【2024年成果总结】中国石油大学（北京）徐泉教授2024年液流电池重点研究成果总结
中国石油大学（北京）徐泉教授 2024年液流电池重点研究成果总结 （感谢徐泉教授课题组校稿） 作者简介 徐泉，国家级青年人才，教授，博士生导师，碳中和未来技术学院副院长，储能科学与工程学科带头人与系主任，石大学者。研究方向为新能源科学与工程，储能技术，材料化工，人工智能。中关村储能产业联盟液流电池储能技术专委会委员、能源行业液流电池标准化技术委员会委员，中国化学工程学会，中国化学会高级会员，《储能科学与技术》编委，Petroleum Science副主编，Frontier of Chemical Science and Engineering， Nano Research Energy青年编委。本文总结了徐泉教授课题组2024年度在液流电池领域的相关文章。 文献总结 1. 高电流密度、长循环寿命的铁铬氧化还原液流电池电解质 液流电池中的电解质是能量存储的载体，但对于铁–铬氧化还原液流电池（ICRFB）的电解质研究相对较少。ICRFB电解质利用率低及容量快速衰减一直是一个具有挑战性的问题。本文研究了在高电流密度下，Fe/Cr摩尔比和盐酸（HCl）浓度对ICRFB性能的影响。优化电解质（1.25 M FeCl2，1.50 M CrCl3，3.0 M HCl）的平均能量效率在前20个循环中提高了5.99%，首次循环的放电容量相比原商用电解质（1.0 M FeCl2，1.0 M CrCl3，3.0 M HCl）提高了15.72%。此外，该电解质表现出更长的循环寿命。通过COMSOL对ICRFB电解质浓度变化的模拟，进一步阐明了物理特性对电解质性能的影响。通过对这一复杂系统的模拟与分析，研究人员能够更好地理解液流电池系统的性能。这项研究有效降低了ICRFB的成本，并为其工程化应用提供了数据支持。 2. 铁铬液流电池高效电极的制备 （点击论文名称查看全文赏析） 铁–铬氧化还原液流电池（ICRFBs）因其安全性、环保性和可靠性，成为了有前景的能源存储设备。碳布（CC）作为ICRFBs中的电极材料，由于其高表面积和互联的多孔结构，提供了适合电化学反应的良好平台。然而，CC电极存在电子传输性能不足等问题，这限制了其在工业中的应用。为了解决这一问题，本研究采用了硅酸刻蚀技术，在CC电极表面雕刻出致密的纳米多孔结构，基于ICRFBs的合理设计以及电极极化损失的基本原理。通过这种方式，研究团队开发了一种多功能碳布电极，显著提升了电池的性能。所制备的电极展示了丰富的缺陷位点和优异的电子传输特性，为快速流动的电解液提供了广泛且高效的反应区域。在40%的电极压缩比和迄今为止ICRFBs中最高的电流密度（140 mA·cm-2)）下，电池实现了81.3%的平均能量效率，比之前的研究提高了11.24%。此外，在100个充放电循环中，平均能量效率的衰减几乎可以忽略不计（约0.04%），这使得该电极有潜力成为大规模、长时电化学储能应用中最有前景的候选材料。 3. 深入了解新型铟催化剂对千瓦级低成本、高循环稳定性的铁铬氧化还原液流电池的影响 铁–铬液流电池（ICRFBs）近年来因其广阔的应用前景，成为理想的大规模能量存储设备。提升Cr3+/Cr2+氧化还原反应活性以及抑制析氢副反应（HER）的发生是推动ICRFBs发展的关键，这需要创新的催化剂设计。然而，调控催化剂行为的潜在机制仍是未解的难题。本研究提出了一种新颖的热处理碳布电极的精确制备方法，均匀沉积低成本铟催化剂颗粒。密度泛函理论分析表明，铟催化剂对反应物具有显著的吸附作用，可提高Cr3+/Cr2+氧化还原反应的活性。此外，H+更容易吸附在催化剂表面，但其迁移能垒较高，从而有效抑制了HER的发生。组装的ICRFBs在140 mA/cm2电流密度下实现了83.91%的平均能量效率，此方法简化了电极沉积工艺，为工业化长周期运行要求扫清了最后障碍。ICRFBs表现出卓越的长期稳定性，在1000次循环中能量效率衰减率仅为每循环0.011%，为迄今报道的ICRFBs最低值。因此，本研究为开发低成本、长寿命的ICRFBs提供了一种具有前景的策略。 4. 基于机器学习的铁铬氧化还原液流电池性能预测和优化 （点击论文名称查看全文赏析） 铁–铬液流电池（ICRFBs）近年来被认为是最具前景的大规模能量存储设备之一，具有广阔的应用前景。然而，因为影响ICRFB电堆性能的因素复杂多样，由实验室开发向工业规模部署的转化过程往往耗时较长。为此，本研究提出了一种基于数据驱动的优化方法，利用主动学习技术，并结合广泛的文献调研中不同实验条件的数据，综合考虑运行条件和关键材料选择，精确预测ICRFB系统性能。具体而言，本研究通过多任务机器学习（ML）模型对实验数据进行训练，实现了高精度预测（R2 > 0.92），将ICRFB的特性与能量效率、电流效率以及容量之间建立联系。同时，利用Shapley加法解释法对模型进行解释，提取关键描述符的重要性。研究发现，运行条件（电流密度和循环次数）与电极类型是影响电压效率和库伦效率的最关键描述符，而电极尺寸对容量的影响最为显著。此外，通过主动学习探索了能量效率和容量最高的优化案例，并验证了机器学习预测与实验结果之间的一致性，能量效率误差在±0.15%，容量误差在±0.8%。本研究不仅为ICRFB的特性–性能关系提供了宝贵的数据驱动洞察，还揭示了关键特性对性能的影响机制，加速了下一代ICRFB的合理设计。 5. 机器学习辅助分析铁铬液流电池交错通道中的耦合流体动力学和电化学过程 本研究探讨了交指式流道间距对多孔电极中电解质分布和流速的影响，从而影响泵功耗和系统效率。利用三维电化学流动耦合模型，研究了在不同流道间距、特定流速和电流密度条件下的电化学性能和能量效率，并阐明了流道间距对电池性能的影响机制。通过受控的反复试验，确定了铁–铬氧化还原液流电池（ICRFBs）中流道的最佳间距为4 mm。在电流密度为140 […]