新闻资讯

第一作者：Vikram Singh 通讯作者：Evan Wenbo Zhao, Mu-Hyun Baik, Hye Ryung Byon 通讯单位：荷兰拉德堡德大学，韩国基础科学研究院，韩国科学技术院工作简介弱非共价相互作用对分子在溶液中的行为具有重要的调控作用，然而，这些相互作用如何影响水系电化学环境中的氧化还原过程，仍缺乏充分研究。本研究实现了对水系氧化还原液流电池中芳香族氧化还原活性分子溶解度和氧化还原稳定性的调控。通过在萘二酰亚胺（NDI）分子中引入同时含有季铵基团和磺酸根基团的两性离子取代基，利用空间位阻和静电效应削弱分子间的π-π堆积作用，使原本难溶的NDI分子能够对外部阴离子产生响应。具有疏水性和弱水合特征的阴离子，例如碘离子（I–）和双（三氟甲磺酰）亚胺阴离子（TFSI–），能够通过阴离子-π相互作用破坏残余的分子堆积，从而使NDI在水中的溶解浓度接近1.3...

第一作者：张文全 通讯作者：候利强 通讯单位：青岛科技大学工作简介开发高效且稳定的析氧反应催化剂对于实用化海水电解至关重要。本工作报道了一种通过在Co(OH)₂纳米棒阵列上外延生长NiFe层状双氢氧化物纳米片构筑的层级异质结构。在析氧反应过程中，该预催化剂原位发生表面重构，转化为活性相NiFeOOH和CoOOH。正是在此原位形成的异质界面处，建立了针对氯离子腐蚀的双重防御机制：(1) 内建电场诱导NiFeOOH相电子富集，产生静电屏蔽排斥Cl⁻；(2)...

第一作者：Fei Ai 通讯作者：卢怡君 通讯单位：香港中文大学 DOI：10.1038/s41560-026-02152-0工作简介硫基氧化还原液流电池有望利用储量丰富的活性材料实现低成本、长时储能，但其商业化成功不仅取决于低成本材料。本研究探讨了技术部署如何重塑研究重点，并揭示了决定技术转化进程的科学和工程瓶颈。《2025年我司用户发表的液流电池论文合集》【论文奖励】2026年8月液流电池论文奖励清单！【论文奖励】2026年7月液流电池论文奖励清单！【论文奖励】2026年5~6月液流电池论文奖励清单！ 【论文奖励】2026年4月液流电池论文奖励清单！【论文奖励】2026年3月液流电池论文奖励清单！ 【论文奖励】2026年2月液流电池论文奖励清单！研究背景向可再生能源电力转型，提高了对能够长期提供可靠供电的储能技术的需求。氧化还原液流电池（RFBs）适用于此类应用，因为主要可通过增加更多电解质来扩展能量容量，而无需扩大整个电化学电堆的规模。然而，也意味着与电解质相关的成本将成为整个系统经济性的主要驱动因素。 一些电池运营商试图通过租赁电解质来管理这些成本，即向供应商支付费用以获取电解质，而非一次性购买。这种做法可降低初始资本支出，但只是将费用分摊到更长的周期内，而非真正降低支出；因为电解质补充、再生和更换的底层成本最终仍会体现在总体支付金额中。因此，要改善长时应用的经济性，必须采用真正低成本的电解质。然而，改用更便宜的活性材料并不会自动使整个系统变得更便宜。任何电解质方面的优势，都必须能够经受住电堆尺寸设计、膜材选择、使用寿命期间的性能衰减以及维护需求等考验。核心内容1.廉价材料并不会自动生产出廉价的电池 硫基电解质为降低电解质成本提供了直接途径。硫是一种储量丰富的工业副产品，全球年产量约为8×10⁷吨，远高于钒的产量（钒是一种价格昂贵且供应受限的材料，常用于传统RFB电解质）。多硫化物兼具高溶解度和多电子氧化还原化学特性，为开发高能量密度电解质提供了可行路径。多项独立的技术经济分析表明硫基氧化还原液流电池（SRFBs）是低成本长时储能领域具有前景的候选方案。然而，商用电池系统的经济性不仅取决于电解质层面的成本；在实际应用中，硫的低成本很容易因循环寿命不足、持续性的多硫化物交叉渗透、低功率密度、往返效率降低，或由于电解质膜成本过高，或长期运行下耐久性不足而遭到抵消。 因此，挑战不仅在于寻找低成本材料，更在于理解哪些科学和工程方面的瓶颈最终决定了系统性能与成本。此外，作者团队在开发SRFBs方面的研究也认识到随着技术迈向商业化阶段，瓶颈会不断演变。从实验室发现到实际部署，进展并非呈直线推进；解决的每一个问题都会暴露出新的限制，从而重新界定优先事项，并往往迫使对技术本身进行改进。   2.商业化进程暴露出不断演变的瓶颈 第一个瓶颈在于使用寿命。 Regenesys...

第一作者：杨文栋 通讯作者：段将将 通讯单位：华中科技大学 DOI：10.1002/adma.75512. 感谢华中科技大学段将将团队（第一作者：杨文栋博士）供稿！工作简介碱性全铁氧化还原液流电池（AIRFBs）利用地球储量丰富的元素，是实现安全、低成本电网级储能的有前景技术。然而，能量效率和功率密度不足限制了其实际部署，而这些损失背后的界面动力学根源仍不清楚。本文揭示Fe螯合物负极缓慢的外球电子转移动力学是主导碱性AIRFBs极化的关键动力学瓶颈，并进一步将该瓶颈与有限的亥姆霍兹外平面（OHP）区可及性及较弱的界面电子耦合相关联。为克服这一限制，作者开发了Lewis碱性硫化物界面来调控局部Fe螯合物/电极环境。这些调控界面将低效的扩散碰撞转化为有效的硫化物辅助外球电子转移事件，从而加速负极氧化还原动力学并抑制极化。采用Ni₃S₄修饰电极组装的碱性AIRFB在200...

第一作者：齐鸿昊 通讯作者：赵天寿 通讯单位：南方科技大学 DOI：10.1039/d6eb00189k 感谢南方科技大学赵天寿院士团队（第一作者：齐鸿昊）校稿！工作简介氧化还原液流电池（RFBs）在长时储能领域具有广阔前景，但当电流与电解质流速同时发生变化时，可靠的荷电状态（SOC）估计仍面临挑战。现有的旁路电池开路电压法会增加硬件成本和潜在的泄漏点；而为锂离子电池开发的估计器则难以有效捕捉RFB随流速变化的动力学特性。在此，本研究开发了一种SOC估计框架，将用于在线参数识别的自适应衰落记忆卡尔曼滤波器与用于状态估计的鲁棒自适应扩展卡尔曼滤波器相结合。本研究在恒电流/恒流速、恒电流/变流速以及变电流/变流速运行模式下，通过实验对该框架进行了验证。在最动态的条件下，SOC误差始终低于1.0%；相比之下，递归最小二乘扩展卡尔曼滤波器的误差最高可达3.2%，且偶尔会出现越界现象。该框架还能从刻意偏置的初始SOC开始收敛，同时将估计值约束在物理区间内。此外，与同类研究中在恒电流/恒流速条件下报道的结果相比，所提出的方法实现了更低的误差。结果表明无需专用旁路电池即可实现基于电信号的SOC监测，并为适应流速变化的电池管理系统奠定了基础。《2025年我司用户发表的液流电池论文合集》【论文奖励】2026年8月液流电池论文奖励清单！【论文奖励】2026年7月液流电池论文奖励清单！【论文奖励】2026年5~6月液流电池论文奖励清单！ 【论文奖励】2026年4月液流电池论文奖励清单！【论文奖励】2026年3月液流电池论文奖励清单！ 【论文奖励】2026年2月液流电池论文奖励清单！研究背景准确的SOC估算对于实现高效且稳定的RFB运行至关重要。SOC量化可用能量容量，指导充放电管理，并有助于防止过充和过放电。它还可以支持流量优化，以减少寄生泵送损失，并在长期运行期间指导容量重新平衡。然而，在运行过程中，端电压不仅反映了与SOC相关的平衡电位，还反映了随电流和电解质流量变化的极化现象。在不增加专用传感硬件的情况下区分这些贡献，是实时SOC估计的一个主要瓶颈。迄今为止，已报道的SOC诊断方法包括光谱分析、电位滴定、粘度测量和超声波速度传感，但这些方法通常需要专门的仪器或复杂的操作流程，限制了其实际应用。最常见的实际方法是利用旁路监测单元的开路电压（OCV）通过能斯特方程估算SOC。然而，使用单独的旁路单元会增加系统复杂性，与运行电堆在几何结构上存在差异，还会产生额外的压力损失和潜在的泄漏点。此外，其准确性依赖于代表性采样和运行期间可靠的OCV测量。因此，一种仅基于电堆级电信号的可部署估计器将更具优势。核心内容1.模型验证与参数辨识图1.不同运行工况下的参数辨识结果及电压误差分析 模型在所有三种情景（恒电流恒流速（CC-CF）工况、恒电流变流速（CC-VF）工况、变电流变流速工况）下都能准确再现实测电压响应。不同条件下的动态特性有所不同。在CC-CF运行模式下，电压变化平稳。在CC-VF运行模式下，充放电接近结束时会出现明显的电压反弹，是由于增加的电解质流量缓解了浓差极化。在VC-VF运行模式下，电流和流量的突然变化会导致电压出现阶跃式波动。电压误差分布显示除了在充放电接近结束时的状态转换期间外，电压误差主要保持在±0.3mV以内。结果表明参数识别具有极高的准确性。在CC-VF和VC-VF运行模式下较大的误差主要源于运行参数的快速变化。CC-VF操作中的动态流量调节会改变浓差极化，而VC-VF操作的电流和流量同时波动会引入更强的扰动，使参数辨识更加困难。此现象与既往研究报道一致：液流电池电压动态变化源于电流激励与电解质流动变化之间的耦合。电流变化会直接影响电化学极化和欧姆极化；而流速调节则通过带有流体动力学延迟的传质过程影响浓差极化。响应时间尺度之间的不匹配会导致非稳态电压波动，并使参数辨识和状态估计变得复杂。 绝对电压误差超过1mV的数据点分布显示此类点的数量从CC-CF到CC-VF和VC-VF逐渐增加，表明随着运行条件变得更加动态，误差波动也更为强烈。箱线图进一步显示在变流量和变电流运行条件下，误差分布变得更加宽泛。然而，在所有情况下，中位数仍接近于零，证实了该算法不会引入系统性偏差。此外，平均绝对误差（MAE）和均方根误差（RMSE）数据显示在CC-CF、CC-VF和VC-VF三种条件下，MAE分别为2.12×10⁻⁴、3.67×10⁻⁴和4.95×10⁻⁴，RMSE分别为4.69×10⁻³、6.34×10⁻³和8.19×10⁻³，随着运行复杂度的增加而增加。此趋势表明更强的动态扰动会放大模型不匹配和瞬态误差。即使在最苛刻的VC-VF条件下，MAE和RMSE仍分别保持在10⁻⁴和10⁻³的数量级。因此，所提出的框架能够适应稳态和高度动态的运行条件，同时保持高精度、一致性和工程鲁棒性。   2.SOC估算结果图2.动态运行工况下的SOC估算结果及误差分析 为了评估SOC估计性能，将提出的AFMKF-RAEKF框架与传统的RLS-EKF方法进行了比较。两种方法都能捕捉到SOC的整体变化趋势，但RLS-EKF偶尔会生成超出物理SOC范围0–100%的估计值，而AFMKF-RAEKF则保持了边界稳定性。在CC-CF下，两种方法都紧密遵循参考SOC，其中RLS-EKF的误差约为0.05%，而AFMKF-RAEKF则几乎与参考值重合。在CC-VF下，流量波动强烈影响电池电压，并增加RLS-EKF的误差，尤其是在充放电接近结束时。局部放大显示误差约为1%，且有明显的发散趋势。相比之下，AFMKF能迅速捕捉参数变化，而RAEKF则通过自适应调整噪声协方差矩阵来抑制过度校正，从而实现准确的SOC跟踪。在VC-VF条件下，电流和流量的同时变化引入了强烈的非平稳性。RLS-EKF因参数辨识滞后和对异常残差的敏感性而表现出约0.5%的局部误差。相比之下，AFMKF-RAEKF通过动态参数调整和鲁棒的状态更新，保持了准确的SOC跟踪。RLS-EKF基线和AFMKF-RAEKF使用相同的记录电流和端电压序列、采样记录、二阶ECM结构、离线SOC-OCV校准以及每种条件下的参考SOC。 SOC误差曲线显示随着运行复杂度的增加，RLS-EKF误差的幅度和波动显著增加，而AFMKF-RAEKF则保持稳定。在CC-CF运行模式下，所提出框架的最大误差保持在0.3%以下，而RLS-EKF的误差为0.8%。在CC-VF运行模式下，RLS-EKF误差上升至约2.5%，而AFMKF-RAEKF将误差控制在0.6%以内。在VC-VF运行模式下，RLS-EKF产生的误差峰值高达3.2%，而所提出的框架将误差保持在1.0%以下。随着操作条件变得更加复杂，RLS-EKF误差分布变得越来越分散，而AFMKF-RAEKF分布仍然集中。所提出框架在三种条件下的MAE分别为0.0005、0.0014和0.0033，低于RLS-EKF的相应值（0.0026、0.0034和0.0068）。相应的RMSE则从0.0032、0.0045和0.0077降至0.0007、0.0018和0.0036。这些改进源于参数辨识与SOC估计的协同作用：AFMKF减少了RLS随时间变化的滞后，而RAEKF则通过自适应噪声调节提高了鲁棒性。因此，AFMKF-RAEKF在稳态和高度动态运行条件下均实现了更高的精度、更强的鲁棒性和更好的边界可靠性。   3.准确性比较与鲁棒性验证图3.准确性对比与鲁棒性验证 在停机后重启RFB期间，初始SOC通常通过瞬态电压测量来推断，可能会引入较大误差。为了评估RAEKF对初始状态不确定性的鲁棒性，作者团队进行了初始化敏感性测试。算法使用四个故意错误的SOC（SOC0=1、0.75、0.5和0.25）进行初始化，而真实的初始SOC为0。尽管初始偏差较大，所有估计的SOC轨迹仍迅速收敛到真实SOC，证明了强大的收敛性和鲁棒性。这种行为源于自适应噪声估计和递归反馈校正。当初始误差较大时，滤波器更依赖于测量信息，从而加速状态校正。随后，递归预测更新过程逐步减少初始化误差的影响。因此，所提出的方法能够快速收敛到真实SOC，同时确保估计值保持在物理合理的范围内。此能力降低了对精确初始值的依赖，提高了启动和重新投入运行期间SOC估计的实用性。核心结论在动态运行条件下实现准确的SOC估算，仍是大规模RFB部署面临的一项关键挑战。为了克服旁路单元OCV方法和传统识别算法的局限性，本研究提出了一种基于电信号的实时SOC估计框架，该框架将在线参数识别与鲁棒自适应状态估计相结合。该框架在三种代表性运行场景下进行了验证，即CC-CF、CC-VF和VC-VF，以评估其在动态复杂性增加时的性能。通过将二阶RC等效电路模型与AFMKF相结合，该框架减少了传统RLS方法在动态流动运行下的参数辨识滞后。即使在波动剧烈的VC-VF场景下，电压估计误差也主要保持在0.3mV以内，证明了其对时变参数的准确在线跟踪。 基于AFMKF的高精度参数辨识构建的RAEKF进一步提升了SOC估计性能。消融研究证实双滤波器架构能够抑制模型失配和测量干扰。与传统的RLS-EKF相比，后者会产生高达3.2%的误差，偶尔还会出现边界违规现象；而AFMKF-RAEKF则将SOC误差保持在1%以下。该框架还表现出强大的工程鲁棒性。通过自适应协方差匹配、递归校正和物理边界约束，即使在严重的初始化误差下，也能快速收敛到真实的SOC，从而减少对精确初始状态的依赖。因此，所提出的基于电信号的SOC估计框架为动态电流和流速条件下的RFB...

第一作者：Haoyu Kong 通讯作者：David G.Kwabi 通讯单位：耶鲁大学 DOI：10.1021/acsenergylett.6c02731工作简介本研究报道了一种非混合式水性液流电池，OCP为2.2V，是该类电池中报道的最高值之一，该电池将碱性铬-1,3-丙二胺四乙酸阴离子电解质与酸性溴化物阳离子电解质相结合。两种电解质在单个阳离子交换膜两侧维持约七个单位的pH梯度，无需外部氧气或双极膜回收子电池：运行中的pH测量和零维模型表明差异通过平衡缓慢的质子跨膜传输与氢气和正极侧酸生成而被动维持。该电池循环240小时，CE高达99.5%；通过调节阳离子电解质添加剂、电极和膜，峰值功率密度在43°C时提升至534mW...

第一作者：王碧萱 通讯作者：候利强 通讯单位：青岛科技大学工作简介碱性介质中缓慢的水解离动力学以及阳极析氧反应的高热力学电位，严重削弱了水电解制氢的能效。本文提出一种界面水微环境工程策略：将强亲氧性的钒原子引入镍磷化物晶格，实现催化剂–电解质界面氢键网络重构和界面水富集。系统理论模拟和原位光谱表征表明，钒掺杂剂作为电子给体优化局部电荷分布，降低四配位氢键结合水的比例，提高易解离的二配位氢键结合水和自由水的比例。得益于这种富水界面为析氢反应提供充足吸附水，并为肼氧化构建水辅助低能垒质子转移通道，钒掺杂镍磷化物/碳布催化剂仅需 249...

通讯作者：张牧星 通讯单位：南京理工大学 DOI：10.1016/j.ces.2026.124750工作简介本研究开发了一种基于物理原理的机器学习框架，通过整合实验状态变量与源自“真实溶剂化导体类屏蔽模型”（COSMO-RS）的分子描述符，来预测电解质的密度和粘度。研究使用文献中提取的数据训练了三种典型模型，多层感知机（MLP）、支持向量回归（SVR）和极端梯度提升（XGBoost），并通过贝叶斯搜索和交叉验证进行参数调优。结果表明SVR模型展现出最佳的整体预测性能：在测试集上，密度和粘度的R²分别达到0.9997和0.9996。为评估模型在高浓度边界附近的性能，研究人员将1.83M浓度范围内的样本排除在模型训练之外，作为边界验证组；所得密度和粘度的R²分别为0.9772和0.9899，表明该模型对所研究电解质体系高浓度边界附近的样本具有良好的预测能力。特征分析表明，COSMO-RS描述符通过捕捉分子层面的相互作用，提升了预测精度，超越了单纯依赖实验参数的效果。《2025年我司用户发表的液流电池论文合集》研究背景与传统电池不同，VRFB中的反应发生在液态电解质中，而电极主要作为惰性电子导电基底。因此，电解质的特性在很大程度上决定了VRFB的能量密度及其他性能。其中，密度和粘度尤为关键，因其显著影响流体力学、质量传递及泵送能耗。新鲜电解液与残留电解液之间的密度差会产生浮力，进而影响储罐内的流体动力学与混合效果，可能导致未反应电解液形成非均质区域，从而降低VRFB的能量密度。粘度影响电化学电池内的离子传输和流动阻力，从而影响传质行为、电化学性能和功率输出。此外，高密度和高粘度通常会增大压降和泵送功耗，从而降低系统的整体效率。因此，在广泛的运行条件下准确测定电解液的密度和粘度，对于VRFB的电解液设计、工艺优化及性能分析至关重要。核心内容1.机器学习模型的预测性能图1.使用(a)MLP模型、(b)SVR模型和(c)XGBoost模型计算的密度值（g/cm³）与预测值对比；以及使用(d)MLP模型、(e)SVR模型和(f)XGBoost模型计算的粘度值（mm²/s）与预测值对比 在密度方面，预测值沿对角线紧密分布于约1.2–1.4g/cm³的实验范围内，表明三种模型均能高精度地预测密度值。在测试集中，SVR和MLP表现出相当的预测性能，RMSE分别为0.0008和0.0012g/cm³；相比之下，XGBoost在实验密度值约为1.25、1.30和1.37g/cm³处出现了三个明显偏离点。相应的测试集R2，SVR为0.9997，MLP为0.9994，XGBoost为0.9949。 关于粘度，SVR模型在整个粘度范围内与实验值最为吻合。MLP模型也能给出准确的预测结果。相比之下，XGBoost模型的测试集预测值分布范围较广，表明预测准确性相对较低，与SVR、MLP和XGBoost模型的测试集R²分别为0.9996、0.9980和0.9818的结果一致。结果表明所有模型都可以提供高精度的预测，其中SVR显示了最佳的整体性能。图2.密度（g/cm³）的带符号预测误差采用(a)MLP模型、(b)SVR模型、(c)XGBoost模型；粘度（mm²/s）的带符号预测误差则采用(d)MLP模型、(e)SVR模型、(f)XGBoost模型 对于密度参数，所有模型在训练集和测试集中的残差均紧密分布于零附近，大部分误差落在±0.005g/cm³范围内。MLP和SVR模型的残差分布尤为集中，在整个数据集中未表现出明显的系统性偏差。相比之下，XGBoost模型的残差分布略宽，并在测试集中出现更多偏差。对于粘度参数，各模型之间的差异更为明显：MLP模型的测试集残差大多在±0.05mm²/s范围内，但部分测试样本的偏差接近−0.10至−0.15mm²/s；而SVR模型的残差范围最窄，大多数测试集残差值约为±0.03mm²/s。与之相反，XGBoost模型的残差分布明显宽于MLP和SVR模型，部分测试集残差值超过0.16mm²/s，表明鲁棒性弱于MLP和SVR模型。图3.采用(a)MLP模型、(b)SVR模型、(c)XGBoost模型分析电解液密度(g/cm3)的符号误差直方图及正态拟合曲线；以及采用(d)MLP模型、(e)SVR模型、(f)XGBoost模型分析黏度(mm²/s)的符号误差直方图及正态拟合曲线 对于密度数据，三种模型在训练集上的残差分布均集中于接近零的区域，表明其预测误差较小。在测试集上，MLP的标准差(σ)为1.17×10−3g/cm3，SVR为8.27×10−4g/cm3，XGBoost为3.47×10⁻³...

通讯作者：卢怡君 通讯单位：香港中文大学 DOI：10.1021/acsenergylett.6c02652工作简介本研究将电流密度确定为影响循环寿命的关键因素，并阐明了由硫沉积引起的降解机制。提高电流密度会同时加速多硫化物交叉渗透，并促进致密硫沉积物的形成；沉积物会阻塞离子传输路径，导致电池迅速失效。基于此机理认识，本研究采用一种表面活性剂添加剂来调控硫的成核与生长，从而将多硫化物/亚铁氰化物 RFBs的循环寿命从30次循环延长至60mA...