Review: High-Volume Battery Recycling—Technical Review of Challenges and Future Directions
出處：Rehman, S. et al. (2025), Batteries, 11(3), 94. DOI: 10.3390/batteries11030094
Reviewer: C.Y. Lu | July 21, 2025
一、研究背景與目的
本研究由英國 Teesside University 團隊主導，針對鋰離子電池（LIBs）高產量回收的技術瓶頸、自動化潛力與永續發展策略進行系統性技術回顧。隨著電動車（EV）市場爆發性成長，EoL（End-of-Life）電池數量將於 2030 年後快速累積，建構智慧、高效、安全的回收體系成為迫切課題。
[[Figure 1: Projected EV production in the UK and EV battery capacity in Global Market from 2020 to 2030]]
2020–2030 年間英國電動車（EV）產量與全球市場電動車電池產能（GWh）的成長趨勢預測
資料點與趨勢線
🟩 綠點線（EV Production in UK）：英國電動車產量穩定成長，2020 約為 20 萬輛，2030 逼近 140 萬輛，成長約 7 倍
🟦 藍點線（EV battery Capacity in global market）：全球電池產能從 2020 年約 200 GWh 成長至 2030 年接近 3000 GWh，成長超過 14 倍
圖表支持本文觀點：EoL（退役電池）規模將迅速擴大，需提前部署回收體系。
二、研究方法與貢獻
研究整合學術與產業資料，涵蓋：
回收技術類型與比較
回收流程全階段（分類、放電、拆解、回收）
自動化與AI應用挑戰
電池設計與政策對接問題
核心貢獻為建構全流程挑戰地圖，並提出具體的創新解方。
三、技術與材料組成分析
根據作者統整，一顆典型的鋰電池（如 NMC、LFP）其主要構成如下：
[[Table 1: Typical Composition of a Commercial Lithium-Ion Battery Cell]]
組件 材料與說明 質量比 (%) 正極 Cathode NMC/LFP/LCO 鋰化合物 30–40 負極 Anode 石墨（含矽添加劑） 20–25 電解液 Electrolyte 鋰鹽（如 LiPF₆）+ 碳酸酯混合溶劑 10–15 隔離膜 Separator 聚乙烯／聚丙烯薄膜 5 集流體 Current Collectors 鋁箔（正極）、銅箔（負極） 10–15 黏結劑與添加物 PVDF, CMC, SBR 等 3–5 外殼 Casing 鋁或鋼材 10–20
四、回收技術比較與挑戰
三大主流技術類型比較如下：
[[Table 2: Comparison of the EV Battery Recycling Methods]]
回收方法 優點 缺點 熔煉冶金法（Pyrometallurgy） 操作簡單，無需前處理，金屬回收率高 高能耗，產生毒氣，無法回收鋰與錳 濕式冶金法（Hydrometallurgy） 能源效率高，金屬純度高，適用多種化學結構 過程複雜、有毒試劑、水處理壓力大 直接材料回收法（Direct Recycling） 環境友善，保留材料活性、低能耗 僅適用單一化學材料、設備成本高、尚未規模化
五、回收流程中的技術挑戰
本研究依據回收流程分為六大挑戰領域：
[[Table 3: LIB Recycling Challenges and Technologies]]
流程階段 主要挑戰說明 技術創新方向 收集與分類 無統一標籤、電池化學不明、狀態不可預測 AI辨識、自動分選、Battery Passport 放電 高電壓殘能釋放造成熱失控或爆炸風險 智能放電模組、狀態監控系統 拆解 廠牌設計不一、焊接或黏結難拆、人力成本高 自動拆解機器人、模組標準化設計 材料回收 化學組合異質，部分電池（如LFP）價值低，降低回收意願 混合工藝路徑、AI預測材料純度 環境與安全風險 電解液滲漏、熱失控、重金屬污染，操作人員有健康風險 機械臂操作、自動滅火系統、密閉環境建置 經濟與政策障礙 高投資門檻、回收效益差異大、各地法規不一致 補貼政策、國際標準制定、區域性回收中心設立
六、自動化與AI應用前景
當然可以，以下是更新後的「第六部分：自動化與AI應用前景」，已納入 Figure 2 並補充相關說明。此區段現涵蓋從回收前處理、分類、自動拆解、材料回收到 AI 應用的完整鏈條流程，搭配圖說順序整理如下：
六、自動化與 AI 應用前景
自動化與人工智慧（AI）正逐漸重塑鋰電池回收流程，使其朝向更高效率、更高回收率與更低環境風險邁進。以下為主要技術演進面向：
1. 回收流程概觀與自動化機會區
在大規模回收體系中，自動化技術應涵蓋以下階段：
分類與分選（Sorting）：依照電池化學結構與健康狀態進行條碼掃描、電壓檢測與視覺辨識。
放電與拆解（Discharge & Disassembly）：導入機器人進行安全放電與模組拆解，有效避免熱失控與人為誤差。
材料回收與分離（Material Recovery）：應用熱法、濕法與直接回收技術，並導入感測器與機械臂進行自動分離操作。
完整 Chain可參見 [[Figure 2: Schematic overview of possible recycling routes for LIBs]]。
Figure 2 說明：鋰電池回收路徑示意圖
（Schematic overview of possible recycling routes for LIBs）
本圖展示鋰離子電池（LIBs）從退役收集到材料回收再利用的完整路徑，目標是實現「Battery Circularity（電池循環經濟）」以降低資源消耗與碳排放。
(1) Collection（收集）
收集來自電動車、儲能系統等來源的退役鋰電池。
為整個回收流程的起點，亦與電池追蹤系統及製造端資訊整合密切相關。
(2) Pre-treatment（預處理）
對電池進行初步拆解與分離處理：
Sorting（分類）：依化學結構或生產批次分類；
Discharge（放電）：避免熱失控；
Dismantling（拆解）：模組／單體分離；
Shredding（粉碎）與 Separation（初步分離）：將塑料、金屬、電解液殘留進行分流。
(3) Material Recovery（材料回收）
此步驟是整個回收流程的核心，常見方法如下：
Pyrometallurgy（火法冶金）：
高溫熔融技術；
可處理混合材料，但能耗與碳排高；
副產品「Slag」可作為建材使用。
Hydrometallurgy（濕法冶金）：
使用化學溶劑提取金屬（Li、Ni、Co 等）；
可進一步送入精煉程序提升純度。
Direct Recycling（直接回收）：
不破壞正極材料結構；
經翻新後再用於新電池製造，節省能耗與化學劑。
🔹 回收核心產物：「Black Mass（黑質）」──富含有價金屬的粉末狀混合物。
(4) Refining（精製）
通常為濕法的延伸工序；
將回收金屬進一步提純為高純度可再利用材料；
用於製造新電池正極材料（CAM）。
(5) Battery Circularity（電池循環再利用）
強調全流程的閉環回收概念：
減少一次性資源開採；
降低碳排放；
建構綠色供應鏈；
副產品再利用（如熔渣建材化）。
2. AI + Robotics：核心技術應用
自動拆解系統：如 ABB IRB 6700 工業機械人，已證實可將人力成本降低 97%，大幅提升年處理量與安全性。
視覺辨識與分類：透過機器視覺搭配深度學習模型，自動辨識模組類型、螺絲／焊點位置與損壞程度。
Battery Digital Passport（數位電池護照）：整合 QR 碼、GPS、製造商資訊與 3D 模型於雲端資料庫中，實現跨平台可追溯與即時決策輔助。
→ 視覺系統與數據架構可見於 [[Figure 3: EV Battery Tracking, Classification, and Sorting Mechanisms]]。
Figure 3 說明：EV 電池追蹤、分類與分選機制
(EV Battery Tracking, Classification, and Sorting Mechanisms)
本圖展示了電動車電池從退役至分類回收的數位化決策支援架構，其核心是整合多來源資訊至雲端資料庫中，以便於進行後續的儲存、再利用或回收處理。
(1) 資料來源：多面向資訊收集
🔍 Inspection & Physical Measurements：透過掃描器、紅外線或超音波設備進行電池實體檢測（尺寸、溫度、振動等）。
🛰️ QR Code / GPS / GIS 資訊：記錄地理位置與溯源資訊，有助於物流追蹤與資產管理。
⚡ Electrical Measurements & Analytics：測量電池 SoC（State of Charge）、SoH（State of Health）與 RUL（Remaining Useful Life）。
🧱 Physical Health & Structural Integrity：記錄是否有變形、膨脹、漏液或爆裂等物理損壞。
(2) 識別核心：Battery ID 數據彙整
中央區塊顯示了關鍵識別資訊欄位：
Battery Identification Number (BIN)；
製造商、型號、容量；
使用歷程與部署環境等。
(3) 雲端系統：IoT / Data Warehouse
資訊經整合後進入 IoT-based Decision System：
支援雲端資料倉儲與決策支援模組；
可連結其他數據源（Digital Twin、業務規則資料庫等）；
執行自動分類與決策建議。
(4) 決策路徑分支：三種主要去向
💾 Storage（儲存）：暫存於倉儲設施，待日後處理。
🔁 2nd Life（二次壽命應用）：符合條件的模組可用於儲能、UPS、電動自行車等。
♻️ Recycling（回收）：健康狀態不佳、無法再利用的電池將進入材料回收流程。
(5) 支持系統與標準規範
📘 Standards & Regulatory Frameworks：確保流程符合法規、安全規範與回收標準（如 UN 38.3、IEC 62902）。
📊 Business Rules Database：存放企業或回收商依其營運策略訂定的分類規則與門檻值。
🧠 Digital Twin & Decision Support：結合實體電池模擬與雲端決策建議，實現自動化流程與 AI 分類判斷。
📌 小結：
Figure 3 強調的是透過「數據驅動」的方式進行電池分類決策，尤其在處理大量退役電池時，能大幅降低人為判斷誤差、提高自動化程度，亦為未來 Battery Passport 實施與全球回收標準化的重要基礎。
3. 模組拆解的設計挑戰與應對策略
不同車廠採用不同電池模組架構，造成自動拆解的技術門檻高。下列三種設計展示了拆解複雜度：
Tesla Model S：使用 444 顆圓柱電池，模組數多且散熱系統複雜。
BMW i3：採用稜柱電池，模組中等，結構相對緊湊。
Nissan Leaf：使用軟包電池，模組數高，但易膨脹，處理風險高。
→ 詳見模組結構圖 [[Figure 4: Challenges of different battery pack designs in EV battery recycling (use of cylindrical, prismatic, and pouch cells)]]。
以下是對 Figure 4: Challenges of different battery pack designs in EV battery recycling 的詳細說明，已以 (1)–(4) 條列重點，強調回收階段的實際挑戰與差異。
🔋Figure 4 說明：不同電池包設計對 EV 回收的挑戰
(Challenges of different battery pack designs in EV battery recycling — use of cylindrical, prismatic, and pouch cells)
本圖比較三款主流電動車型（Tesla Model S、BMW i3、Nissan Leaf）所使用的不同電池模組結構與單體電芯類型，揭示其在回收處理上的設計複雜性與技術挑戰。
(1) Tesla Model S 85kWh — Cylindrical Cells 圓柱型設計
結構：
1 Pack 含 16 個模組；
每模組有 444 顆圓柱型電芯（總數達 7,104 顆）。
挑戰：
單顆數量龐大、拆解工序繁瑣；
難以以模組為單位進行再利用；
焊接點多，熱失控風險高。
(2) BMW i3 22kWh — Prismatic Cells 方形硬殼設計
結構：
1 Pack 含 8 個模組；
每模組有 12 顆方形電芯。
優點：
拆解較為整齊，便於自動化操作；
模組與單元的結構清楚，利於模組重製（remanufacturing）。
(3) Nissan Leaf 24kWh — Pouch Cells 軟包設計
結構：
1 Pack 含 48 個模組；
每模組 4 顆軟包電芯（總數 192 顆）。
挑戰：
軟包外殼容易受損，運輸與存放需特別處理；
熱管理難度較高；
容易變形，減少自動辨識與分類效率。
(4) 回收面挑戰總結
電芯類型 拆解困難 自動化適應性 回收材料純度 熱風險 圓柱型（Tesla） 高 低 中 高 方形（BMW） 中 高 高 中 軟包（Nissan） 中 中 低 中
不同設計對應不同回收策略與設備要求，增加了回收系統的多樣性與成本負擔。
圖中視覺化展現模組/電芯層級拆解流程，有助於理解回收階段的技術難點。
📌 小結：
Figure 4 揭示回收流程不僅依賴材料化學成分，更受限於電池設計架構。未來若能在設計階段導入「回收友善設計（Design for Recycling）」原則，將可大幅提高整體回收效率與材料回用率。
4. 流程整合與未來實施藍圖
一套完整的自動化回收流程示意如下：
退役電池經由條碼與化學結構分類；
檢查 SoH（State of Health）後，健康模組進入「第二壽命」應用；
其餘進入放電→拆解→分類→材料回收→黑質生成流程；
不同化學類型（如 NMC、LFP）經由分線處理，提升純度與回收率。
→ 請參見整體流程圖 [[Figure 5: Proposed flowchart of EV battery recycling]]。
七、產業案例與落地策略
Redwood Materials：採用視覺分類＋AI決策＋直接回收，縮短回收流程，提升經濟性。
Nissan Leaf 拆解案例：自動化拆解每公斤成本可由 $0.64 降至 $0.02。
Teesside Prototype：研發中之雲端追蹤與分類平台，納入AI分類與放電管理模組。
八、政策建議與總結
短期措施：
建立區域回收中心，減少運輸碳排；
補貼自動化導入；
推動數位電池護照立法。
中期規劃：
模組設計標準化；
強化 Battery-as-a-Service 商業模式；
製造端納入回收性評分。
長期目標：
建立完整「製造—使用—再利用—回收—再製」閉環；
推動全球回收法規與報廢責任統一。
📌 結語
本篇論文不僅統整鋰電池回收的技術路線與瓶頸，更進一步以「工程—數據—政策」三重架構提出具體解方。對於正面臨EV退役電池浪潮的各國政府、製造商與回收業者而言，此篇研究提供了全面性路徑圖，具高度參考價值。