September 28, 2026

第一作者：陈晖 通讯作者：陈富于&宋玉玺&周江 通讯单位：盐城工学院&中南大学 DOI：10.1007/s40820-026-02333-2 工作简介 本文报道异麦芽酮糖可作为一种多羟基分子调节剂，通过重构多孔碳毡的界面微环境，赋予该多孔电极更强的锌沉积导向功能，以实现可逆的锌沉积/剥离过程。在本体电解液中，异麦芽酮糖可重构局部氢键网络、降低水活度并抑制HRE；在碳/电解液界面处，优先的横向吸附作用形成了一个富含羟基的界面层，该界面层可均质化锌酸盐的传输过程，并引导锌晶粒沿优选的（002）晶向生长，从而促进致密且可逆的锌沉积。界面微环境调控策略降低了锌负极的电荷转移电阻和活化能垒，使得电池在20mA cm⁻²下可实现超过500次的稳定循环。在全电池测试中，经优化的ZIFB实现了高达87.5%的高EE，性能优于原始电解液。 《2025年我司用户发表的液流电池论文合集》 研究背景 氧化还原液流电池（RFBs）因功率输出与能量输出相互独立、固有安全性高以及架构可扩展等优势，在电网级储能领域展现出广阔应用前景。其中，锌基体系因具有优异的能量密度、低成本及锌资源储量丰富等优势而备受青睐。在该体系中，锌铁液流电池（ZIFBs）因兼具理想的电化学性能与显著的经济优势而受到越来越多的关注。然而，实际应用仍受限于锌负极在反复镀锂/剥离过程中表现出的不稳定性。在多孔电极中，不受控的锌沉积易引发枝晶生长、内部短路风险及容量快速衰减；而HER则会进一步削弱锌的可逆性、降低CE并加速电极退化。因此，大量研究致力于膜材料改性、电解液设计及电极表面工程等领域的探索。在这些策略中，电解液调控策略尤为引人注目，能够在不显著增加器件复杂度或成本的前提下，实现对锌沉积行为的系统级控制。 核心内容 1.异麦芽酮糖对氢键调控及界面吸附的作用机制 图1.a–b基于分子动力学模拟获得的、含有或不含异麦芽糖的原始电解质的瞬时图像；c–d不同电解质体系中氢键的数量；e异麦芽糖与Zn(OH)42-之间相互作用的IRI分析；f水分子的微分电荷密度；g横向与h纵向吸附构型；i水分子在横向与纵向吸附构型下的电子位移；j异麦芽糖与石墨(001)表面间相互作用能的能量分解；k经过5天浸泡于饱和异麦芽糖水溶液中的锌箔的FTIR光谱；l异麦芽糖对体相氢键网络及电解质/电极界面影响的机理阐释 分子动力学（MD）模拟结果表明加入异麦芽酮糖后，总氢键数量从约1000条增加至约1300条，表明异麦芽酮糖中丰富的羟基广泛参与氢键的给予与接受过程，从而形成了更为致密的氢键网络。相互作用区域指标（IRI）分析进一步揭示在异麦芽酮糖的羟基与Zn(OH)₄²⁻的氧原子之间观察到强烈的氢键相互作用，而刚性分子骨架产生的空间排斥力则提供了局部空间约束。吸引力与空间效应的共同作用有望稳定锌酸根离子的局部配位环境。电子密度差分析进一步证实了横向吸附的电荷再分配更强，电子位移比水或垂直吸附的异麦芽酮糖醇大。能量分解分析表明在两种情况下，分散相互作用均占最大贡献；而在侧向构型中尤为显著，是由于其与石墨中离域π电子之间的相互作用更为广泛。FTIR、XPS及微分电容测量结果进一步证实了异麦芽糖衍生物种在Zn表面发生了界面吸附。综上所述，结果表明异麦芽糖不仅重构了体相中的氢键网络，还优先吸附于碳界面并将Zn沉积于此，从而形成了一个富含羟基的界面微环境。体相与界面的协同调控为实现均匀的局部锌物种传输以及在后续电化学过程中实现更可控的Zn沉积提供了物理化学基础。   2.电化学行为 图2.aPE及不同浓度PE-异麦芽糖电解质的电导率；bEIS；cCV曲线；d–e 1wt%电解质在不同扫描速率下的CV曲线及相应的峰值电流密度与扫描速率平方根的关系图；f在PE及PE-异麦芽糖电解质中测得的电流密度（CA）；gPE与1wt%电解质中瞬时成核与渐进成核过程的理论无量纲曲线对比；hPE及1wt%电解质中的LSV曲线与iTafel曲线 随着异麦芽酮糖含量的增加，离子电导率先升高后降低，并在1wt%时达到最大值,表明适量添加异麦芽酮糖可优化离子传输过程，而过量添加该添加剂则可能引发电解质内部的过度缔合现象。同时，EIS分析显示在所有样品中，1wt%的电解质所对应的电荷转移电阻值最低，表明其界面电荷转移动力学条件最为理想。结果表明当异麦芽酮糖含量为1wt%时，由其调控的体相与界面微环境最为有效，此时氢键重组与界面吸附作用处于平衡状态，且未影响离子迁移率。CV曲线显示与PE体系相比，1wt%体系表现出更小的阳极/阴极峰电位差以及更高的峰电流密度，表明可逆性更优且锌电镀/剥离反应动力学更快。扫描速率依赖性CV测试表明，氧化还原电流随扫描速率的增加而逐渐增大；同时，峰电流与扫描速率的平方根之间呈现良好的线性关系，与扩散控制过程的特征相符。 计时电流法曲线显示与PE相比，含1wt%电解液的体系在锌电沉积过程中能维持更平滑、更稳定的电流响应，表明沉积过程更为均匀，且局部电流波动较小。归一化电流–时间瞬态响应曲线与Scharifker–Hills模型对比结果显示PE表现出介于瞬时成核与渐进成核之间的沉积行为，而含1wt%电解液的体系则呈现出截然不同的演变特征。 最后，线性扫描伏安法结果表明含1wt%异麦芽酮糖醇的电解液使HER起始电位相较于PE向更负电位方向移动，表明HER受到抑制。Tafel分析进一步表明，含1wt%异麦芽酮糖醇的电解液所对应的腐蚀电流密度较低，证实了优异的耐腐蚀性能。综上所述，结果表明异麦芽酮糖醇并非仅仅作为一种导电性调节剂，而是通过将体相氢键调控与界面微环境调控相结合，从而改善了局部传质过程、调控了锌的成核/生长行为，并抑制了水驱动的副反应。   3.锌沉积的表面演变 图3.在使用PE电解液及1wt%电解液时，锌阳极表面归一化电流密度与相对高度随时间的变化规律；在采用不同电解液进行完整电沉积过程期间，c）电流密度均匀性与d）锌阳极表面粗糙度的变化情况；e）在PE电解液及1wt%电解液条件下，沿X=0.5μm时Y轴方向上锌阳极表面归一化电流密度与f）相对高度的变化规律 随着沉积过程的进行，PE中的归一化电流密度分布逐渐趋于均匀化；然而即使在最终阶段，仍存在明显的空间梯度，表明表面突起处仍存在持续的局部电流集中现象。非均匀的电流分布意味着某些区域仍持续经历着优先的锌沉积过程，会在长时间沉积过程中加剧形貌不稳定性。相比之下，含有1wt%异麦芽糖的电解液在整个沉积过程中呈现出更为均匀的电流密度分布。随着沉积时间的增加，局部电流密度在整个电极表面逐渐趋于均匀化，表明异麦芽糖有效缓解了局部电流聚焦现象，并促进了电化学反应的更均匀分布。 在表面高度演化过程中也观察到了类似的趋势。在PE电解液中，从初始阶段到最终阶段，相对高度分布始终呈现高度不均匀性，表明在锌沉积过程中表面波动经历了持续的放大过程；相比之下，在含1wt%电解液的体系中，随着沉积进程的推进，表面高度分布逐渐变得更为平缓且均匀，表明该添加剂能够抑制表面粗糙度的累积，从而有利于实现更平滑的沉积过程。定量分析进一步显示在含异麦芽酮糖醇的电解质中，电流密度的变异系数比在PE中下降得更快，而在沉积过程中，表面粗糙度也下降得更明显。   4.锌沉积特性表征 图4.在PE电解液及含1wt%Zn的电解液中，于碳毡上沉积锌的SEM图像；图b与图d分别为在20mA cm⁻²下于Zn箔上沉积锌的AFM图像（b：PE电解液；d：含1wt%Zn的电解液）；图e为XRD图谱，图f为在PE电解液及含1wt%Zn的电解液中循环处理的碳毡不同晶面的计算相对织构系数；图XPS为在PE电解液及含1wt% Zn的电解液中循环处理的碳毡的g)C 1s、h)O1s及i)Zn 2p能谱 电化学分析表明添加1wt%异麦芽酮糖可改善锌电镀/剥离过程的可逆性，并抑制寄生性HER。SEM图像显示，在PE电解液中沉积的锌在碳毡表面形成疏松且呈枝晶状的沉积形态，表明其成核与生长过程具有高度非均匀性；相比之下，在含1wt%异麦芽酮糖的电解液中循环处理的电极所形成的锌沉积层则更为致密、光滑，且更均匀地覆盖于碳基材表面。AFM分析进一步支持了此趋势：由PE电解液沉积的锌表面粗糙度显著较高，而含异麦芽酮糖的电解液所形成的沉积层则具有更平坦的形貌且表面粗糙度较低。结果共同表明，异麦芽酮糖可抑制锌的局部富集，并促进锌在多孔碳骨架上实现更均匀的沉积。 结果与异麦芽酮糖在调节多孔电极表面及均化局部传质过程中的作用相一致。调控作用所导致的结构变化体现在XRD图谱中。两种样品均显示出金属锌的特征衍射峰，但相对强度存在显著差异：在PE样品中，沉积的锌层中来自非基面取向的衍射信号相对较强；而含有异麦芽酮糖的电解液则产生了更明显的(002)取向衍射峰，同时(102)取向的衍射强度减弱。相应的相对织构系数进一步量化了此变化趋势。此外，对分子吸附能及锌原子扩散能的计算表明异麦芽酮糖的存在增强了对(002)取向的偏好性。结果表明异麦芽酮糖不仅改善了沉积均匀性，还促使锌原子生长偏向于更有利于形成的晶体织构。 XPS分析进一步揭示在C 1s谱图中，原始碳毡主要由C–C和C–O峰谱贡献构成，而经PE电解液循环处理的电极则显示出更强的氧化碳特征，表明其界面处发生了更为剧烈的副反应。相比之下，含异麦芽糖的电极仍保持着富含含氧有机物的碳环境，与异麦芽糖衍生官能团的吸附现象相符。在O 1s谱图中，原始电解液电极除显示Zn–O峰谱外，还呈现出更为明显的Zn–OH峰谱，表明氢氧化物相关副产物的生成有所增强。而在含异麦芽糖电解液中进行循环后，该Zn–OH信号明显减弱，与水驱动的寄生反应受到抑制以及含锌界面更为稳定的情况相一致。Zn 2p谱图亦显示经异麦芽糖修饰的电极所对应的Zn信号更强且峰形更清晰。综上所述，形貌学、结构学及光谱学结果共同证实异麦芽糖诱导的体相与界面调控策略有效地将多孔碳基体转化为一种更具沉积导向性的电极环境，从而实现了紧凑的锌沉积过程并减少了副反应的发生。   5.全电池性能评估 图5. a碱性ZIFB工作原理示意图；b不同异麦芽糖浓度（0–3wt%）下、电流密度为20mA cm⁻²时的容量曲线；c10–110mA·cm⁻²时的倍率性能曲线；d使用PE与1wt%电解液的全电池自放电曲线；e PE与1wt%电解液中的活化能；f使用PE与1wt%电解液的电池极化及功率密度曲线；g在20mA cm⁻²下，含与不含异麦芽糖的碱性ZIFBs电池的长期恒电流充放电性能对比；h与已发表文献中的性能对比 使用1wt%电解液的电池相较于使用PE的电池表现出显著更低的极化度和更高的放电容量，表明在实际流体电池运行工况下其反应可逆性得到显著提升。在较宽的电流密度范围内，1wt%电解液可保持高于98.2%的稳定CE；而当电流密度从10mA cm⁻²增加至110mA cm⁻²时，EE则从87.5%逐渐下降至45.0%。相比之下，使用PE的电池效率衰减速度要快得多，即使在较窄的电流密度范围内，CE与EE均出现急剧下降。结果表明异麦芽酮糖醇可提升锌电镀/剥离反应的可逆性，并在动态运行过程中降低极化损耗。此外，使用PE的电池在2000分钟后其开路电压衰减至约0.5V，而含异麦芽酮糖醇的体系即使在4000分钟后仍能维持约1.3–1.4V的电压。 为进一步阐明电池性能提升的动力学成因，对活化能及极化特性进行了分析。表观活化能从PE的21.1kJ mol⁻¹下降至1wt%电解液的14.2kJ mol⁻¹，表明异麦芽糖调控的电解液/电极微环境降低了界面动力学势垒。相应地，极化曲线显示，添加异麦芽糖后，面电阻从3.3Ω cm²降至2.7Ω cm²，证实了电池电阻降低及电荷转移过程得到促进。因此，相应的功率密度曲线向更高电流密度方向偏移，最大功率密度从250mW cm⁻²提升至350mW […]

第一作者：张磊 通讯作者：褚凤鸣 作者单位：北京工业大学，北京化工大学，桂林电子科技大学 工作简介 SOH作为反应液流电池寿命的重要指标，在BMS（电池管理系统）中占有重要地位。本研究提出了一种基于极限学习机（ELM）和群体智能算法的全钒液流电池（VRFB）健康状态（SOH）数据驱动预测模型。研究团队首先通过充放电循环测试，以容量保持率作为SOH的表征指标，并对比发现基于LASSO的灰色关联度分析（LGRA）在提取最佳健康特征子集方面显著优于基于斯皮尔曼相关系数的交互测度算法（SCIM）。在核心模型构建阶段，研究全面评估了四种群体智能算法（PSO、SCSO、DBO、ACO）与不同激活函数的组合性能，结果明确指出Sigmoid激活函数在此框架内预测性能有限，而Linear激活函数表现最佳。最终，研究确定了LGRA-PSO-ELM-linear为最优预测架构，该模型不仅实现了低于0.2%的最大误差，在准确捕捉电池衰减特征的同时，还在引入高斯白噪声和有界异常扰动的复杂工况模拟中展现出了良好的抗噪鲁棒性，且其综合预测精度与计算效率均显著优于传统的支持向量机（SVM）模型。 相关成果以“Model for predicting the state of health of redox flow batteries based on an extreme learning machine model and swarm intelligence algorithm”为题发表在Journal of Zhejiang University-SCIENCE A期刊上。 感谢北京工业大学褚凤鸣老师供稿！ 本文所用 液流单电池测试系统 由武汉之升新能源有限公司提供 《2025年我司用户发表的液流电池论文合集》 研究背景 准确评估SOH对于VRFB的安全、经济与可靠运行至关重要，是提升电池储能系统稳定性与效率的核心环节。目前，电池容量衰减与功能失效在商业化运行中备受关注，但针对液流电池SOH监控的系统性研究依然十分罕见。现有的电化学储能SOH预测研究主要集中于锂离子电池领域，而液流电池研究较少。目前主流研究方法分为传统机理模型驱动SOH预测和人工智能下的数据驱动SOH预测。传统方法需要建立能够描述内部化学动态的复杂数学模型，难以满足快速实时预测的工程需求。数据驱动方法因无需解析复杂的电化学反应机理而展现出卓越的鲁棒性与适应性。ELM凭借预测精度高、收敛速度快及泛化能力强的优势，为复杂非线性关系的建模提供了可能。本研究通过结合基于LASSO的灰色关联度分析进行最优健康特征子集筛选，首次建立基于群体智能算法与极限学习机相结合的数据驱动预测模型。通过系统分析4种群体智能算法与4种激活函数的组合性能，弥补传统ELM参数随机初始化的缺陷，旨在为全钒液流电池提供一种最高效、精准且抗噪的最优实时SOH监测方案。 核心内容 1. 液流电池老化循环测试数据采集 本研究采取的数据集均采集自真实的充放电循环测试。实验采用了由武汉之升新能源有限公司生产的一体化液流单电池测试系统。为了准确表征SOH，研究以“容量保持率”作为核心评估指标，即剩余容量与新电池额定容量的百分比。在此基础上，研究团队全面采集了电池运行过程中的多项物理参数，包括放电容量、充电能量、充电容量、放电直流内阻、能量效率以及充放电效率等，作为后续模型的备选数据。对液流电池施加老化循环测试，实验台布置如图1所示。 图1.老化测试实验台布置   2. 核心健康特征子集的提取与比对筛选 首先对于测试平台所监测到的大量数据而言，如果全部作为模型的输入特征，那么多维冗余特征不仅会导致预测精度降低，更会降低模型的预测精度和速度并浪费计算资源。因此，确定最能表征SOH衰减演变机理的最佳健康特征子集是建模的核心步骤。本研究提出了一种基于LASSO的灰色关联度算法（LGRA）和基于斯皮尔曼关联系数的交互测度算法（SCIM），以上两种算法用来进行健康特征子集的筛选和提取。 在使用SCIM算法进行特征提取时，研究首先定义了六个初始输入变量：放电容量、充电能量、充电容量、放电直流内阻、能量效率以及充放电效率。基于各个物理参数与SOH之间的相关程度，SCIM算法筛选出了排名前20的候选特征子集。通过关联度热力图（图2）的三维可视化可以观察到，Z轴表示各子集与SOH的相关性，X轴代表子集编号，Y轴代表子集包含的变量数量，关联度越接近1表明特征越优异。在SCIM的筛选结果中，为了在保证高相关性的同时获取更多的变量以反映参数间的交互作用，研究并未选择单变量子集，而是选取了包含充电能量和放电容量两个变量的子集2作为该算法下的基础健康特征子集。 相对而言，LGRA算法在健康特征子集的筛选上展现出了更为卓越的性能。在LGRA的测试中，初始输入变量被设定为五个：放电容量、充电容量、充电能量、充电直流内阻和能量效率。同样基于特征与SOH的相关度，LGRA提取并排列了前20个候选子集，并生成了对应的关联度热力图（图3）。在具体判断时，研究严格遵循了“在保持关联度良好的前提下，尽可能引入更多变量以考量多变量综合交互效应”的筛选原则。因此，LGRA最终锁定了包含充电容量、放电容量和充电能量三个变量的“子集4”。该子集的关联度数值与排名第一的单变量子集完全相当，但其凭借三变量的丰富物理维度，能够更全面地表征电池的衰减退化机理。两种算法的具体筛选结果如图2和图3所示。 通过对两种算法在钒液流电池健康指标上的特征选择能力进行系统性对比分析，研究明确得出LGRA的筛选表现显著优于SCIM，因此正式将LGRA确立为该研究的特征选择方法 图2.基于SCIM的健康特征子集筛选热力图 图3.基于LGRA的健康特征子集筛选热力图   3. ELM的搭建 在确立由LGRA算法筛选出的最优健康特征子集后，本研究将ELM引入全VRFB的SOH预测模型构建中。相较于支持向量机（SVM）、反向传播（BP）和长短期记忆（LSTM）等传统网络，ELM凭借预测精度高、收敛速度极快、泛化能力强以及极其适用于复杂数据建模的优势，被确立为主体预测算法。ELM本质上是一种专为单隐含层前馈神经网络（SLFNs）设计的学习算法，其网络结构由输入层、隐含层和输出层依次构成。ELM结构如图4所示。 图4.ELM结构示意图