NREL的姜懿翔·芬根使用x光计算机断层扫描来诊断NREL储能集成设施中的锂离子电池。信用:丹尼斯·施罗德，NREL数据分析中一句流行的格言是，你只能控制你能衡量的东西。对于国家可再生能源实验室(NREL)的研究人员来说，精确的测量对于理解和优化锂离子电池至关重要。锂离子电池无处不在，从个人设备到电动汽车和固定存储系统，它们通过减轻负面电网影响来支持向可再生能源发电的过渡。为了满足不断发展的能源需求，研究人员致力于提高锂离子电池的性能、安全性和能量密度。
NREL和乌尔姆大学最近的一项突破推进了研究人员测量和分析电池材料的方法。发表在npj Computational Materials上的这项研究人工生成了具有亚粒子颗粒细节的锂离子电极粒子的代表性结构。这种首创的人工电极将允许研究人员操纵模型来评估电池设计改进的机会。
“这一突破使NREL能够对锂离子电池进行单粒子表征，”NREL储能研究员、该项目的首席科学家姜懿翔·费恩根说。“我们知道，电池内晶粒的形态和取向会极大地影响电极的速率性能和寿命。有了这个模型，我们可以评估导致电池改进的物理条件。”
理解无形
锂离子研究中最大的挑战之一是工作的微观规模；小细节往往会对电池性能造成很大影响。没有现有的技术允许研究人员测量对理解锂离子电池行为不可或缺的亚粒子信息。多年来，NREL的研究人员一直在推进专门成像能力的边界，以提高对锂离子电极级结构的理解，但这些工具迄今无法提供亚粒子细节的完整图像。
“显微镜技术总是需要权衡，”芬根说。“例如，由于系统限制，测量粒子形态的工具忽略了有关化学性质或晶体结构的重要信息。我们已经意识到不可能在一个地方获得我们需要的所有信息。"
为了解决这种理解上的差距，使用了多尺度、多模态成像方法来生成人工锂离子电极模型，最终融合了NREL现有的两种先进能力。研究人员使用x光纳米计算机断层扫描来捕捉部分车辆外形的形态。对于内部颗粒分布，研究人员使用聚焦离子束电子背散射衍射(FIB-EBSD)来捕获高分辨率的亚颗粒信息。
显微镜的语言
这个项目并不是NREL第一次结合显微镜技术来近距离观察电池行为。NREL的储能研究人员经常利用最先进的x光诊断能力来检查电池材料的成分。然而，以前的研究集中在成像结果上，这个项目使用复杂的特征来合并数据流。
Finegan说:“合并数据流不是一项微不足道的任务。“显微镜本身是高度专业化的，这些工具各自以自己的方式输出数据。为了生成这个模型，我们的团队不仅要描述每个数据源的信息特征，还要将其转换成全新的格式。”
人工模型的早期分析已经为研究人员提供了对影响锂如何通过电极和晶体周围的物理条件的更多理解。该模型中的亚粒子细节有助于分析离子的行程，并将为旨在开发能够承受极端快速充电条件而不会加速退化的电池的研究提供信息。
尽管如此，这只是NREL人工模型的开始。未来的研究将应用机器学习技术来更快地获取和翻译数据，从而产生更高质量的模型，甚至更深刻的见解来构建未来更好的电池。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
