股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

广东技术师范大学《?J. Energy Storage》:FeP?/C/石墨烯气凝胶全电池耦合机器学习实现寿命预测

成果简介

传统的石墨负极锂离子电池无法满足对高能量密度和循环稳定性日益增长的需求。磷基负极虽具有巨大的应用潜力,但在全电池系统中却面临挑战,原因在于其体积变化剧烈,且电解液添加剂的界面调控机制尚不明确。基于此,本文,广东技术师范大学Cheng Lin团队在《Journal of Energy Storage》期刊发表名为"Experimental optimization of FeP?/C/carbon nanotubes@graphene aerogel||LiNi?.?Co?.?Mn?.?O? full cells coupled with performance prediction via machine learning"的论文,研究提出了一种"电解质工程 + 人工智能"一体化的磷基全电池优化策略。该工作构建了以 FeP?/C/CNTs@石墨烯气凝胶(FeP?/C/CNTs@GA)为负极、NCM811 为正极的高能量密度全电池,系统优化了 N/P 质量比、电压窗口以及 VC/LiPO?F? 电解液添加剂组合,并引入机器学习对长循环性能进行预测。

此外,论文通过多尺度失效后(post-mortem)表征揭示电极-电解液界面的调控机理,并建立了八种机器学习模型以解码全电池多参数耦合下的非线性相互作用、预测长期循环趋势,形成实验与计算的协同优化框架。经全电池电化学测试与机器学习建模,最优配置为 N/P 质量比 1:10、电压窗口 0.8–3.9 V;电解液添加剂呈现明显的倍率依赖性:2 wt% VC 在 2 A·g?1 下通过形成均匀富有机相界面实现优异长循环稳定性,而 1 wt% LiPO?F? 与 2 wt% VC 的组合则在 0.5 A·g?1 下提升首次库伦效率与低倍率性能。同时,基于 141 组样本数据集,LightGBM 对循环寿命预测展现出最佳鲁棒性,SHAP 分析进一步揭示失效机理的动态转变——早期循环由添加剂主导降解,后期循环转为运行参数主导衰减,为磷基全电池优化提供了数据驱动的量化指导。

本研究提出了一种将电解质工程与机器学习相结合、用于磷基全电池优化的集成策略,该策略系统耦合了电极匹配、工况条件与界面工程,并借助机器学习解码关键参数间的非线性相互作用,显著提升了磷基全电池的循环稳定性与寿命预测能力,为高性能动力电池的研发提供了新思路。

图文导读

Fig. 1. Schematic illustration of the overall research workflow, including the preparation of the FeP2/C/CNTs@GA composite, assembly and electrochemical evaluation of the full cells, interfacial characterization, and machine learning-assisted performance prediction and evaluation.

Fig. 2. Performance of FeP2/C/CNTs@GA||NCM811 full cells. Cycling performance of cells with (a) different voltage windows (N/P mass ratio: 1:10); (b) various N/P mass ratio (voltage window: 0.8–3.9 V) with 2 wt% VC; (c) 10 types of electrolyte additives (mass ratio: 1:10, voltage window: 0.8–3.9 V, current density: 2 A g?1). (d) Rate performance (N/P mass ratio: 1:10, voltage window: 0.8–3.9 V, electrolyte additive: 2 wt% VC). (e) Galvanostatic discharge and charge profiles of (N/P mass ratio: 1:10, voltage window: 0.8–3.9 V, electrolyte additive: 2 wt% VC) at various current densities. (f) CV curves (N/P mass ratio: 1:10, voltage window: 0.8–3.9 V, electrolyte additive: 2 wt% VC) with a scan rate of 0.1 mV s?1.

Fig. 3. SEM images of (a–b) FeP2/C/CNTs@GA pristine electrode with (c) blank, (d) 2 wt% LiPO2F2, (e) 2 wt% VC, (f) 0.5 wt% LiPO2F2 and 2 wt% VC, (g) 1 wt% LiPO2F2 and 2 wt% VC, (h) 2 wt% LiPO2F2 and 2 wt% VC, (i) 2 wt% LiPO2F2 and 1 wt% VC, (j) 2 wt% LiPO2F2 and 0.5 wt% VC, (k) 1 wt% LiPO2F2 and 1 wt% VC, (l) 1 wt% LiPO2F2 and 0.5 wt% VC electrolyte additives after 800 cycles.

Fig. 4. XPS spectra of NCM811 positive electrode in FeP2/C/CNTs@GA||NCM811 full cells with (a) blank, (b) 2 wt% VC, (c) 2 wt% LiPO2F2, (d) 0.5 wt% LiPO2F2 and 2 wt% VC, (e) 1 wt% LiPO2F2 and 2 wt% VC, (f) 2 wt% LiPO2F2 and 2 wt% VC, (g) 2 wt% LiPO2F2 and 1 wt% VC, (h) 2 wt% LiPO2F2 and 0.5 wt% VC, (i) 1 wt% LiPO2F2 and 1 wt% VC, (j) 1 wt% LiPO2F2 and 0.5 wt% VC electrolyte additives at 2 A g?1 after 800 cycles.

Fig. 5. Heatmap of the Pearson correlation coefficient analysis and significance.

Fig.6. Radar charts of evaluation metrics for 8 types of models for predicting the capacity retention of NCM811||FeP2/C/CNTs@GA full cells after 300, 500, and 800 cycles, respectively. Accuracy (a–c), precision (d–f), recall (g–f), and F1 scores (j–l), AUC (m–o).

Fig.7. Feature importance and SHAP evaluation of LightGBM: (a) Feature importance after 300 cycles, (b) SHAP values after 300 cycles, (c) feature importance after 500 cycles, (d) SHAP values after 500 cycles, (e) feature importance after 800 cycles, (f) SHAP values after 800 cycles.

小结

在本研究中,成功构建了基于FeP2/C/CNTs@GA阳极和NCM811阴极的高能量密度全电池系统,并从电极匹配、工作条件和电解质界面工程等角度对其电化学性能进行了系统优化。研究确定了最佳配置:N/P质量比为1:10,电压窗口为0.8–3.9 V,该配置在电池的容量裕度和整体能量效率之间实现了平衡。

研究证实,电解液添加剂是决定整电池循环性能的主要因素,且其影响表现出明显的速率依赖性。添加 2 wt% VC 这一单一添加剂可在 2Ag?1 的高电流密度下实现最出色的长循环稳定性,因为它能在两个电极上形成一层薄、连续且柔韧的富有机物界面,有效抑制电解液分解,并适应活性材料在循环过程中的体积变化。相比之下,1wt% LiPO?F? + 2 wt% VC 的二元配方在 0.5 A g?1 下可提供更高的首循环库仑效率和优异的低倍率循环性能,这得益于源自 VC 的有机基质与 LiPO?F? 调谐的无机组分(如 LiF)之间的协同效应。多尺度事后表征证实,VC含量不足会导致形成以无机物为主的脆性界面层,其机械韧性较差;而过量的LiPO?F?则会扰乱VC的有序成膜过程,并降低界面层的均匀性,这正是高LiPO?F?二元配方在长期高倍率循环下性能下降的原因。

结合多尺度界面表征和机器学习分析,本研究不仅阐明了电解液添加剂对双电极界面层速率依赖性调控机制,还定量解析了多参数耦合条件下整电池的动态退化规律。在评估的八种算法中,LightGBM 表现出了最佳的综合性能,特别是在长达 800 次循环的长期预测中,其准确率和区分度均高于基线模型。SHAP分析揭示了特征重要性在电池寿命周期中的动态演变:电解液添加剂在早期循环中主导性能表现,而在中后期循环阶段,包括电流密度和截止电压在内的运行参数的影响逐渐增强,这反映了电池失效机制从以电解质界面为主向多机制耦合退化的转变。

总体而言,本研究将针对性的电解质界面工程与数据驱动的性能预测相结合,为磷系全电池的开发提供了一套系统且实用的策略。所提出的机制及优化框架,也可为其他高容量负极全电池系统的界面设计和性能预测提供参考。

文献:

https://doi.org/10.1016/j.est.2026.123591

信息来源:材料分析与应用1

2026中国国际石墨烯创新大会

11月13-15日 中国·温州

“2026年中国国际石墨烯创新大会”将由石墨烯产业技术创新战略联盟(CGIA)和正泰集团联合主办,将于2026年11月13-15日在温州市(乐清)举办。大会聚焦石墨烯应用市场,着力促进石墨烯创新成果与产业端的深度对接合作,推动石墨烯产业迈向高质量发展新阶段。2026中国国际石墨烯材料应用博览会将同期举办。

点击下方链接,了解大会详情:

??官宣 | 关于召开2026中国国际石墨烯创新大会的通知

??重磅征稿|2026 中国国际石墨烯创新大会论文征集通知

??2026中国国际石墨烯创新大会启幕在即:论坛日程、票种权益、报名全攻略~

??展商招募 | 2026中国国际石墨烯材料应用博览会

??2026中国国际石墨烯创新大会嘉宾阵容揭晓

??关于征集2026石墨烯产业化·创投先锋会路演项目的通知

??会议日程 | 2026中国国际石墨烯创新大会

会务组电话:

4001103655

13264226602(微信同号)

13260327636(微信同号)

16601148110(微信同号)

注:添加微信请备注姓名+单位

FOCUS

重点关注

??联盟理事单位招募 | 联合前行,共赢未来~

??石墨烯联盟(CGIA)广告投放服务合作指南

??2026,与CGIA同行:您的每一个需求,我们都将全力以赴!

??【需求对接】需采购铜包石墨烯漆包线

??【需求对接】需采购高导电型导体材料、电磁屏蔽用的柔性材料、高导热型导体/屏蔽材料

??【需求对接】需采购胶辊用石墨烯改性橡塑材料

??【采购需求】耐高温耐磨石墨烯防腐涂料

??【需求对接】聚焦产业技术突破 阀门龙头企业公开四大合作攻关需求

??项目征集|石墨烯铝基导电、导热产业化项目火热征集中

??《全球石墨烯产业研究报告系列丛书》

??【需求对接】需采购石墨烯粉体

??关于征集石墨烯及新材料在汽车、医药、农业等应用领域的产业化项目的通知

我们的视频号

  “石墨烯联盟”视频号里面,有备受瞩目的“烯”世奇材,有惊喜连连的大咖开讲,有生动有趣的科普视频,甚至还有不定期的“福利”乱入...欢迎大家扫码关注我们的视频号,将满满的干货收入囊中~

我们的视频号

原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。