算误差均小于3.5%,符合精度指标要求,采用的估计算法对状态量具有较强的跟踪能力及鲁棒性,适用于多种复杂的道路工况条件。最后,在动力电池管理系统实验平台上进行实验验证,实验结果表明SOC实际估算精度均在4%以内,验证了所建模型和估算方法的准确度、收敛性以及可行性。

关键词： 磷酸铁锂电池   梯次利用   健康状态   放电声纹   神经网络  

摘要： 近年来新能源汽车迅猛发展,锂离子电池大规模应用,随着电池的不断老化,陆续达到退役年限,电池退役后可梯次利用于其他场景,充分发挥电池余能,延长使用寿命。退役动力电池健康状态(State of Health,SOH)检测在电池梯次利用中意义重大,目前检测手段主要以传统方法为主,速度慢,成本高,不适用于大容量电池的批量化检测。因此本文以退役磷酸铁锂动力电池为研究对象,首次提出一种基于高压诱导放电声纹识别的锂电池健康状态快速检测方法,主要工作如下:基于50节退役电池开展电化学性能实验,从电压、容量、内阻三个角度探究了电池老化的本质原因,依据高压电场诱导下锂电池的放电发声原理,将放电声纹与电池老化状态建立联系。进而设计放电模型,搭建声音采集实验平台,获取电池在高压电场诱导下的放电声音信号,通过时频分析,揭示了不同SOH电池内部离子活性、放电能力、电荷迁移与补给能力对放电声纹的影响规律,提出一种基于高压诱导放电声纹识别的锂电池SOH检测方法。针对放电音频特征不易提取且夹杂噪声的问题,首先采用预加重、分帧加窗、端点检测与滤波去噪手段,突出放电特征,削弱工频噪声。进而对比MFCC、LPCC、声谱图三种特征提取方法,选用声谱图提取更为完整的短时频率、能量分布等特征,并设计声谱图批量生成算法,以5%SOH的误差范围构建电池放电音频与声谱图样本库。针对声纹识别算法复杂度高,执行时间长的问题,首先配置实验环境,扩充声谱图数据集,自搭建、改进VGG16、Inception10以及Res Net18三种神经网络,简化模型参数,实现对放电声纹的快速识别,进而映射出电池SOH;基于注意力机制优化算法结构,并通过调节指数衰减学习率、控制训练样本数量,降低音频采样率进一步提升算法性能;然后基于Py Qt5进行算法封装,设计软件系统,对20节同型号电池展开测试,验证方法的有效性。研究结果表明:经优化后Res Net18网络在自建数据集上的平均识别准确率达到98.88%,SOH误差范围在5%以内;系统检测20节电池SOH准确率达到95%,仅1节电池检测错误,现有检测精度可满足梯次利用行业要求;单体电池检测整体耗时控制在5分钟以内,相比传统检测方法,在保证准确率的同时,节省时间90%以上,降低了用电成本,可实现对SOH的快速检测。

关键词： 磷酸铁锂   明胶   磷酸锰铁锂   锂离子电池   能量密度  

摘要： 磷酸铁锂(LiFePO4)具有成本低、环境友好、电化学和热稳定性好、工作电压(3.4 V ***/Li+)合适、循环寿命长(>2000次)、理论比容量较高(170 mAh g-1)等优点,是应用于众多储能装置的锂离子电池中最重要的正极材料之一。然而,低的电子电导率和锂离子扩散系数是其作为先进正极材料商业化应用的最大内在缺陷,这将限制其在高倍率性能方面的大规模应用。LiFePO4是一种重要的锂离子电池正极材料,碳包覆是一种有效的方法来改善其电化学性能。然而,由于高温固相法制备LiFePO4普遍存在粒径分布不均匀和颗粒团聚等问题,这导致了电化学性能的降低。为了解决这些问题,目前的研究方向在各种碳源的碳化产物结构以及其对LiFePO4/C形貌影响电化学性能的机制研究上。为了更好地与社会生产相结合,批量生产低成本且高容量的锂离子正极材料,本研究采用工业明胶作为碳氮源,采用一步球磨法结合高温碳化技术制备LiFePO4复合材料,以提高材料的振实密度和电化学性能,这为进一步改善LiFePO4的电化学性能提供了新的思路和方法。采用类似的制作步骤合成LiMn0.6Fe0.4PO4/NC纳米颗粒,通过使用纳米级颗粒、氮掺杂碳涂层来优化LiMnxFe1-xPO4的性能。利用XRD、TG、Raman、SEM、XPS和TEM等表征方式对磷酸铁锂和磷酸锰铁锂正极材料进行测试分析。主要研究工作如下:1.碳酸锂、磷酸二氢铵和草酸亚铁是磷酸铁锂电极材料中常用合成的原材料。为了进一步提高磷酸铁锂导电性能,选用明胶作为碳添加剂。添加剂明胶的一个显著优点是含有超过82%的蛋白质(富含碳和氮),具有优良的黏合性和稳定性。按一定比例混合球磨,能够有效改善磷酸铁锂前驱体的团聚现象。实验主要研究了根据不同的明胶添加量,对磷酸铁锂的电化学性能会有不同程度的改善。一般来说,引入适量的明胶衍生碳包覆的磷酸铁锂材料保持较高的比容量和稳定性。实验结果表明:当加入明胶的质量为理论产物磷酸铁锂的15%时,合成的复合材料在电化学性能上得到了明显提高,0.3 C倍率下的放电比容量为164.7 mAh g-1,材料的锂离子扩散系数也得到了提升(1.43×10-11 cm2 s-1)。2.类似的流程制备“升级版磷酸铁锂”LiMn0.6Fe0.4PO4/NC,探究了将Fe部分替换为Mn后以及氮掺杂碳包覆LiMn0.6Fe0.4PO4/NC材料相对LiFePO4的电化学性能的影响。通过X射线衍射(XRD)技术,发现所有样品的XRD峰相对于LiFePO4的标准图谱和LiMnPO4的标准图谱均发生了移位,这表明是两者间的固溶体。在电化学性能测试中,Mn替换Fe后的样品表现出更好的电化学性能,表明该替换可以增强LiFePO4材料的电化学性能。此外,氧化还原对也变成两对,3.5V和4.1V左右,分别对应于Fe2+与Fe3+和Mn2+与Mn3+之间的氧化还原反应。随着部分Mn对Fe的替换,Mn的适量增加,能量密度有望提高。

关键词： 废旧磷酸铁锂电池   锂回收   电化学氧化   选择性浸出  

摘要： 近年来随着新能源汽车的蓬勃发展,磷酸铁锂电池凭借其低成本及高稳定性的优势得到广泛应用。同样会导致大规模电池退役潮的到来,现有回收方法存在流程长,三废多等缺点,因此,开发绿色高效的回收方法具有重要意义。针对现有问题,本文首先基于E-p H图提出了在酸性环境下使用电化学直接氧化,从磷酸铁锂正极材料中选择性提锂的方法,即采用钌钛电极,以电子替代传统氧化剂,使磷酸铁锂中部分被酸浸出的亚铁离子通过氧化沉淀及电沉积实现分离,未被浸出的磷酸铁锂在阳极上被直接氧化释放出锂离子。研究结果表明,新购磷酸铁锂粉末在70°C下反应3h,锂的浸出率高达99.89%,而铁的浸出率保持0.2%以下,在浸出过程中即可实现锂和铁的高效分离,浸出液经蒸发浓缩后,锂以高纯磷酸锂(纯度99.68%)形式回收。与其他回收方法相比,整个过程极大地减少了酸的使用量,避免了二次污染。但将该方法用于真实废旧磷酸铁锂粉末回收,由于氧化过程中接触不充分,需要4 h才能实现锂和铁的选择性浸出。为了有效解决以上问题,本文提出采用电化学间接氧化法进行锂的选择性浸出研究。即通过改用高析氧电位掺硼金刚石电极生成氧化性物质间接氧化磷酸铁锂,使氧化反应接触更加充分。残次磷酸铁锂正极材料在常温下75 min内实现95.53%以上的锂浸出,而铁的浸出率可控制在0.01%以下,浸出液经沉淀后可得到纯度为99.93%的碳酸锂产品。该间接氧化选择性浸出法对真实废旧磷酸铁锂粉末同样可在短时间内高效实现锂和铁的选择性浸出。以上两种浸出方法均使用电子作为绿色氧化剂替代传统的化学氧化剂实现了选择性浸出过程,且极大地减少了酸的使用量,符合绿色发展的理念,对废旧磷酸铁锂电池中锂的绿色高效选择性回收工业应用提供了坚实的技术支撑。