【摘 要】
:
固体氧化物燃料电池(SOFCs)是一种将化学能直接转换为电能的电化学装置,具有高的能量转换速率和低的环境影响性等优势。目前,为了降低电池材料的成本以及延长设备工作寿命,中低温化是其主要发展趋势。阴极材料是决定整体电池性能的重要部分之一。但是,降低工作温度的同时,阴极极化损耗随之增加,氧还原反应(ORR)催化活性降低,相对较慢的阴极动力学限制了电化学性能的提高。La0.8Sr0.2Fe O3-δ(L
论文部分内容阅读
固体氧化物燃料电池(SOFCs)是一种将化学能直接转换为电能的电化学装置,具有高的能量转换速率和低的环境影响性等优势。目前,为了降低电池材料的成本以及延长设备工作寿命,中低温化是其主要发展趋势。阴极材料是决定整体电池性能的重要部分之一。但是,降低工作温度的同时,阴极极化损耗随之增加,氧还原反应(ORR)催化活性降低,相对较慢的阴极动力学限制了电化学性能的提高。La0.8Sr0.2Fe O3-δ(LSF)因具有较高的电子和离子导电性、良好的长期稳定性,成为备受关注的SOFCs阴极材料,但其催化活性仍低于常见的钴基钙钛矿氧化物阴极。为了进一步提高LSF阴极的催化活性,本论文以LSF纳米纤维阴极为研究对象,通过元素掺杂和表面改性,提高其电化学性能。主要研究内容和结果如下:(1)采用静电纺丝法制备了LSF纳米纤维,在A位掺杂了Bi元素,得到了一系列La0.8-xBixSr0.2Fe O3-δ(LBSFx,x=0.0~0.5)纤维结构阴极材料,并对其进行电化学测试。结果表明,La0.4Bi0.4Sr0.2Fe O3-δ(LBSF4)阴极具有最低的极化阻抗,在650°C时,阴极的极化阻抗值为0.126Ω·cm2。将LBSF4纤维阴极应用于Ni-SDC阳极支撑单电池,650°C下单电池的最大功率密度达到448 m W·cm-2。(2)采用静电纺丝法制备了LSF纳米纤维,在B位掺杂了Cu元素,得到了一系列La0.8Sr0.2Fe1-xCuxO3-δ(LSFCux,x=0.0~0.3)纤维结构阴极材料,并对其进行电化学测试。结果表明,La0.8Sr0.2Fe0.8Cu0.2O3-δ(LSFCu2)纤维阴极具有最优异的电化学性能。在650°C时,阴极的极化阻抗值为0.674Ω·cm2,Ni-SDC/SDC/LSFCu2单电池的最大功率密度为362 m W·cm-2。(3)在LSFCu2纤维阴极的基础上,通过化学浸渍法制备了一系列LSFCu2-x Ba CO3复合阴极,并研究了Ba CO3浸渍量对电化学性能的影响。结果表明,当浸渍量为20.57 wt%时,制备的LSFCu2-20.57 wt%Ba CO3复合阴极具有最佳的电化学性能。在650°C时,复合阴极的极化阻抗值为0.121Ω·cm2,与未浸渍Ba CO3纳米颗粒的阴极相比,极化阻抗降低了5倍左右,电化学性能显著提升。此外,Ni-SDC/SDC/LSFCu2-20.57 wt%Ba CO3单电池的最大功率密度在650°C时达到498 m W·cm-2。
其他文献
随着经济的快速发展,能源危机日益严重。如何更好地利用清洁能源以缓解能源危机成为人们越来越重视的问题。分布式电源(distributed generation,DG)的大规模应用在有效地缓解能源和环境危机的同时,也给配电网的协调控制带来了更大的挑战。通过分布式电源与储能联合进行配电网协调控制,可以充分的发掘配电网的调度潜能,降低分布式电源并网的风险,因此逐渐成为研究热点。随着智能电网双向互动技术的推
据sputniknews网站2021年1月1日报道,日本防卫省正在开发无人战斗机,并计划在2035年前装备部队。斯巴鲁公司和三菱公司正在参与这种无人战斗机的研发工作,其中斯巴鲁公司负责开发远程飞行控制技术,三菱公司负责设计无人机之间的信息共享系统。此外,日本也可能与英国或美国的公司合作研发。日本防卫省的目标是分三个阶段开发这种无人机,分别是制造无人机,用一架有人机控制多架无人机,以及设计和制
智能感官系统是通过模仿人类视觉、味觉等感知机理研发的一种新型现代化智能分析检测系统,通常由传感器、信号传输模块以及模式识别算法组成。其中,模式识别对系统检测的准确性起决定性作用,但目前针对智能感官系统的模式识别算法较为单一,限制其检测效率。同时,单一智能感官系统获取样本片面的有效信息,而多感官融合目前主要基于传统浅层机器学习算法实现,影响数据的融合效果。本文基于电子舌系统和电子眼系统,提出基于深度
串联质谱技术是蛋白质组学研究的重要技术,常用的串联质谱测序方法包括:蛋白质序列库搜索、从头测序、谱库搜索等。其中从头测序方法可以直接通过串联质谱推断出肽序列,该方法具有不依赖于蛋白质数据库的优势,并在测定未知物种蛋白序列、单克隆抗体测序等领域中起着关键作用。然而由于从头测序问题的复杂性,导致其测序的准确率远低于数据库方法,制约了从头测序的广泛应用,针对这一问题,提出了一种基于图卷积神经网络(Gra
近年来,环境振动能的开发与利用吸引了工业界和学术界研究人员的广泛关注。环境中振动能量的形式主要有风能、潮汐能以及机械振动能(交通工具、基建设备、家用电器等)。风能具有分布广泛、绿色清洁、可再生等优点,是一种理想的能源形式。许多学者正在进行振动能量俘获和转化研究:通过一些小型设备,利用能量转化机制,将环境振动能捕获并转化为电能。这种技术可以实现电子耗能型设备持续稳定地自主供能,从而解决传统能量源(电
氢能具有高的能量密度,且能量转换后产物只有水,被认为是二十一世纪最具潜力的清洁能源。目前氢气主要是通过水蒸汽转化法制取,能耗大,且产生二氧化碳等温室气体。电解水已被证明是清洁、可持续的制氢方法,但该法所使用的贵金属铂催化剂存在成本高、运行稳定性差和易中毒等致命缺陷,迫切需要开发具有高活性、高稳定性的低成本新型电解水催化剂。为了提高铂原子的利用率,在纳米尺度上调控催化剂的组成和结构,引入非贵金属构建
众所周知,有限元法是占有主导地位的数值模拟技术,它在科学计算与工程分析领域中得到了非常广泛的应用。然而,有限元法需将其计算域离散成某种规则化网格,即区域单元,这些单元之间一般需要满足一定的关联性。对于三维问题,数据处理所耗费的时间远远大于计算时间,特别是对于某些具有复杂几何计算区域的问题,可能付出相当大的计算代价,甚至有时带来数学理论上的麻烦。再者,作为一个域离散技术,对于那些仅仅测量边界数据的反
随着电力电子技术的大规模应用、分布式发电和众多精密负荷的广泛接入,电网电能质量面临越来越多的新挑战。复杂多变的电能质量扰动不断威胁着电力用户的用电安全,电网中的电能质量问题已经成为科研人员的研究重点。在电能质量问题的研究中,电能质量扰动信号的正确识别有助于对扰动进行重现和溯源,进而实现扰动的分析和治理,对确保电力系统的安全稳定运行和改善系统的供电质量具有十分重要的意义。本文从深度学习的角度出发,开
城市交通发展到信息化、智能化、智慧化的新时代,将大数据挖掘、机器学习等技术与智慧交通相结合,能够显著改善城市发展中的交通拥堵问题。随着电警、卡口等视频监控设备的增加,交通基础数据库得到了极大的丰富,为日趋智能的精细化交通管理提供了驱动力。但是,传统的交通数据处理方法无法适应快速增长的数据量,交通卡口数据背后蕴藏的交通信息亟需统一的流程处理框架和应用手段去分析和实践。针对卡口数据的应用问题,本文结合
在所有工业发展过程中,发展与环保永远是辩证统一的。纵观汽车发展史,传统汽车所需燃料以及尾气的排放无疑体现了传统汽车与环境保护之间的相互排斥,而节能、无污染的电动汽车的出现,使得汽车工业与环境保护之间能够以相互促进的方式发展。新型的双电机四驱电动汽车以其简单的构架综合了集中控制电动汽车与分布式电动汽车的优点,成为国内外学者与企业研究的热点。本文以双电机电动汽车为研究对象,重点研究在行驶过程中车辆发生