摘要：新能源汽車產(chǎn)業(yè)迅速發(fā)展，動力電池將在更迭換代中迎來退役潮，梯次利用技術能夠在最大化利用動力電池全壽命周期的同時緩解回收壓力及環(huán)境污染問題。為進一步完善梯次利用綠色可持續(xù)發(fā)展體系，本文研究了當前梯次利用相關政策、標準及應用場景，并從電池回收與儲能系統(tǒng)梯次利用兩方面，分別對電池回收模式、老化原理、檢測、篩選、狀態(tài)估計、容量配置、控制策略等技術研究展開討論。最后結合國內形勢，探討了退役動力電池梯次利用所面臨的問題與挑戰(zhàn)，并針對關鍵技術的突破與產(chǎn)業(yè)體系的形成提出建設性意見，以期為梯次利用產(chǎn)業(yè)布局提供助力。
關鍵詞：退役動力電池；電池回收；梯次利用；儲能
基于能源緊缺及清潔環(huán)保的壓力，新能源汽車在世界范圍內得到了極速發(fā)展。近年來隨著我國“碳中和、碳達峰”戰(zhàn)略的實施及相關政策的推出，國內新能源汽車產(chǎn)銷更是發(fā)生了爆發(fā)式增長。據(jù)中國汽車工業(yè)協(xié)會相關數(shù)據(jù)指出，我國新能源汽車銷量于2022年12月達到81.4萬輛(圖1)，其中純電動汽車達到62.4萬輛，插電式混合動力汽車銷量達到18.9萬輛，與2021年相比增長0.5倍和1.3倍。2022年全年新能源汽車銷量總計達到688.7萬輛，同比增長0.9倍。
圖1 新能源汽車銷量統(tǒng)計
新能源汽車的產(chǎn)銷日益增長，使得動力電池的需求量也隨之增大。在汽車使用3～5年后，動力電池通常會因為容量和功率下降不能滿足駕駛要求而退役，以5年壽命推算，預計到2030年，我國退役電池總量可達237萬噸，回收市場有望超過千億元。動力電池的第一場退役高峰即將來臨，如果對退役電池直接處理而不進行金屬回收，會造成土壤重金屬污染，大量電池回收將帶來極大的環(huán)境壓力。由于退役動力電池尚保有80%左右的容量余量，在其他應用場景仍有利用空間，其所帶來的剩余經(jīng)濟價值催生了梯次利用技術的發(fā)展，即在對退役電池進行相關檢測后應用于諸如電網(wǎng)儲能、家用能源等低倍率應用場景，對梯次利用技術的研究可以有效緩解回收所帶來的環(huán)境壓力，延長了動力電池的利用壽命，且有著可觀的經(jīng)濟效益及社會效益。
隨著電動汽車退役電池數(shù)量的持續(xù)增長，如何解決梯次利用相關技術難題，并建立一套標準的退役動力電池回收利用體系，形成有序的商業(yè)市場將是未來發(fā)展的關鍵。因此，本文對退役動力電池的形勢政策、產(chǎn)業(yè)標準及應用場景進行了調研，并將梯次利用涉及技術分為回收技術與利用技術分別進行綜述，最后針對關鍵技術與產(chǎn)業(yè)體系提出己見，以期探索退役動力電池未來的發(fā)展方向。
1.退役動力電池梯次利用現(xiàn)狀
1.1 產(chǎn)業(yè)標準與形勢政策
在新能源汽車剛進入國內市場之時，為了應對動力電池的退役熱潮，梯次利用的概念就已經(jīng)被提出，隨之國家相關部門接連出臺了多項政策，對企業(yè)的責任延伸、電池的生產(chǎn)交易、使用管理、拆解回收及質量安全保障等環(huán)節(jié)進行了規(guī)范，相關企業(yè)也隨之跟進，開始了電池回收利用技術的研發(fā)。
此前動力電池梯次利用沿用動力電池領域通用標準，如GB/T 33598—2017《車用動力電池回收利用拆解規(guī)范》、GB/T 34015—2017《車用動力電池回收利用 余能檢測》等。但動力電池生產(chǎn)廠商、歷史運行數(shù)據(jù)不盡相同，導致其退役后的狀態(tài)存在較大差異，缺乏一致性，因此部分動力電池的標準有一定的局限性，無法清晰地規(guī)范梯次利用各環(huán)節(jié)的經(jīng)濟性、統(tǒng)一性、安全性。2021年，工信部等五部門聯(lián)合印發(fā)《新能源汽車動力蓄電池梯次利用管理辦法》，作為梯次利用的第一件專項文件，在以往措施基礎之上作出建設，鼓勵企業(yè)合作，加強行業(yè)管理，同時印發(fā)國家標準《車用動力電池回收利用 梯次利用》，明確了梯次利用產(chǎn)品及回收利用各環(huán)節(jié)的規(guī)范，涉及相關標準見表1。
表1 梯次利用相關標準
考慮到當前回收成本較高、企業(yè)經(jīng)濟性較差的問題，財政部、稅務總局于2021年12月印發(fā)政策，提及從2022年3月起，動力電池回收、電池拆解企業(yè)增值稅退稅比例從30%增加至50%，為梯次利用相關產(chǎn)業(yè)的可持續(xù)發(fā)展提供助力；2022年2月，工信部等八部門印發(fā)《關于加快推動工業(yè)資源綜合利用的實施方案》，其中提及推進京津冀、長三角等重點地區(qū)的梯次利用示范工程，培育骨干企業(yè)，加大研發(fā)力度；2023年1月《關于推動能源電子產(chǎn)業(yè)發(fā)展的指導意見》發(fā)布，再次提及加強突破梯次利用及再生利用技術。完整的產(chǎn)業(yè)鏈建設既能夠降低新能源汽車建造成本，帶動汽車產(chǎn)業(yè)發(fā)展，又能夠緩解退役動力電池大量堆積所帶來的市場及環(huán)境壓力，同時一套完整的標準體系確保了各個主體的穩(wěn)定運作及權益，是推廣梯次利用規(guī)?；瘧玫那疤?，我國梯次利用產(chǎn)業(yè)尚在起步階段，未來仍需更加完善的政策及標準支撐與引導技術的進步，帶領梯次利用產(chǎn)業(yè)的綠色、可持續(xù)發(fā)展。
1.2 梯次利用場景
退役動力電池在經(jīng)檢測評估后，根據(jù)電池狀態(tài)的不同可應用于不同場景。理論上高容量的電池可于電池更換和儲能應用領域發(fā)揮作用，低容量的則可用作備用電池、照明、基站、家庭儲能及UPS不間斷電源，或是充電樁、低速電動車等低倍率放電應用場景[16]。國內現(xiàn)階段應用主要集中于儲能、基站電源、低速電車等領域，國家電網(wǎng)、中國鐵塔公司以及比亞迪、寶馬等汽車企業(yè)相繼積極規(guī)劃梯次利用示范工程，部分應用案例見表2。
表2 國內部分退役動力電池梯次利用案例
2.退役動力電池回收技術
動力電池從新能源汽車上退役后，其性能已經(jīng)不如新電池，為保證梯次利用的經(jīng)濟性、安全性，在對電池進行梯次利用之前需經(jīng)過嚴格的審核環(huán)節(jié)，本部分將從退役動力電池的回收模式、鋰電池老化原理、退役動力電池的檢測技術對梯次利用之前的回收技術進行討論。
2.1 退役動力電池的回收模式
梯次利用電池的經(jīng)濟性決定了其未來規(guī)?；l(fā)展的可能性，近些年來可梯次利用的電池逐漸增多，但梯次利用企業(yè)或回收利用企業(yè)在數(shù)據(jù)統(tǒng)計與相關跟蹤上面并沒有做到面面俱到，加之市面上退役電池的規(guī)格參數(shù)與廠商標準參差不齊，導致企業(yè)在電池來源及技術研究方面出現(xiàn)困難，難以保障產(chǎn)業(yè)經(jīng)濟性發(fā)展，而合理的回收模式能夠助力企業(yè)取得可觀的收益，推進企業(yè)投身梯次利用行業(yè)。
退役電池的回收具有逆向物流的特點，如圖2所示。目前根據(jù)回收主體的不同，存在三種主流回收模式：生產(chǎn)商回收模式、第三方回收模式以及聯(lián)盟(合作)回收模式。生產(chǎn)商回收模式指電池或汽車廠商直接對電池進行回收利用，其優(yōu)勢是對產(chǎn)品較為熟悉，回收方便，但回收產(chǎn)品單一，規(guī)模較小，經(jīng)濟性較低；第三方回收模式指第三方回收企業(yè)對電池進行回收與轉售，其優(yōu)勢是專業(yè)性較強且規(guī)模較大，但回收種類多樣化，技術要求較高；聯(lián)盟回收模式指生產(chǎn)商與第三方企業(yè)進行合作，其優(yōu)勢是渠道多、影響力廣、規(guī)模大，但對雙方企業(yè)存在一定約束，合作要求高。
圖2 物流流程圖
因此不同模式各具優(yōu)劣，在不同場景下適宜的模式不同，文獻[20]結合實際汽車企業(yè)建立逆向物流網(wǎng)絡模型，并驗證了其有效性；文獻[21]基于成本與碳排放最優(yōu)進行不同回收模式網(wǎng)絡的構建，為我國逆向物流網(wǎng)絡應用設計提供一定的參考；文獻[22]結合市場要求，在三種模式之上提出動力電池生產(chǎn)商聯(lián)合的逆向物流網(wǎng)絡模式，并用Lingo對混合整數(shù)線性模型求解得到最優(yōu)收益；文獻[23]綜合分析基于Blockchain的回收效率，驗證了區(qū)塊鏈技術加持之下，各回收模式的效率更優(yōu)。
退役電池回收工程龐大，其回收模式需綜合考量回收流程、企業(yè)與市場的運營及管理、各環(huán)節(jié)成本及收益等因素，國內較國外起步略晚，對退役電池回收模式的研究較少，相關模型需進一步改進與測試，深入討論各類因素所帶來的影響，為適合國內回收模式的形成提供參考。
2.2 鋰電池老化原理
退役動力電池從回收到最后實際應用，對其當前狀態(tài)進行檢測評估必不可少，深入了解動力電池老化原理是各項評估技術發(fā)展進步的基礎。鋰電池是當前市場上使用最廣泛的電池之一，電池內部構成如圖3所示，在其充放電過程中會發(fā)生一些不可逆的化學反應導致電池的老化，老化機理可分為三類：鋰離子的損失(loss of lithium inventory，LLI)、活性材料的損失(loss of active material，LAM)以及內阻增加。鋰電池的工作原理是基于正極和負極活性材料的插層和脫層，因此鋰離子以及活性材料的數(shù)量直接影響電池的容量。LAM主要由石墨剝落、金屬溶解和顆粒斷裂等引起；LLI主要由鋰的沉積及固體電解質相界面膜(solid electrolyte interface，SEI)引起，首次充放電時鋰離子會跟電解質和有機溶劑發(fā)生反應，在電極與電解液的接觸面上生成SEI保護電池內部結構穩(wěn)定，但會不可逆地消耗鋰和電解質，導致電池性能衰退。
圖3 鋰電池工作原理圖
實際電池運行中，環(huán)境溫度、充放電深度、循環(huán)次數(shù)等因素會進一步加劇電池的老化反應，文獻[28]對不同影響因素下的鋰電池進行實驗，證明充放電倍率及深度的增大會加快電池的容量衰減，且低溫狀態(tài)下，電池循環(huán)性能減弱；文獻[29]從不同循環(huán)區(qū)間寬度對容量老化結果進行對比，分析表明電池使用區(qū)間越小，老化速度越慢，同時證明恒壓充電會導致電池出現(xiàn)老化加速“拐點”；文獻[30]基于SEI的生長、鍍鋰層等進行實驗，驗證了SEI生長是電池初期老化過程呈線性的原因，鍍鋰是老化曲線由線性過渡為非線性的原因。
由此可知，在電池老化的整個過程中，各類電極反應與不可逆的化學反應同時發(fā)生，相互耦合，老化過程的研究仍需精進。退役動力電池的性能變化受電動汽車運行狀態(tài)影響而不同，因此了解電池在退役之前的運行數(shù)據(jù)對于準確地評估電池的性能狀態(tài)至關重要，且電池老化存在由線性到非線性狀態(tài)的過渡，如圖4所示，深入了解電池衰退原理與運行之間的關系且有效采集保留運行數(shù)據(jù)能夠準確預測動力電池適合退役或二次退役的節(jié)點，促進退役動力電池的梯次利用的有效性及經(jīng)濟性。
圖4 動力電池老化曲線
2.3 退役動力電池的檢測
退役動力電池的檢測是評估退役動力電池再利用價值的重要環(huán)節(jié)。由于生產(chǎn)廠商不同、型號結構不同以及退役前復雜的工作環(huán)境，各電池的狀態(tài)與性能存在極大的差異，錯誤的評估及使用會嚴重影響電池的工作性能，更甚者或引發(fā)火災、爆炸等事故，造成人身損害及經(jīng)濟損失，因此電池在回收后必須進行狀態(tài)檢測，符合規(guī)范要求的電池進入后續(xù)流程，狀態(tài)較差的則進行拆解處理。
初步檢測可以通過觀察退役電池的外觀來排除一些存在明顯物理性損壞的電池，如零部件缺失、變形、破損、鼓包、漏液等。隨后檢測電池的內阻、容量、自放電、充放電性能等數(shù)據(jù)是否達標，剔除內阻高、容量低、自放電率高或是充放電效率低的電池。容量檢測方面通常將電池在恒定電流之下進行一次充放電循環(huán)，即可得到電池容量，該方法稱為恒流充放電檢測方法，同時為保證電池一致性，將退役動力電池按容量不同進行劃分，如文獻[33]提出將退役動力電池按利用模式進行劃分，容量處于60%～80%時，滿足相關標準，可于電網(wǎng)側起到削峰填谷的作用；容量處于45%～60%時，容量較低，極化反應加速，可于發(fā)電側用于火電調頻；容量處于30%～45%時，容量過低，性能較差，只能用作備用電源儲能設施；容量低于30%時，電池已沒有再利用效益，應拆解處理。內阻檢測方面常采用直流或交流測量法，也可使用如DME-50等內阻測試儀器直接測量。
退役電池的檢測涉及眾多參數(shù)，為了更為細致地評判退役電池健康狀態(tài)，部分學者提出綜合評估方法，文獻[35-36]通過對退役動力電池各個老化特征的主要參數(shù)之間的關系進行建模分析，提出了一種系統(tǒng)評估電池性能的方法。文獻[37]以梯次應用于儲能系統(tǒng)為對象，從電池種類、廠家、一致性安全3個方面構建安全評估指標體系，并通過熵權-TOPSIS法及層次分析法對其進行評估及分析。
3.退役動力電池儲能系統(tǒng)梯次利用技術
具有精準快速跟蹤能力的電化學儲能能夠輔助傳統(tǒng)機組更好地消納新能源，支撐新能源大規(guī)模并網(wǎng)。雙碳背景下，風光發(fā)電產(chǎn)業(yè)迅速發(fā)展，儲能配比也隨之提升，將退役動力電池梯次利用于儲能系統(tǒng)能夠最大程度發(fā)揮其利用價值，既解決了資源浪費、環(huán)境污染的問題，也能改善儲能產(chǎn)業(yè)經(jīng)濟性較差的現(xiàn)狀，部分學者也于此方面開展相關研究，并取得了一定的進展。
3.1 狀態(tài)估計
安全性是退役動力電池規(guī)模化應用于儲能系統(tǒng)的阻礙之一，與全新的儲能電池相比，退役動力電池在經(jīng)過長期使用后，更易發(fā)生容量降低、內阻增加、內部化學結構改變等老化反應，因此除了對電池進行高效利用之外，其性能狀態(tài)的監(jiān)管也是不可或缺的一環(huán)，狀態(tài)估計技術的發(fā)展不僅是退役電池安全、經(jīng)濟運行的保障，同時也是電池回收時進行檢測篩選的判斷依據(jù)。狀態(tài)估計包括SOC(荷電狀態(tài))以及SOH(健康狀態(tài))，常用估計方法可分為實驗估計、模型估計及數(shù)據(jù)驅動。
實驗估計為利用特定設備直接對電池狀態(tài)進行分析，并獲得相關老化參數(shù)來判斷當前狀態(tài)，更多用于退役動力電池離線診斷，適用于運用前的狀態(tài)檢測或實驗研究，同時為模型建立提供理論依據(jù)。
模型估計即建立電池等效模型，仿真電池內部性質，模擬充放電行為，分析模型與參數(shù)之間的相互關系實現(xiàn)估計。針對退役動力電池復雜的非線性系統(tǒng)，學者提出適用范圍廣、估計精度高的擴展卡爾曼濾波算法(extended Kalman filter，EKF)，文獻[38]建立梯次利用電池全壽命模型，針對初值不明確的問題提出自適應KF算法，實時估算時變噪聲，有效降低了SOC估算誤差；文獻[39]基于表面溫度的差分溫度伏安曲線建立老化機理模型，利用融合濾波算法提取健康特征，使用改進高斯過程回歸算法解算SOH。但上述方法沒有考慮不同退役動力電池老化程度存在差異的問題，對此文獻[40-41]通過對退役動力電池在不同SOC、SOH、溫度下進行電化學阻抗譜(electrochemical impedance spectroscopy， EIS)測試，建立EIS等效模型，實現(xiàn)了SOC、SOH快速、動態(tài)估計。
數(shù)據(jù)驅動為對電池歷史運行數(shù)據(jù)或離線測試數(shù)據(jù)進行特征提取，得到特征與電池狀態(tài)之間的映射模型，同時運用機器學習算法進行訓練。文獻[37]基于所挖掘的梯次利用電池的老化特征，利用皮爾遜相關系數(shù)法對老化特征進行約簡后作為數(shù)據(jù)驅動模型輸入，建立基于深度神經(jīng)網(wǎng)絡的狀態(tài)評估模型。數(shù)據(jù)驅動方法高度依賴數(shù)據(jù)質量、數(shù)量以及共同性，但退役動力電池在二次使用時老化模式與新電池存在明顯差異，且目前梯次利用電池溯源管理不完備，數(shù)據(jù)獲取困難，對此文獻[42-43]結合數(shù)據(jù)驅動與經(jīng)驗模型兩種方法，通過ICA提取電池特征，用高斯過程回歸法建立數(shù)據(jù)驅動模型進行預測，并利用預測值擬合經(jīng)驗模型對電池SOC、SOH進行估計，實驗表明該方法能在減輕監(jiān)測設備負擔的同時保證預測的較高精度。
3.2 篩選與重組
由于眾多電池個體間一致性存在較大差異，如單體容量、內阻及SOC不一致等，性能不同的電池進行重組可能出現(xiàn)短板效應，單個電池將影響整組電池的性能，造成資源浪費，為便于后續(xù)退役電池進行重組且保證應用效益最大化，需對電池進行篩選，學者們對一致性篩選聚類技術進行了研究，鑒于機器學習能夠有效降低參數(shù)復雜性，且擁有大規(guī)模數(shù)據(jù)的處理能力，研究熱點集中于機器學習[44]，常用的聚類算法有K-MEANS、BIRCH、DBSCAN等，文獻[45]提出了一種基于密度的MD-DBSCAN方法綜合評價電池不一致性，在不降低利用率的情況下提高了篩選效率；文獻[46]考慮到評估參數(shù)眾多，運用模糊K-MEANS算法對電池進行分組，降低電池間不一致性帶來的影響；文獻[47]考慮不同需求下的篩選差異，提出基于遺傳編碼優(yōu)化的定制化聚類技術，能夠針對性地對電池進行定向篩選。
在完成檢測與篩選之后，退役動力電池將基本滿足梯次利用要求進入重組階段。退役動力電池存在電池包、電池模組、電池單體三種形式，以單體的形式進行重組能夠保持較高的一致性，但由于激光、電磁焊接等剛性工藝會導致電池拆解困難、耗時久、成本高。若以電池包為單元進行利用，操作簡單且成本低，但安全隱患高且無法最大化利用電池包內的電池容量。因此模組級是較為理想的重組方式，電池模組容量和電壓較低，需要組間進行串并聯(lián)以滿足儲能需求，由于退役電池個體參數(shù)差異的存在以及連接方式的不同，通常會出現(xiàn)電池系統(tǒng)容量下降的情況，國內對于此方面的研究較少，文獻[49]對串聯(lián)模組與并聯(lián)模組的拓撲結構進行研究，得到其分別受電池單體內阻及容量影響的結論；文獻[50-51]研究發(fā)現(xiàn)電池單體位置能夠明顯影響成組系統(tǒng)容量。但上述文獻未對結論進行具體分析，且拓撲結構固定，具有一定的局限性，針對差異化顯著的退役動力電池重組的研究仍需精進。
3.3 容量配置
應用場景不同，所需儲能容量也不同，因此需要根據(jù)實際工程需求對電力系統(tǒng)中的儲能配置進行規(guī)劃設計，在平衡儲能系統(tǒng)與用戶側需求的同時保證運行的經(jīng)濟性。與新電池相比，梯次利用儲能雖然成本低廉，但其壽命與容量存在不足，合理配置容量規(guī)模對項目經(jīng)濟性至關重要。
對于容量優(yōu)化配置的研究目前主要集中于模型建立以及優(yōu)化求解算法，對電池及系統(tǒng)建立數(shù)學模型及目標函數(shù)，并根據(jù)動態(tài)約束條件解算得出最優(yōu)配置。容量配置模型綜合考慮儲能類型(蓄電池、飛輪等)、儲能性能(功率型儲能、能量型儲能)、系統(tǒng)運行方式(并網(wǎng)、孤島)等因素；目標函數(shù)集中于系統(tǒng)可靠性、經(jīng)濟性、安全性；優(yōu)化求解算法多為啟發(fā)式算法，如遺傳算法、人工神經(jīng)網(wǎng)絡或是改進的混合式算法。文獻[53-54]分別建立退役動力電池應用于風儲、風光儲的聯(lián)合模型，以成本最優(yōu)及平抑波動可靠性最高為目標函數(shù)得到最優(yōu)容量配置，并根據(jù)實際電場數(shù)據(jù)驗證了配置的可行性，但上述配置模式與傳統(tǒng)容量配置類似，通?？紤]系統(tǒng)性能與經(jīng)濟性之間的關系，退役動力電池的性能限制及老化情況往往被忽略，基于此文獻[55]考慮到梯次利用儲能容量變化對系統(tǒng)經(jīng)濟性的影響，計及電池循環(huán)壽命，引入螢火蟲算法求解得到經(jīng)濟性最優(yōu)的容量配置；文獻[56]根據(jù)退役動力電池的衰減特性建立長期規(guī)劃模型，并引入共享儲能的概念，采用多目標鯨魚算法進行求解，得到了規(guī)劃期內的容量配置。
3.4 控制策略
梯次利用電池較新電池而言性能與狀態(tài)皆有所不足，對于控制策略的研究在保障系統(tǒng)性能的同時，通常還需側重于對電池充放電模式的制定，科學的控制策略使得電池全生命周期高效利用的同時安全運行。
為避免梯次利用電池的過充過放，文獻[54]對下垂控制進行改進，基于SOC狀態(tài)實時對下垂系數(shù)進行修正，優(yōu)化梯次利用電池的功率分配；文獻[57]根據(jù)電池簇SOC情況，按比例分配各分支電池簇功率，保證其健康狀態(tài)趨于一致，達到同期退役的目的。為避免調節(jié)效果不理想，調節(jié)容量不足，不同場景下梯次利用電池如何響應電力系統(tǒng)需求也應有合理的控制策略進行指導，在綜合考慮風、光、火、儲的技術性、經(jīng)濟性的前提下保證各單位的協(xié)調控制是如今面臨的主要問題。文獻[58]以光儲充電站為背景，根據(jù)功率與負荷需求將退役電池分級使用，新電池深充深放，舊電池淺充淺放，并考慮SOC估算誤差所帶來的影響，利用雨流計數(shù)法降低了SOC估算精度需求，提升了系統(tǒng)可靠性；文獻[59]建立風儲控制模型，并根據(jù)閾值上下限控制儲能切換模式，同時以日收益最高構建目標函數(shù)，采用粒子群算法求解，最后對新疆某風電場進行分析得到該控制策略能夠最大化消納風電且經(jīng)濟性最優(yōu)；文獻[60]基于共享儲能的運營模式，考慮平抑電網(wǎng)波動、協(xié)調新能源等多種場景進行建模，針對退役動力電池衰減特性采取分級控制，仿真結果證明該策略能夠減少傳統(tǒng)機組出力，優(yōu)化儲能功率分配，提高利用率。
4.行業(yè)挑戰(zhàn)及展望
面對日益增長的新能源汽車，數(shù)量龐大的退役動力電池將是一個極為嚴峻的問題，動力電池梯次利用已是大勢所趨，成熟的梯次利用體系將為解決該問題提供一個環(huán)保、經(jīng)濟、有效的途徑。2022年6月，國家能源局發(fā)布《防止電力生產(chǎn)事故的二十五項重點要求(征求意見稿)》，文件不提倡中大型儲能電站使用梯次利用電池，若要進行使用，需要經(jīng)過一致性篩選，同時根據(jù)歷史運行數(shù)據(jù)進行安全評估。國內梯次利用產(chǎn)業(yè)發(fā)展仍在起步階段，目前想要對退役動力電池進行規(guī)?；膽脮呵页尸F(xiàn)阻滯狀態(tài)，無論是技術問題或是管理問題都亟需解決。
4.1 關鍵技術突破
（1）老化及壽命模型。退役動力電池的安全性是其被推上風口浪尖的主要原因之一，當前電池老化研究更多是針對新電池方面，對于梯次利用電池的老化研究較少，梯次利用電池由于其退役前工作狀態(tài)的多樣性，其老化機制更為復雜，充分考慮運行方式、運行環(huán)境、電池結構等多影響因素的老化模型將有助于電池的狀態(tài)檢測與監(jiān)測，準確排除不適用于梯次利用的電池，且保證運行中的電池的安全。同時還需加深容量或壽命預測模型的研究，準確判別合適的退役動力電池梯次利用場景、運行效率、運行方式，在安全的前提下最大化利用電池資源后找到電池老化拐點，進行二次退役。
（2）篩選聚類技術。目前篩選聚類技術主流采用機器學習的方法，但多存在準確度與速度相矛盾的情況，且模型泛化能力不足，為迎合大量退役電池進入產(chǎn)業(yè)，未來所研究的篩選方法不宜過于復雜，需構建簡單實用的學習模型，開發(fā)出魯棒性更強的算法，基于實際應用場景進行設計，自動且高效地將電池分配給合適的場景，促進梯次利用產(chǎn)業(yè)規(guī)?；l(fā)展。
（3）容量配置模型。合理的容量配置模型對優(yōu)化研究并應用于實際工程有著重要影響，為實現(xiàn)最優(yōu)配置，模型通常還需考慮發(fā)電量、負荷需求、新能源間歇性等不確定因素，多種因素相互耦合，需要容量配置的研究給出一個參數(shù)可變的選擇范圍，而不是確切值，以供實際應用需求，且還需深刻考量退役動力電池性能限制及老化所帶來的影響，同時避免研究僅存在理論有效性，需加強技術研究成果與示范工程的結合，真正實現(xiàn)產(chǎn)業(yè)進步。
4.2 產(chǎn)業(yè)體系形成
（1）溯源管理。電池歷史運行數(shù)據(jù)是提高梯次利用效率的基礎，規(guī)范的電池溯源管理是取得歷史數(shù)據(jù)的關鍵，需明確落實生產(chǎn)者責任延伸制度，對各環(huán)節(jié)主體所需溯源信息提出要求，充分利用溯源管理平臺，加強維護和監(jiān)管，未來隨著物聯(lián)網(wǎng)及機器學習技術的發(fā)展，或為電池的智能管理、數(shù)據(jù)采集提供強有力的支持。
（2）商業(yè)模式。梯次利用技術與工藝尚不成熟，生產(chǎn)供應鏈體系仍待形成，因此目前退役電池檢測和重組成本過高，產(chǎn)品出廠價格過高，經(jīng)濟效益低下，且大比例的退役動力電池進入非正規(guī)渠道，電池退役量雖多，部分廠商卻出現(xiàn)無電池可用的尷尬局面，亟需加強產(chǎn)業(yè)鏈上下游合作，推進回收單位與“白名單”企業(yè)直接對接，建立正規(guī)回收渠道，充分利用信息技術，實現(xiàn)產(chǎn)業(yè)聯(lián)盟，盡快規(guī)范市場制度，形成回收體系。同時創(chuàng)新商業(yè)模式，拓寬應用場景，如換電、租賃(共享)、能源服務外包等模式，當今智能電網(wǎng)蓬勃發(fā)展，建議企業(yè)加強與電網(wǎng)合作，利用梯次利用技術解決新能源消納及調度，助力清潔能源轉型。
（3）標準與政策。任何產(chǎn)業(yè)在發(fā)展階段都離不開政策與標準的指引，國家雖已出臺相關文件扶持，并積極構建標準體系，但仍不完善，缺少梯次利用針對性制度。為促進產(chǎn)業(yè)快速有序發(fā)展，需對退役電池的運輸與監(jiān)管、行業(yè)與市場的法規(guī)、檢測評估與篩選重組指標、電池分級標準、應用標準、再退役標準、消防安全規(guī)范等進行更為細致地制定。鑒于回收儲運、檢測等成本導致梯次利用產(chǎn)品成本過高，企業(yè)營收不足，需對相關環(huán)節(jié)加以補貼激勵。同時對電池研發(fā)、生產(chǎn)統(tǒng)一標準，構建統(tǒng)一電池規(guī)格、結構、組裝工藝，從源頭上提高電池梯次利用效率，降低附加成本。
5.總結
一個產(chǎn)業(yè)從摸索到成熟是循序漸進的過程，為踐行“雙碳”背景的綠色低碳理念，新能源動力電池及其梯次利用在節(jié)能減排與資源利用上展現(xiàn)出巨大潛力，推動梯次利用產(chǎn)業(yè)可持續(xù)發(fā)展已是行業(yè)共識。本文系統(tǒng)闡述了梯次利用回收相關技術以及儲能系統(tǒng)的應用技術，并對產(chǎn)業(yè)發(fā)展進行展望，希望能夠為產(chǎn)業(yè)技術進步及高質量發(fā)展提供助力，推進“雙碳”目標順利實現(xiàn)。
