锂离子电池循环性能失效研究

锂离子电池的循环性能是消费者考量电池质量的主要指标。依据ST/SG/AC.10/11/Rev.438.3《联合国关于危险货物运输的建议书标准和试验手册》的要求,对5个型号的笔记本电脑电池进行循环测试,有1个型号的笔记本电脑电池在第2或第3个循环时失效,无法正常充放电。通过拆解电池和内部电池芯,研究电池循环性能失效的原因。说明部份锂离子电池的生产工艺还有待进一步提高和完善。     

废旧锂离子电池在氨性和硫酸溶液中的浸出

采用焙烧、浸出的方法对废旧锂离子电池的有价金属进行选择性分离.在氨性溶液中,焙烧残渣中的Co与Cu可在浸出时分离,Cu进入溶液中,Co留在滤渣中;在H2SO4溶液中,焙烧残渣中的Cu和部分Co同时溶解,不能实现Cu与Co的有效分离.经H2SO4溶液浸出后,LiCoO2中的Li可被全部浸出,Co则主要以Co3O4的形式留在滤渣内.     

锂离子电池使用过程中失效原因的分析

总结在电性能、安全性能和机械性能测试过程中各类锂离子电池的失效原因:电芯存在性能缺陷、电池组组装工艺不良和电池组内部管理系统的误动作.撂究锂离子电池产品在使用过程中,存在的大电流充电、抗外部撞击、耐外部振动和冲击性能不良的问题.     

锂离子电池隔膜失效机理与防范措施研究进展

车用锂离子电池商用隔膜在电池安全性中扮演着重要角色,常见聚合物商用隔膜因闭孔熔解温度低、机械强度弱,在常见的机械滥用、电滥用以及热滥用条件下,容易出现机械完整性失效与热特性失效,继而引发内短路以及热失控安全问题.针对隔膜失效这一问题,介绍了锂离子电池商用隔膜的基本性能与功能,综述了隔膜的失效机理,归纳了隔膜失效诱因以及...     

三元动力锂离子电池低温容量失效分析

为探究动力锂离子电池的低温特性,对比制造工艺相同但低温性能差异较大(A组性能较好)的A、B两组三元动力锂离子电池在低温(-35℃)条件下的容量差异。建立“电池-材料”联动分析方法,从内部材料微观特征分析电池低温容量失效的原因。三元正极材料结构是影响电池低温容量的关键因素。与A组相比,B组电池的正极材料颗粒结构松散,经过低温放电后,颗粒表面出现裂纹,导致B组正极材料在低温放电过程中活性Li⁺损失、固体电解质相界面(SEI)膜阻抗增加、材料电导率差,继而导致低温容量失效。     

锂离子电池阻燃添加剂研究进展

介绍了锂离子电池用阻燃添加剂对电解液的阻燃机理;综述了有机磷、有机氟化合物阻燃剂及复合阻燃剂的性能、特点及研究进展情况;介绍了阻燃剂重要性能的测试方法;提出了锂离子电池阻燃剂研究开发的方向。     

锂离子电池阻燃添加剂研究

综述了锂离子电池电解液阻燃添加剂的研究现状 ,阐述了阻燃添加剂对电解液的阻燃机制。将阻燃添加剂分为磷系阻燃添加剂、卤代阻燃添加剂和复合阻燃添加剂 3类 ,比较了不同阻燃添加剂的结构特征、阻燃效果以及对电池性能的影响 ,展望了阻燃添加剂在锂离子电池未来发展的前景     

添加剂FEC对锂离子电池性能的影响

采用恒流充放电法和循环伏安法研究了FEC对PC基电解液与石墨负极(改性人造石墨(MAG)和LiCoO2正极体系相容性的影响,使用DSC-TG法分析了FEC对LiCoO2的热稳定性影响。初步探讨了FEC对PC基电解质与MAG相容性的影响机理。GC/MS结果表明,FEC的添加使MAG电极表面形成一层稳定的固体电解液相界面(SEI)膜,抑制了PC共嵌,并使循环性能得到改善。DSC结果分析表明,FEC使LiCoO2在电解液中的热稳定性降低,但优于EC基电解液。     

锂离子电池用电解液添加剂最新进展

主要总结了锂离子电池用电解液添加剂最新动态,根据功能和作用原理的不同将添加剂分为SEI成膜促进剂、阴极保护剂、防过充添加剂等;举例分析了各自的作用原理和使用效果。     

电解液添加剂对锂离子电池性能的影响

用阻抗和循环测试,研究电解液添加剂对锂离子电池性能的影响。基础电解液为1 mol/L LiPF₆/EC+EMC+DEC+PC(质量比25∶50∶20∶5)。A、B、C、D和E组电解液的添加成分分别为:1.0%碳酸亚乙烯酯(VC)+1.0%亚硫酸丙烯酯(PS)+0.5%碳酸乙烯亚乙酯(VEC);1.5%甲烷二磺酸亚甲酯(MMDS)+1.0%二氟双草酸磷酸锂(LiDFOP);1.0%硫酸亚乙烯酯(DTD)+0.5%VEC+1.0%LiDFOP;1.0%MMDS+0.5%VEC+1.0%LiDFOP和1.5%DTD+1.0%LiDFOP。A、B、C、D和E组电解液在-10℃下的电荷传递阻抗(R_ct)分别为1 600 mΩ、312 mΩ、698 mΩ、572 mΩ和256 mΩ;电池在55℃下的1.0 C循环(2.7～4.2 V)寿命分别为1 300次、590次、940次、970次和450次。VC、VEC和PS的低温充电性能较差;MMDS、DTD和LiDFOP不能形成稳定的固体电解质相界面(SEI)膜,高温循环性能较差。VEC搭配MMDS、DTD和L...     

报废锂离子电池有价金属回收现状研究

锂离子电池由于自身具有众多优点,目前已广泛应用于手机、笔记本电脑、数码相机等便携电器中。综述了国内外报废锂离子电池有价金属回收的技术,主要有火法冶金和湿法冶金技术,结合我国报废锂离子电池回收现状、回收技术及其效益分析,以期对报废锂离子电池回收提供依据。     

从废旧锂离子蓄电池中回收钴

对锂离子蓄电池正极材料钴酸锂的高需求及其高价格,推动了钴的湿法回收工艺的进步。优化了从废旧锂离子蓄电池中回收钴的湿法过程,根据铝钴膜废料的性质确定了回收流程:利用特殊有机溶剂溶解聚偏氟乙烯(PVDF),然后浸出滤渣,萃取浸出液并电解回收钴,得到完整、光亮、致密、表面形貌好的钴沉积物,含量为99.5%。     

废旧锂离子电池回收再利用研究进展

按火法冶金法和湿法冶金法对便携式锂离子电池回收再利用技术进行分类总结,其中湿法冶金技术回收率高,得到了广泛应用。湿法冶金回收过程包括电池前处理、材料溶解、元素回收或材料再生等几个步骤,元素回收是湿法冶金技术中应用最广的资源再利用方式,主要回收方法有沉淀法、电化学法、离子交换法、萃取法、盐析法等。大容量锂离子电池的回收再利用尚无成熟技术,对其中存在的安全性和经济性问题进行了分析。根据锂离子电池行业的可持续发展要求,大容量锂离子电池的回收再利用技术研究需要引起重视。     

废旧锂离子蓄电池正极材料回收研究

从废旧锂离子蓄电池中回收钴酸锂有两种方法,即直接回收钴酸锂,以及先回收钴和锂然后再合成得到钴酸锂。比较了这两种方法所得产品的电化学性能。通过热重-差热分析曲线确定保温温度和时间,采用X射线衍射分析(XRD)、扫描电子显微镜(SEM)、嵌入-脱嵌循环曲线、循环容量曲线和效率-循环次数曲线进行分析,发现后一方法回收的钴酸锂样品循环性能良好,在0.1C和0.5C放电条件下首次放电比容量分别为130.3mAh·g-1和113.9mAh·g-1;当循环10次以后充放电比容量基本稳定在123mAh·g-1和112mAh·g-1;循环20次之后,放电比容量仍有122.85mAh·g-1和111.80mAh·g-1。     

硫化铜微球电化学储锂性能研究

以硝酸铜[Cu(NO3)2·3H2O]和硫代乙酰胺(TAA)为原料,通过溶剂热法制备中空球状结构硫化铜。研究了中空微球样品作为锂离子电池负极材料的电化学性能。讨论了焙烧温度和焙烧时间等条件对硫化铜样品的物相结构和电化学性能的影响。研究发现,焙烧后的硫化铜样品的电化学性能表现良好,在0.1 C电流密度下首次充放电比容量均超过了理论比容量(560 m Ah/g),其中焙烧温度为150℃、焙烧时间为1 h的硫化铜样品,其首次放电比容量达到682.8 m Ah/g,且循环25次后其比容量仍能保持在106.7 m Ah/g,表现出了良好的循环稳定性。     

锂离子电池电解液回收处理技术进展及展望

随着锂电池的大规模应用及其成本的快速下降,废旧锂电池将呈现爆发式累积性增长趋势,其健康、环境、安全隐患的累积效应成倍放大,不容忽视,若不能有效回收处理,会造成资源浪费和环境污染。尤其是电解液含有有毒有害物质,且在自然环境中极易发生副反应,造成二次污染,对其回收处置尤为关键。总结了锂离子电池电解液的组成及其潜在的危害,综述了国内外废旧锂电池电解液回收处理技术研究进展,展望了电解液新型回收处理技术及其发展前景。     

锂离子电池浆料的研究

用控制变量法研究了CNH-1和DSJ-1两种型号的人造石墨作为负极活性材料的浆料制作工艺,并测试了成品电池的性能。结果显示以CNH-1为负极活性物质的电池容量性能较好,以CNH-1和DSJ-1混合石墨为负极活性物质的电池电压性能较好,以DSJ-1为负极活性物质的电池容量和电压综合性能较好。     

废旧锂离子电池中钴的酸浸过程研究

研究了大量废旧锂离子电池芯混合粉料中钴的湿法浸出技术,分别在硫酸体系和硫酸+双氧水体系中进行浸出实验,对比发现两种体系中浸出过程符合收缩核模型,双氧水的加入可使浸出过程的活化能降低从而有利于浸出。浸出的最佳工艺条件为85℃,反应120min,4mol/L硫酸,2.0mL双氧水/g粉末,液固比10。在该工艺条件下浸出钴的一次浸出率达93.2%。     

基于人工神经网络估算锂离子电池的SOH

越来越多的动力机械采用锂离子电池作为其动力源。准确估算锂离子电池的SOH能够给动力机械安全可靠地运行提供保障。在不同的实验条件下对18650型锂离子电池做充放电循环实验,由实验结果得到锂离子电池的充放电循环特性,根据其循环特性采用人工神经网络寻找电池端电压与SOH之间的非线性关系,进而估算锂离子电池的SOH。估算结果表明,采用BP神经网络能够准确地估算锂离子电池的SOH,估算误差基本控制在3%以内。