在某些应用中,共享共同电极的这两种设备的组装在设备形状因子,可移植性和能源生产和存储的权力下放的某些应用中比整体过程效率更重要。太阳能电化学储能(SEE)概念首先是由Hodes于1976年提出的,[1]基于光电化学细胞,使用CDSE作为光电子,S/S-2,作为氧化还原电力lyte和Ag 2 S/Ag作为阳极。先驱研究被报道的太阳能水分[2]和晚期氧化过程[3]黯然失色,并具有更有希望的结果和更高的有效利用太阳能。然而,由于社会化和可持续的能源和电化学能源能源(尤其是在锂离子电池中)和光伏电池(例如染料 - 敏感性和佩洛夫斯基太阳能电池)的分散和可持续能源和技术进步,对这些研究的兴趣在过去十年中的兴趣增加了。尽管这种新的兴趣,但对基于插际离子电池的系统的研究仍然很少。在2000年代初期,See系统基于染料敏化的太阳能电池。在这些系统中,电解质包含氧化还原对I 3
The National Neuropsychology Network (NNN), a multi-center, multiple-PI project supported by the NIMH (R01MH118514), was established specifically to promote the use of common data elements and data aggregation to advance the empirical basis of neuropsychological (NP) assessment (see www.nnn.ucla.edu ) (Loring et al., 2021).NNN的关键目的是利用先进的心理测量方法来确定通常在非均质诊断条件下使用的测试电池的最显着认知成分,通常是用于NP评估。四个站点(佛罗里达大学埃默里大学,威斯康星大学和加州大学洛杉矶分校)正在汇总临床NP电池的数据,并将这些数据存放在项目级别中,并将结果免费提供给研究社区。到目前为止,我们已经招募了6,400多名参与者,并且在某些措施上有2400多名参与者的项目级别数据可用。
在这项工作中,我们报告了商用锂离子电池的原始电极和降解电极的热导电性。以有或没有电解质溶剂和不同压实压力的情况下测量热导率。评估降解对内部和外部热传输的影响。此外,报告了总体细胞冷却效率是健康状况的函数,并估计了全细胞热电导率。对于降解材料,电极导热率的降低最高为65%。减少似乎是干石墨阳极最极端的。循环过程中细胞的机械夹具和寒冷温度似乎可以减轻导热率的降低。发现细胞冷却效率在70-75%的健康状况下降低了50%。由于电解质和盖料的量减少而降低了润湿,这被认为是电池冷却效率和电极导热率之间差异的原因。发现全细胞热导率降低的主要原因是由于阳极导热率降低和电解质溶剂的降低所致。
摘要:基于硅(SI)的阳极由于其高理论能力(〜3600 mAh/g)而对下一代锂(Li) - 离子电池都有希望。然而,它们在第一个周期中从初始固体电解质相(SEI)形成中遭受了大量的容量损失。在这里,我们提出了一种原位预定方法,将Li金属网格直接集成到细胞组件中。一系列LI网格被设计为预先构想试剂,这些试剂适用于电池制造中的SI阳极,并自发地添加了电解质。li网格的各种孔隙率构成预定的量相当于控制预定程度。此外,图案的网格设计增强了预定的均匀性。具有优化的预定量,基于SI的原位预定型完整细胞显示150个周期的容量> 30%的能力提高。这项工作提出了一种提高电池性能的便捷预定方法。关键字:锂离子电池,预定,硅阳极
基于非富勒烯受体的有机太阳能电池(NFA-OSC)现在正朝着 20% 的能量转换效率的里程碑迈进。为实现这一目标,最小化所有损耗通道(包括非辐射光电压损耗)似乎是必要的。在很大程度上,非辐射复合被认为是材料固有的特性,这是由于振动引起的电荷转移 (CT) 状态的衰减或它们向三重态激子的反向电子转移。本文表明,使用一种具有 2,2,6,6-四甲基哌啶-1-氧基侧基的新型共轭硝基自由基聚合物 (GDTA) 作为添加剂可以提高基于不同活性层材料的 NFA-OSC 的光伏性能。添加 GDTA 后,开路电压 (V OC )、填充因子 (FF) 和短路电流密度 (J SC ) 同时改善。该方法应用于多种材料系统,包括最先进的供体/受体对,其性能从 15.8% 提高到 17.6%(对于 PM6:Y6)并从 17.5% 提高到 18.3%(对于 PM6:BTP-eC9)。然后,讨论了观察到的改进背后的可能原因。结果表明 CT 状态被抑制为三重态激子损失通道。这项工作提出了一种简便、有前途且通用的方法来进一步提高 NFA-OSC 的性能。
摘要:锂离子细胞中多孔电极的微观结构强烈影响其电性化学性能。实验断层扫描技术来研究电极开发过程中的微观结构的昂贵且耗时。为了解决这个问题,提出了一种数值方法来创建数字形态以实现现实的微观结构。在这项研究中,提出了直接数学方法中的球形谐波来发展电极异质结构的虚拟3D形态。引入的方法提供了一个数值轻度的过程,可实现有效的迭代虚拟测试和优化。生成的形态模型被参数化以重现文献中观察到的NMC阴极微结构。电极模型允许评估微观结构的空间分辨几何,传输和电势特征。使用计算的特征来改善连续模型的参数化,作为最广泛使用的基于物理的模型。为此,锂箔/分离器/NMC半细胞的电化学阻抗光谱实际上是由异质和连续方法建模的。然后,就电化学阻抗光谱的动力学和传输特性而言,将修改的连续模型与异质模型作为基准进行了比较。修改的连续元模型在频率和时域都显示出改进的响应。
硫代磷酸盐基固态电池(SSB),具有高尼克三元阴极材料(例如Lini 0.83 CO 0.83 CO 0.11 MN 0.06 O 2(NCM))代表了有希望的下一代储能技术,原因是他们的预期高特定排放能力和改善的安全性。然而,通过相间通过相间的接触损失和细胞循环过程中的裂纹形成引起的快速衰减是一个显着的问题,阻碍了稳定的SSB循环和高能密度应用。在这项工作中,通过喷雾干燥过程获得了聚(4-乙烯基苯基苯基)三甲基铵双Bis(Tri-furomethanesulfonylimide)(NCM上的三甲基甲硫化液)(pvbta-tfsi))。NCM上仅2-4 nm厚度的极薄阳离子聚合物涂层有助于稳定NCM和LI 6 PS 5 Cl固体电解质(SE)之间的界面。电化学测试证实了长期循环性能和主动质量利用的显着改善。另外,聚合物涂层有效地抑制了NCM/SE界面的降解,尤其是氧化物种的形成,并降低了颗粒裂纹的程度。总体而言,这些结果突出了一种新的方法,可以使用SSB的NCM上的阳离子聚合物涂层来减轻SSB降解。
锂离子电池属于金属电池(MIBS)类别,它们在智能存储设备中经历了广泛的开发。1这些电池的性能和实际应用通常取决于所使用的金属离子的特性(表1)。为例,钠是通过单电子转移(如锂)运行的,并且具有低电化学电位(-2.71 V与标准氢电极,SHE),该电位仅比锂的氢电极,SHE)。但是,鉴于与锂相比,钠的丰度和较低的成本较低,基于钠的可充电电池可以更好地满足对大型电气储能系统的需求。4此外,与LIB相比,使用多价离子(例如Zn 2+,Mg 2+,Al 3+)的电池可以实现更高的体积能力和较低的成本,因为它们能够参与多个电子转移氧化还原反应和较高的丰度。1,5
理解和消除电解质溶液的降解可以说是高能密度锂 - 空气电池发展的主要挑战。使用乙腈的使用提供了与当前最新的Glyme醚相当的循环稳定性,尽管已经对溶剂降解进行了广泛的研究,但尚未提出乙腈降解的机制。通过应用原位压力测量和异位表征来监测锂 - 空气电池中乙腈的降解,揭示了细胞内H 2 O浓度与理想化的电子/氧气比之间的相关性。在细胞和模型条件下,循环电解质溶液的表征将乙酰酰胺鉴定为主要降解产物。提出了一种新的退化途径,该途径合理化了乙酰胺的形成,识别H 2 O在降解过程中的作用,并确认氢过氧化物作为锂 - 空气细胞中关键的拮抗物种。这些研究强调了在探索锂 - 空气细胞化学时考虑大气气体的影响的重要性,并建议进一步探索氢过氧化物物种对锂 - 空气细胞降解的影响,可能会导致鉴定出更多效率的电解质溶剂。
电动汽车(EV)被认为是传统车辆的环保选择。作为电动汽车中最关键的模块,电池是具有非线性行为的复杂电化学成分。车载电池系统的性能也受复杂的操作环境的影响。实时电动汽车电池在服务中的状态预测很棘手,但对于实现故障诊断和有助于预防危险事件至关重要。具有时间序列分析中有优势的数据驱动模型可用于从有关某些性能指标的数据中捕获降解模式并预测电池状态。变压器模型能够使用多头注意区块机制有效地捕获长期依赖性。本文介绍了标准变压器和仅编码变压器神经网络的实施,以预测电动电池的健康状况(SOH)。根据NASA卓越网站公开访问数据集的锂离子电池的分析,提取了与电荷和放电测量数据有关的28个功能。使用Pearson相关系数筛选功能。结果表明,过滤的特征可以有效提高模型的准确性以及计算效率。提出的标准变压器在SOH预测中表现出良好的性能。