MétaCan
Menu
← Retour à la cohorte
Enregistrement W2523463846 · doi:10.1149/ma2016-02/2/216

Determining the Mechanism of Self-Discharge in Rechargeable Zn Electrodes Using a Novel but Simple Method

2016· article· en· W2523463846 sur OpenAlexaff
Patrick Bonnick, J. R. Dahn

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of WaterlooDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOverpotentialBattery (electricity)ElectrodeOpen-circuit voltageZincMaterials scienceSelf-dischargeChemistryNanotechnologyElectrical engineeringVoltageElectrochemistryMetallurgyEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

Rechargeable zinc (Zn) electrodes for aqueous batteries are poised to play an important role in grid storage battery systems in the near future. Zn is favoured as a negative electrode material because it is cheap, non-toxic, has a low potential, fast kinetics and it has a high overpotential for hydrogen evolution. This last advantage is what allows typical primary alkaline AA batteries to last up to 10 years on the shelf, but this impressive shelf life is not shared by rechargeable batteries with Zn electrodes. For example, a PowerGenix Sub C NiZn battery has a shelf life of less than 1 year.1 Frustratingly, the rate determining step of self-discharge in rechargeable Zn electrodes has not been clearly identified in the literature since many authors have reported ambiguous and at times contradictory results in that regard.2 We have developed a simple, but novel, technique of measuring the self-discharge rate of rechargeable Zn electrodes, and have used it to elucidate the rate determining step of the Zn self-discharge mechanism. The method, deemed the charge-wait-discharge (CWD) technique, is depicted in Figure 1. It involves charging a Zn electrode, leaving it at open circuit for a set amount of time, and then discharging it to measure how much capacity remains. By performing this experiment repeatedly with increasing amounts of time left at open circuit, a plot of capacity vs open circuit time can be formed. The slope of this plot yields the self-discharge rate, as a coarse function of time. One of the principal advantages to this method is that it can easily be performed on full, unmodified cells, as opposed to the more traditional method of measuring self-discharge which involves measuring the volume of H2 gas released by the Zn electrode over a long period of time.3 Using the CWD technique, we explored the effect on self-discharge rate of KOH concentration in the electrolyte, surface area of the deposition, and current collector material. Our results indicate that only the current collector material has a strong effect on self-discharge rate, suggesting that the rate determining step of Zn self-discharge is H2 evolution on the current collector (as opposed to on the Zn deposit) as shown in Figure 2. In which case, to minimize Zn self-discharge the exposed surface area of the current collector should be minimized and the overpotential for H2evolution on the current collector material should be maximized. In the literature, several electrolyte additives have been claimed to reduce self-discharge rates, reduce dendrite growth and/or extend cycle life. The effect of these additives on self-discharge was screened using the CWD technique. These results will be presented, along with the best current collector material identified in our studies. References PowerGenix, http://powergenix.com/wp-content/uploads/2014/04/pgx_nizn_subc_datasheet2.pdf, Accessed: March 13, 2016, Last Updated: April 2009. X. G. Zhang, Corrosion and Electrochemistry of Zinc, 1st ed., Plenum Press, New York (1996). R. N. Snyder and J. J. Lander, Electrochem. Technol., 3, 5-6 (1965). Figure 1

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,265
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvanced Sensor and Energy Harvesting Materials→Travaux en français237 207→