A Study of the Physical Properties of Li-Ion Battery Electrolytes Containing Esters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Adding esters as co-solvents to Li-ion battery electrolytes can improve low-temperature performance and rate capability of cells. This work uses viscosity and electrolytic conductivity measurements to evaluate electrolytes containing various ester co-solvents, and their suitability for use in high-rate applications is probed. Among the esters studied, methyl acetate (MA) outperforms other esters in its impact on the conductivity and viscosity of the electrolyte. Therefore, viscosity and conductivity were measured as a function of temperature and LiPF<sub>6</sub> concentration for electrolytes ethylene carbonate (EC): linear carbonate: MA in the ratio 30:(70-x):x, where linear carbonate = {ethyl methyl carbonate (EMC), dimethyl carbonate (DMC)}, and x = {0, 10, 20, 30}. Adding MA leads to an increase in conductivity and decrease in viscosity over all conditions. Calculations of electrolyte properties from a model based on a statistical-mechanical framework, the Advanced Electrolyte Model (AEM), are compared to all measurements and excellent agreement is found. All electrolytes studied roughly agree with a Stokes’ Law model of conductivity. In conclusion, a Walden analysis shows that the ionicity of the electrolyte is not significantly impacted by either MA content or LiPF<sub>6</sub> concentration. Li[Ni<sub>0.5</sub>Mn<sub>0.3</sub>Co<sub>0.2</sub>]O<sub>2</sub>/graphite cells containing MA were cycled at charging rates up to 2C and showed improved cycling performance.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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