摘要:金属性1T′-MoTe2导电性优异,但其层状结构在Zn2+反复嵌入/脱出过程中易发生不可逆坍塌,导致容量快速衰减,限制了其在水系锌离子电池中的应用。针对这一问题,本研究提出K+电化学预插层策略,以CH3COOK溶液为电解液通过恒流充放电和循环伏安两步活化,将K+嵌入1T′-MoTe2/CC层间,以扩大层间距并缓冲体积变化,并系统探究了不同CH3COOK浓度对插层效果的影响。结果表明,1.0 M CH3COOK预插层效果最优,在0.2 A g-1下比容量由未插层的113 mAh g-1提升至260 mAh g-1,循环初期的容量骤降得到有效抑制。在1 A g-1下循环1200次,K-1T′-MoTe2/CC-1.0的容量保持率达到82.8%,远高于未插层样品的59.2%,库仑效率维持在约100%。不同扫速CV分析表明,插层后b值由0.715增至0.737,说明K+插层扩大了层间距,加快了离子迁移和扩散速率,改善了电极反应动力学。非原位XRD和SEM及循环后的XPS证实,K+预插层有效维持了活性材料循环过程中的层状结构和电极完整性。此外,该策略在2H-MoTe2和Chevrel相Mo6Te8中同样有效,初步验证了其在Mo-Te体系中的普适性。本工作为Mo-Te基材料在水系锌离子电池中的应用提供了可行的结构调控策略。
摘要:准确估算锂离子电池的能量状态(State of Energy,SOE)并量化其预测不确定性,对于提升电池管理系统的能量管理、安全控制及运行可靠性具有重要意义。针对传统高斯过程回归在处理大规模时序工况数据时面临单一核函数难以兼容电池复杂物理退化行为,本研究提出了一种基于混合核稀疏高斯过程回归估计(Hybrid Composite Sparse Gaussian Process Regression,HCSGPR)的锂离子电池SOE预测框架。首先,HCSGPR构建了一种多尺度混合核函数,基于数据驱动统计特征实现了对电池全局能量演化趋势与微观局部非线性波动的特征分离与协同拟合。在此基础上,引入基于虚拟样本的诱导点稀疏近似机制,保持了模型特征的表征能力。此外,框架采用极大化边际对数似然方法实现超参数的闭环自适应寻优。在动态应力测试与北京公交车辆动态试验典型工况下的验证结果表明,所提HCSGPR模型展现出了较好的追踪精度与自适应能力,其平均决定系数R2最高可达99.74%,平均均方根误差RMSE低至1.18%,相较于标准SGPR和CNN-LSTM基准模型表现出较好的预测优势。在不确定性量化方面,对于标称覆盖率为90%的预测区间,实际预测区间覆盖率为92.46%至96.36%,预测区间归一化平均宽度为2.55%至4.77%,表明所构建的预测区间能够达到标称覆盖要求,同时保持较窄的归一化区间宽度。最后,引入核密度估计对后验估算误差进行非参数概率密度拟合,结果定量证实了残差序列在BBDST和DST的三个温度下具有较好的收敛性与鲁棒性,为大规模工业级电池大数据时序估算提供了一种可参考的评估方案。
摘要:电极压缩通过改变多孔电极的孔隙结构和电解液流动状态,对全钒液流电池(VFB)的传输与反应过程产生显著影响,但其对不同极化分量的竞争作用机制尚不明确。本文建立涵盖流体力学、物质传递、电荷传输与电化学反应的三维全耦合多物理场模型,系统研究压缩比(CR=0.09~0.546)对电极传输行为及电池极化特性的影响。在40 mL min-1流量,200 mA cm-2及50% SOC典型工况下,随着CR由0.09增至0.546,电极孔隙率由0.828降至0.647,渗透率由8.5×10-11 m2降至1.0×10-11 m2;由于流通空间减小,电解液平均流速由5.5×10-3 m s-1增至1.11×10-2 m s-1,而压力降由4.86 kPa增至80.24 kPa。极化分析结果表明,随着压缩程度增加,欧姆极化持续降低,而活化极化逐渐升高;与此同时,恒定流量条件下流速的提高增强了对流传质,使传质极化整体保持在较低水平。由此,三种极化的综合作用使总极化随压缩比增加呈先降低后升高的非单调变化,在适当压缩比下总极化达到最低值。进一步结合局部反应电流密度和反应物浓度分布可知,轻度压缩下欧姆极化降低带来的性能增益占主导,而过度压缩后活化极化的增加逐渐超过欧姆极化的降低,最终导致总极化回升。