《新型电解液或解决可充型锌电池规模应用难题》

  • 来源专题:能源情报网信息监测服务平台
  • 编译者: guokm
  • 发布时间:2021-12-16
  • 由水合四氟硼酸锌盐和乙二醇溶剂组成的新型电解液中,乙二醇本身的高沸点以及电解液中组分间的强相互作用,使得该电解液不易挥发和结冰,可以同时耐受酷暑和严寒,大大拓宽了锌电池的应用范围。

    可充型锌电池是一种新型电化学储能器件,比锂电池更加安全可靠,成本也更加低廉。但以水作为锌电池电解液溶剂的局限性,严重制约着锌电池产业化的发展。

    记者12月13日从天津大学获悉,该校先进碳与纳米能源实验室联合清华大学深圳国际研究生院先进能源材料团队和中国科学院金属所先进炭材料研究部,成功研发出一种与金属锌兼容的低成本新型不可燃含水有机电解液。相关成果在线发表于国际期刊《自然·可持续性》上。

    水系电解液让锌电池面临枝晶和腐蚀挑战

    如何实现“碳达峰、碳中和”目标已成为全球性焦点和议题,加大可再生能源的绿色开发和高效使用已成为全球共识。而大力发展绿色安全的大规模储能技术则是可再生能源充分开发利用的必要技术支撑。

    可充型锌电池就是一种颇具前景的绿色安全的储能技术,其采用与锂电池相似的工作原理,利用电解液中锌离子在正负两个电极间的往复穿梭来存储和释放电能。

    不过与锂电池采用高度可燃性的有机电解液不同,可充型锌电池主要用水作为电解液溶剂,因此不存在锂电的可燃、易爆等问题,使用更加安全。

    “而且由于锌电池的原材料储量丰富,电池装配、储存、运输和维护又相对简单,因此被认为在大规模储能领域具有更加广阔的应用前景,近年来受到了广泛关注。”天津大学化工学院教授杨全红介绍。

    但是,作为负极的金属锌在水系电解液中存在着严重的枝晶和腐蚀问题亟待解决。

    “所谓枝晶是指充电过程中电解液中的锌离子在锌负极上发生不均匀沉积,从而出现的树枝状金属锌。”杨全红解释,这种枝晶在电池充放电时不断长大,最终会刺穿隔膜与正极接触,从而导致电池因内部短路而失效。腐蚀问题主要是由于金属锌较为活泼,会自发与水发生化学反应,从而持续消耗金属锌负极和电解液,导致电池使用寿命大幅缩短。

    “可以说,金属锌负极的枝晶和腐蚀问题严重制约了锌电池的产业化和大规模应用。”杨全红说。

    新型电解液由水合四氟硼酸锌盐和乙二醇组成

    为了攻克可充型锌电池所面临的这两大难题,项目团队研发出了由水合四氟硼酸锌盐和乙二醇溶剂组成的新型电解液。

    以乙二醇代替水作为电解液溶剂,可以大幅抑制金属锌负极的腐蚀问题,同时电解液中的四氟硼酸根阴离子和少量水分子(来自水合四氟硼酸锌盐中的结合水)会与金属锌负极发生反应,在锌负极表面自发形成一种致密且稳定的氟化锌固态电解质界面层,该界面层可以在允许锌离子通过的同时隔绝电解液与锌负极的直接接触,从而进一步抑制了锌枝晶的生成和腐蚀副反应的发生,极大地提升了锌电池的使用寿命。

    “虽然乙二醇也是一种易燃的有机溶剂,但是水合四氟硼酸锌盐却是一种被广泛使用的阻燃剂。”杨全红介绍,因此,这种由水合四氟硼酸锌盐和乙二醇组成的电解液依然保持了与水系电解液一样的不可燃性,安全可靠。

    不仅如此,乙二醇本身的高沸点以及电解液中组分间的强相互作用,使得该电解液不易挥发和结冰,可以同时耐受酷暑(40℃)和严寒(-30℃),这是目前水系电解液无法企及的,大大拓宽了锌电池的应用范围。

    “由于水合四氟硼酸锌盐和乙二醇的工业应用成熟、成本低廉,使得我们研发的新型电解液的成本与目前最便宜的水系电解液相当。”杨全红表示。

    该电解液的成功研发有望进一步带动目前锌电池的研究热潮,并且推动锌电池的产业化进程。

    《自然·可持续性》同期配发专文评述,认为此工作利用廉价并环境友好的电解液解决了锌电池产业化进程中的几个关键问题,为构建可持续的未来提供了可靠又性价比高的电池解决方案。

  • 原文来源:http://www.cnenergynews.cn/
相关报告
  • 《科学家研发出耐低温水系锌基电池电解液》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2020-09-02
    • 近日,中国科学院大连化学物理研究所研究员李先锋、张华民带领团队,在低温水系锌基电池电解液研究方面取得新进展,研发出一种耐低温、经济、安全、环保的水系锌基电池用混合电解液。研究成果发表于《能源与环境科学》。 水系锌基电池具有安全性高、成本低、能量密度高等优点,在便携式电子设备、电动汽车和大规模储能领域具有广阔的应用前景。由于水系锌基电池的锌负极一侧会产生锌的不均匀沉积,导致锌枝晶的生长与脱落,从而影响锌基电池的循环稳定性。另外,水系电解液离子传导率随着温度降低而急剧下降,使得该体系电池在低温下无法运行,限制了应用。 新研发的电解液由水、乙二醇和硫酸锌组成,在低温下具有较高的离子传导率。通过实验和理论计算,研究人员阐明了锌离子—乙二醇分子间独特的相互作用,能显著提高乙二醇—水分子间氢键相互作用,从而有效地破坏电解液中水分子间连续的氢键,大大降低混合电解液的凝固点,在低温下实现锌离子的快速传输。同时,锌离子—乙二醇溶剂化作用可提高锌沉积/溶解的可逆性,改善锌负极的沉积形貌。 进一步研究还发现,采用该混合电解液构筑的锌离子混合超级电容器和锌离子电池在-20℃均展现出高能量密度、高功率密度和长循环寿命的特点。通过调控混合电解液不同配比,可以使其耐受不同程度的低温,实现在不同环境下的使用。该研究工作对低温储能器件电解液的设计具有重要指导意义。 相关论文信息:https://doi.org/10.1039/D0EE01538E
  • 《人工智能大模型“拿捏”电池寿命》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2024-09-25
    • 从清晨唤醒我们的闹钟,到随身携带的手机,再到电动汽车、无人机等新兴产品,无一不依赖于电池提供的稳定电力。 然而,随着电池使用时间的增长,其容量会逐渐衰减,造成供电时间缩短,影响设备的正常功能。如果能及时检测电池寿命,用户就能在电池性能明显下降前采取相应措施,从而避免因电池问题导致的设备故障或数据丢失,延长电池整体使用寿命。 近日,中国科学院大连化学物理研究所(以下简称大连化物所)研究员陈忠伟、副研究员毛治宇团队,联合西安交通大学教授冯江涛,在电池健康管理领域取得新进展。他们开发了一种新型的深度学习模型,有效解决了传统方法对大量充电测试数据的依赖问题,为电池实时寿命预估提供了新思路,实现了锂电池寿命的端到端评估。同时,该模型作为团队开发的第一代电池数字大脑PBSRD Digit核心模型的重要组成部分,为电池智能管理提供了解决方案。相关成果发表于《电气电子工程师学会交通电气化学报》。 难以预测的电池寿命 电池的循环寿命是指电池在规定的充放电条件下,经历多次完全充放电循环后,容量或性能下降到初始值的某一规定百分比所能经历的充放电次数。通常以电池容量衰减到初始值的80%作为循环寿命的“终点”。 假如一部手机的电池循环寿命是500次,这就意味着,如果每天把手机电量完全用完再充满,那么大约500天后,你就会感觉手机电量没有以前那么耐用了,因为电池的循环寿命到了。 由于电池容量退化是一个受多种因素影响的动态过程,包括充放电循环次数、充放电深度、环境温度、电池老化等,这些因素相互作用,使得电池寿命预测变得尤为复杂。 此前,电池寿命预测都在实验室内进行。比如让电池加速循环,在高温45℃下高倍率运行,以此推断它在实际应用场景中的使用寿命。但是,不同的应用场景和运行条件会对锂电池寿命产生显著影响,以致无法实现对电池的精准预测。 目前,很多团队正积极投身于人工智能领域的探索。“遗憾的是,当前的人工智能技术及其学习深度,以及有限的人力资源,不能完全满足对电池寿命进行精确检测的需求。”毛治宇说,“基于这一现状,我们萌生了一个设想——设计一个能够直接且高效检测电池寿命的创新模型。这一模型致力于突破现有技术的局限,为电池健康管理提供更为可靠和智能的解决方案。” 人工智能模型让电池“透视” 2017年,毛治宇在加拿大滑铁卢大学读博士,陈忠伟是他的导师。当时,人工智能刚刚起步,他们想尝试一下,用它能否解决电池寿命检测这一难题。 “实际上,电池包括正极、负极、隔膜、电极液等,是一个复杂的电化学系统。但是,那时候的模型还停留在简单的神经网络学习,人工智能检测刚刚开始,我们就用自己的电池尝试测试,并纳入此前未被考虑到的电池老化问题,最终检测出来的电池寿命与实际寿命相比,精度有了很大提高。”毛治宇回忆当初第一次尝试时说。 这次初步尝试开启了毛治宇在人工智能应用于电池智能管理方向的科研之路。后来,二人先后归国工作,毛治宇又加入了陈忠伟的团队。 陈忠伟团队有一个方向是智能电池,包括人工智能应用于科学、人工智能应用于工程,毛治宇想在这里圆梦。而目前科技领域已有多个人工智能的计算模型,他们“借风使船”结合多个模型,实现了优势互补。 “我们利用了Vision Transformer结构,它可以进行并行计算,同时处理多个任务。”论文第一作者、在大连化物所从事博士后研究的刘云鹏介绍,“还有一个空间流加时间流的双流框架,可提取多维时间尺度信息,同时借助高效自注意力机制减少计算复杂度。我们根据不同的优势将这两种算法进行了结合。” 这项研究提出了一种基于少量充电周期数据的深度学习模型,该模型通过带有双流框架的Vision Transformer结构和高效自注意力机制,捕捉并融合多时间尺度隐藏特征,实现对电池当前循环寿命和剩余使用寿命的准确预测。 该模型在仅使用15个充电周期数据的情况下,能够将上述两种预测误差分别控制在5.40%和4.64%以内。并且,在面对训练数据集内未出现的充电策略时,仍能保持较低的预测误差,证明了其zero-shot泛化能力。 打造“电池数字大脑” 同时,该电池寿命预测模型是第一代电池数字大脑PBSRD Digit的重要组成部分。通过将模型整合到该系统中,进一步提高了系统的准确性。目前,该电池数字大脑系统作为大规模工商业储能和电动汽车的能量管理核心,可部署于云端服务器和客户端嵌入式设备。 “现在新能源特别是储能是热点话题,很多厂家都想开发全生命周期的电池智能管理系统。我们希望建设一个完整的电池数字大脑,能够更好地管理电池,像大脑一样控制电池的各个方面,让电池效率更高、寿命更长。这是我们未来的一个智能化发展方向。”毛治宇介绍说。 事实上,陈忠伟、毛治宇、刘云鹏正好是一个团队内的“师徒三代”。经过多年发展,团队在电化学、电催化、人工智能方面都有着深厚的积累。他们的目标是打造从基础研究到关键技术开发再到产业应用示范的全链条模式,以应用为导向真正走向产业化,乃至对整个领域产生影响。 150余人的团队中,会聚了超过50位经验丰富的工程师。他们具有不同的技术背景,不乏在大数据架构与算法领域深耕多年的专家,擅长将前沿的算法研究转化为高效、稳定的系统架构,确保技术成果能够顺利落地。 正是这种“研究+开发”深度融合的模式,使得团队能够跨越传统界限,促进不同领域知识与技术的交叉融合。工程师们不仅能独立承担项目研发的重任,还能与科研人员紧密合作,将最新研究成果迅速转化为产品功能,从而加速技术创新与产业升级的步伐。 通过这种高效的协作机制,团队不仅在电池寿命检测等特定领域取得突破,还能灵活应对各种复杂挑战,推动多个项目并行发展,最终实现多元化、全方位的技术创新目标。 “未来,我们计划利用模型提炼等技术进一步优化模型,以提高资源利用率,打造真正的数字大脑。”陈忠伟说。 相关论文信息: https://doi.org/10.1109/TTE.2024.3434553