說起儲能設備,人們最熟悉的當然是電池,它們可以將電能轉(zhuǎn)化為化學能儲存起來,電容器則是以電場形式存儲能量,在給定體積內(nèi),它們儲存的能量可能沒有電池多,但它們可以反復充電并且不會失去保持電量的能力。而超級電容器可以比普通電容器存儲更多的電荷,并且比電池充電和放電更快,是新能源汽車日趨普及的今天一個非常重要的研究方向。
近日,美國橡樹嶺國家實驗室(ORNL)的研究人員在機器學習的指導下,設計了一種創(chuàng)紀錄的碳基超級電容材料,它儲存的能量是當前最佳商業(yè)材料的4倍。用這種新材料制造的超級電容器可儲存更多的能量,從而改善再生制動系統(tǒng)、電力電子設備和輔助電源,成功地將碳基超級電容器的儲能邊界推向了一個新的水平。
商用超級電容器有陽極和陰極兩個電極,它們是分開浸泡在電解液中的。在電解液和碳之間的界面上,雙電層可逆地分離電荷。而制造超級電容器電極的首選材料是多孔碳,因為這些孔為存儲靜電電荷提供了很大的表面積。
據(jù)介紹,該研究團隊利用機器學習建立了一個人工神經(jīng)網(wǎng)絡模型,通過對模型加以訓練來開發(fā)一種用于能量傳輸?shù)摹皦艋貌牧稀?。該模型預測,如果碳與氧和氮共摻雜,碳電極的最高電容將會達到每克570法拉。基于此,研究團隊設計了一種多孔摻雜碳,可為界面電化學反應提供巨大的表面積,最終成功地合成出了這種用于存儲和傳輸電荷的富氧碳框架材料。這種材料的電容為每克611法拉,是典型商業(yè)材料的4倍,并且這種材料的表面積是含碳材料中最高的記錄之一,每克重量的表面積超過4000平方米。
這種材料之所以能取得如此高的性能,主要是歸功于這種富氧碳框架中的兩種孔隙——2至50nm之間的中孔/小于2nm的微孔,較小的微孔為材料提供了更大的表面來存儲電荷,而較大的中孔則像高??速公路一樣,可以加快充電/放電速率,大小孔隙數(shù)量的平衡最終成功推進實現(xiàn)了最佳性能。
機器學習引導材料合成的流程 來源:《自然-通訊》
據(jù)悉,該研究使用的數(shù)據(jù)驅(qū)動的機器學習方法極大的加快了研究進程,過去想要實現(xiàn)相同的目標至少需要一年的時間,現(xiàn)在僅需要三個月。而在這項研究中,研究人員僅僅使用了當時情況下最好的數(shù)據(jù),但現(xiàn)在他們又擁有了更多的邊界數(shù)據(jù)可以用來訓練下一步研究的機器學習模型,可以進一步加速超級電容器碳材料的開發(fā)和優(yōu)化。
-
超級電容器
+關(guān)注
關(guān)注
19文章
407瀏覽量
28681 -
制動系統(tǒng)
+關(guān)注
關(guān)注
0文章
126瀏覽量
15814 -
機器學習
+關(guān)注
關(guān)注
66文章
8418瀏覽量
132634
發(fā)布評論請先 登錄
相關(guān)推薦
評論