【论文链接】
https://doi.org/10.1016/j.fuel.2024.134005
【作者单位】
广东工业大学等
【论文摘要】
随着光伏（PV）技术的迅速发展，对废弃光伏组件的有效管理变得势在必行。本研究对光伏封装材料（EPV）和背板材料（TPV）的（共）热解动力学、热力学、产物及降解路径进行了表征。EPV的热解过程包括侧链断裂（262–392℃），随后是主链断裂（392–518℃），此过程中释放乙酸和烃类化合物。TPV的热解（277–603℃）则涉及C-O、C–C和C-F键的断裂与重组，生成苯衍生物、烯烃和氟化化合物。F2模型最能准确描述TPV的热解动力学，而D3/F1.5模型则最适合EPV的热解动力学。EPV与TPV之间呈现出微弱的协同作用，其理论与实际的质量损失范围在-1.51%至3.07%之间。温度高于500℃时，残余质量减少达到最优，且分解速率最大。这些发现为光伏组件塑料的高效回收提供了见解。通过联合优化操作参数，可以最大化资源回收率，同时最小化环境影响，并推动可持续的废物管理。
【实验方法】
实验方法：
在本研究中，随机抽取光伏组件的封装材料（EPV）和背板材料（TPV）。两者均在通风良好的环境中自然干燥24小时，然后被切割成小块，进行冷冻粉碎，并通过100目筛网进行筛分。制备了三种混合比例，并分别标记如下：3份TPV与1份EPV混合（TE3）；1份TPV与1份EPV混合（ET1）；以及3份EPV与1份TPV混合（ET3）。经过24小时的冷冻干燥处理后，将样品保存在干燥器中。使用微机量热仪测定了它们的高热值。使用元素分析仪测量了它们的元素（C、H和N）组成。使用自动工业分析仪分析了它们的灰分、水分和挥发分含量。进行了X射线衍射（XRD）分析，以揭示样品灰分的晶体结构，同时使用扫描电子显微镜（SEM）观察了其表面形态，以提供更深入的了解。
联合优化过程：
该研究采用了四阶段联合优化方法：(1) 随机分层划分；(2) 人工神经网络（ANN）和随机森林（RF）的最佳拟合；(3) 两种联合优化方案；(4) 敏感性分析。首先，将EPV和TPV（共）热解分解量（TG，%）和速率（DTG，%/min）的全部实验数据（N=116,223）随机分为70%的训练集（N=81,356）和30%的验证集（N=34,867），在此过程中确保所有数据点在三种样本类型和四种加热速率之间均匀分布。其次，使用验证数据集来选择最佳拟合的人工神经网络和随机森林参数，这些参数能产生最高的决定系数（R²）和最低的均方根误差（RMSE）。第三，探索了两种联合优化方案：(a) 同时优化单个输出（TG和DTG）的人工神经网络和随机森林模型；和(b) 同时优化单个人工神经网络模型以预测两个输出。这些优化是根据复合期望函数（D）的曲线实现的，该函数值在0到1之间变化（理想状态）。最后，通过蒙特卡洛模拟（N=5000）确定了单个和整体模型输出对输入的敏感性水平。所有数据分析均使用JMP Pro 17.2软件完成。
【图文摘取】
【主要结论】
本研究表征了光伏模块的主要成分——封装材料（EPV）和背板材料（TPV）的（共）热解行为、动力学、热力学、产物及降解途径。TPV的热解在277–603°C之间出现了一个主要的热损失阶段，主要产生苯衍生物。F2反应级数模型最能描述TPV热解的反应机制。EPV的热解发生在262至518°C之间，主要释放乙酸和各种烃链。温度的升高使EPV的动力学模型从D3转变为F1.5。共热解相互作用影响了主要产物的产率，但未显著改变产物的种类。EPV和TPV均在500°C以上达到了最佳的（共）热解条件。本研究为（共）热解作为光伏模块的回收和资源回收方法提供了有价值的见解，为退役光伏组件的可持续性和大规模循环利用建立了理论和实践基础。
