末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

孟穎/張明浩團隊,最新ACS Energy Letters!

孟穎/張明浩團隊,最新ACS Energy Letters!

成果簡介
在本文中,芝加哥大學孟穎教授和加州大學圣地亞哥分校張明浩教授(共同通訊作者)等人報道了一種耦合有限元法(FEM)和機器學習(ML)工作流程來優(yōu)化厚正極(約150 μm,8 mAh/cm2)的倍率性能。基于單個LiNi0.8Mn0.1Co0.1O2(NMC811)顆粒的幾何觀測值及其由FEM模型預測的平均放電狀態(tài)(SOD),修正了ML模型。該模型不僅繞過了冗長的有限元模擬,而且對孔隙彎曲度和活性粒徑的重要性提供了更深入的了解,被認為是排放過程中的限制現(xiàn)象。基于這些發(fā)現(xiàn),作者提出了一種雙層結構來解決已確定的倍率性能限制因素,該結構電極的優(yōu)點是通過FEM通過比較其性能的原始單層電極驗證。最后,作者使用干法處理的實驗驗證表明,對比已報道的厚NMC電極,雙層電極的體積容量提高了40%。
孟穎/張明浩團隊,最新ACS Energy Letters!
研究背景
通過增加電極內(nèi)活性物質的體積,可存儲更多的能量,使電動汽車(EV)一次充電可以行駛更遠的距離。然而,厚電極的充電能力不足,導致電動汽車的充電時間比目前的充電時間還要長。由于彎曲的C網(wǎng)絡造成的有限的電子導電性,可能是由于潤濕性差、孔隙相彎曲以及離子到達集流器的擴散路徑較長,導致離子傳輸緩慢。使用計算三維有限元方法(FEM)模擬,限制了對大范圍參數(shù)及其個別影響進行徹底分析的能力。機器學習(ML)是加速預測的合適方法,即使對于實驗輸入。雖然這種方法極大減少了準確預測所需的時間和資源,但它仍然缺乏關于SOD與電極特征之間關系的更深入的見解。在厚電極的背景下,無論是通過孔道設計的優(yōu)化還是基于制造參數(shù)的性能預測,都只對石墨電極進行了研究。
孟穎/張明浩團隊,最新ACS Energy Letters!
圖1. 開發(fā)計算方法的工作示意圖
圖文導讀
作者使用描述的數(shù)據(jù)集訓練隨機森林算法,并將其對新數(shù)據(jù)集的預測與實際FEM模擬輸出進行比較。每個點代表給定DOD處的一個顆粒。x=y曲線與某一點的距離越大,預測誤差越大。通過FEM模擬和ML算法的預測,在放電結束時繪制了3-D的SOD。只有少數(shù)粒子在有限元模擬和ML預測之間表現(xiàn)出明顯的差異,因為每個COMSOL模擬需要幾個小時來計算,而ML工作流程的預測時間要低2個數(shù)量級(約1 min)。
孟穎/張明浩團隊,最新ACS Energy Letters!
圖2. 厚電極的ML驗證
作者驗證了數(shù)據(jù)集的所有數(shù)據(jù)點的SHAP值,并且每個特征從上到下從影響最大到影響最小排序。通過電解質扭曲度的離子傳輸是SHAP值范圍最大的特征,低扭曲度誘導了更好的NMC811利用率。觀察到相反的趨勢,NMC811顆粒在分離器附近被更多地利用,而曲率隨著靠近集流器而增加,證實了電解質扭曲對顆粒利用的影響。關于NMC811顆粒的體積,作者發(fā)現(xiàn)較小的顆粒會比較大的顆粒具有更高的SOD。3組NMC811顆粒的SOD分布表明,較大顆粒的分布峰對應于較低的SOD。
孟穎/張明浩團隊,最新ACS Energy Letters!
圖3. 高倍率性能的限制因素
孟穎/張明浩團隊,最新ACS Energy Letters!
圖4. 結構化雙層電極設計的建模驗證
作者為原始和雙層電極(均為8 mAh/cm2)制備了3個硬幣電池。在低倍率下獲得類似的放電容量,直到C/2閾值,其中雙分子層優(yōu)于原始電極。雙層半電池在8 mA/cm2(1 C)電流密度下的平均放電容量為86 mAh/gNMC,在4 mA/cm2(C/2)電流密度下的平均放電容量為168 mAh/gNMC,分別比原始硬幣電池(8 mA/cm2時38 mAh/gNMC和4 mA/cm2時135 mAh/gNMC)高125%和25%左右。在給定倍率下,值的分散在低倍率下可以忽略不計(雙分子層在C/10時的范圍約為7 mAh/gNMC),但在較高倍率下顯著增加(雙分子層在1 C時的范圍約為54 mAh/gNMC)。
孟穎/張明浩團隊,最新ACS Energy Letters!
圖5. 雙層厚電極的性能
孟穎/張明浩團隊,最新ACS Energy Letters!
圖6. 在高倍率下放電容量與面積負載和體積容量的函數(shù)關系
文獻信息
Improved Rate Capability for Dry Thick Electrodes through Finite Elements Method and Machine Learning Coupling. ACS Energy Lett., 2024.

原創(chuàng)文章,作者:計算搬磚工程師,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2024/05/04/46c058ed48/

(0)

相關推薦

主站蜘蛛池模板: 苍山县| 梁山县| 财经| 万盛区| 修武县| 神池县| 和硕县| 康平县| 象州县| 蒙自县| 沙雅县| 兴隆县| 鄂托克旗| 封开县| 汝城县| 台山市| 怀化市| 武鸣县| 泉州市| 高雄县| 新余市| 宁津县| 新巴尔虎右旗| 花垣县| 郓城县| 隆回县| 团风县| 崇仁县| 南京市| 山阴县| 花莲市| 原阳县| 海城市| 陇川县| 龙州县| 亳州市| 浑源县| 平利县| 安仁县| 兴海县| 湖南省|