锂交换法制备六氟磷酸锂及表征

六氟磷酸和吡啶反应生成吡啶六氟磷酸,吡啶六氟磷酸和氢氧化锂通过锂交换反应生成吡啶六氟磷酸锂,在四氢呋喃溶剂中,吡啶六氟磷酸锂与浓硫酸反应生成六氟磷酸锂。实验研究了溶剂、反应温度、反应时间、配料比等对锂交换反应的影响,得到适宜的工艺条件:65℃反应4 h,原料配比n(C5H5NHPF6)∶n(LiOH)=1.0∶1.0,此条件下吡啶六氟磷酸锂收率94.5%;经核磁共振、红外光谱检测,吡啶六氟磷酸锂和LiPF6是目的产物。     

以Mn3O4为锰源合成高性能LiMn2O4正极材料

以Mn3O4为锰源,采用固相反应法,在较低的温度(650℃)制得尖晶石LiMn2O4正极材料。采用X射线衍射(XRD)、扫描电镜(SEM)、循环伏安和恒流充放电等技术对其相组成、微结构和电化学性能进行表征。结果表明该正极材料结晶良好,一次粒径约为150 nm。它的电化学性能,尤其是循环性能,明显优越于在较高温度合成的LiMn2O4。在电流密度为74 mA?g-1时,测得比容量为128 mAh?g-1,在1 480 mA?g-1时,比容量为105 mAh?g-1;在室温、148 mA?g-1充放电200次循环后,容量保持率为93%。     

Synthesis and characterization of triclinic structural LiVPO4F as possible 4.2 V cathode materials for lithium ion batteries

A potential 4.2 V cathode material LiVPO4F for lithium batteries was prepared by two-step reaction method based on a carbon-thermal reduction （CTR） process. Firstly, V2O5, NH4H2PO4 and acetylene black are reacted under an Ar atmosphere to yield VPO4. The transition-metal reduction is facilitated by the CTR based on C→CO transition. These CTR conditions favor stabilization of the vanadium as V^3＋ as well as leaving residual carbon, which is useful in the subsequent electrode processing. Secondly, VPO4 reacts with ElF to yield LiVPO4F product. The property of the LiVPO4F was investigated by X-ray diffractometry （XRD）, scanning electron microscopy （SEM） and electrochemical measurement. XRD studies show that LiVPO4F synthesized has triclinic structure（space group p I ）, isostructural with the naturally occurring mineral tavorite, EiFePO4-OH. SEM image exhibits that the particle size is about 2μm together with homogenous distribution. Electrochemical test shows that the initial discharge capacity of LiVPO4F powder is 119 mA·h/g at the rate of 0.2C with an average discharge voltage of 4.2V （vs Ei/Li^＋）, and the capacity retains 89 mA·h/g after 30 cycles.     

基于深度学习的锂离子电池SOC和SOH联合估算

锂离子电池常被作为储能元件以实现电能的存储和转化,然而其荷电状态(state of charge,SOC)和健康状态(state of health,SOH)无法被直接测量。为了实现锂离子电池SOC和SOH联合估算,该文分析SOC和SOH之间的关联性,并提出一种基于深度学习的锂离子电池SOC和SOH联合估算方法。该方法能够基于门控循环单元循环神经网络(recurrent neural network with gated recurrent unit,GRU-RNN)和卷积神经网络(convolutional neural network,CNN),利用锂离子电池电压、电流、温度,实现锂离子电池全使用周期内SOC和SOH的同时估算,而且由于将锂离子电池的SOH估算值考虑到SOC估算中,能够消除锂离子电池老化因素对锂离子电池SOC估算造成的负面影响,从而提升SOC估算精度。两个锂离子电池测试数据集上的实验结果表明,提出的估算方法能够在不同温度和不同工况下实现锂离子电池全使用周期SOC和SOH联合估算,且获得较高的精度。     

复合溶胶–凝胶一锅法制备锂离子电池氧化亚硅/碳复合负极材料

采用复合溶胶–凝胶法结合后续热处理,制备了具有包埋结构的氧化亚硅/碳(SiO_x/C)复合负极材料。扫描电子显微镜分析结果表明:氧化亚硅纳米颗粒嵌入在无定形碳中。电化学性能测试表明:SiO_x/C复合材料具有较高的比容量、优异的循环稳定性和倍率性能。材料在0.1 A/g的电流密度下100次循环后的可逆比容量为710 m A·h/g,容量几乎无衰减;在1.6 A/g的电流密度下,可逆比容量为380 m A·h/g。优异的电化学性能是由于材料的包埋结构能有效地缓冲SiO_x充放电过程中的体积膨胀,保证材料的结构完整性和电化学循环稳定性。     

TiO_(2)改性SiO材料的制备及储锂性能EI北大核心CSCD

通过溶胶-凝胶和高温固相法制备了SiO@TiO_(2)/C复合材料。结果表明:由于TiO_(2)对界面稳定性及锂离子扩散过程的促进作用,SiO@TiO_(2)/C材料拥有优良的循环和倍率性能。在1 A/g的电流密度下循环150次,材料表现出710 m A·h/g的比容量;在4 A/g的高电流密度下可逆比容量仍能达到430 m A·h/g。     

硅-碳纳米管柔性复合负极的制备与性能

采用浮动催化化学气相沉积(FCCVD)法,将纳米硅颗粒(NSi)与碳纳米管(CNT)连续体原位复合,制备纳米硅-CNT复合膜(NSi-CNTf)柔性电极.借助SEM、能量色散谱(EDS)和电化学性能测试,分析电极的形貌特征和电化学性能.相较于传统Si/Cu电极,NSi-CNTf电极省去了浆料研磨、涂覆工艺,且具有良好的柔韧性和抗弯折性,比容量和循环性能均有提升.FCCVD法制备的NSi-CNTf柔性电极材料,纳米硅均匀分布在CNT薄膜的三维导电结构中,结合紧实,以0.2 A/g在0.01～2.00 V循环200次,比容量保持在790 mAh/g;在4.0 A/g下充放电,比容量保持在509 mAh/g.     

锂离子电池剩余寿命间接预测方法研究

针对锂离子电池的容量在线测量困难的问题,提出了一种基于优化的融合型间接健康因子和改进的最小二乘支持向量机的锂离子电池剩余寿命间接预测方法.首先采用自适应健康因子提取方法提取了等电压升充电时间序列和等电流降充电时间序列,通过健康因子的线性组合和Box-Cox变换构建了优化的融合型健康因子.然后针对最小二乘支持向量机的超参数调整困难的问题,提出了基于粒子群优化的改进算法.在此基础上,构建了基于优化的融合型健康因子的锂离子电池剩余寿命间接预测方法.实验结果表明,提出的间接预测方法能够较好地拟合容量的退化过程,同时预测精度比基于单一健康因子的方法更高.     

锂离子电池剩余寿命预测方法综述

准确预测锂离子电池的剩余寿命对提高设备的安全性和降低设备的维护成本具有重要意义.针对锂离子电池剩余寿命预测方法的研究现状进行分析,归纳总结了基于模型的方法、基于数据驱动的方法和基于融合的方法,对比分析了不同方法的优缺点.然后总结归纳了锂离子电池剩余寿命预测在实际应用中常见的两个问题,最后分析了未来的发展趋势和挑战.     

聚乙二醇分子量对镍锰酸锂结构及性能的影响

随着新能源汽车的迅速发展,锂离子电池充放电倍率低这一缺陷逐渐显露出来,无法满足人们对快速充电的需求,严重阻碍了电动汽车的推广.以镍锰酸锂材料为研究对象,以聚乙二醇200、聚乙二醇1000、聚乙二醇4000为表面活性剂通过水热法制备不同结构的镍锰酸锂正极材料.结果表明:采用聚乙二醇4000制备的材料颗粒尺寸较小,0.5 C下放电比容量为139 mAh/g,并且其倍率充放电性能明显优于其他材料.