Cathode Chemistries and Electrode Parameters Affecting the Fast Charging Performance of Li-Ion Batteries
Notice bibliographique
Résumé
Abstract Li-ion battery fast-charging technology plays an important role in popularizing electric vehicles (EV), which critically need a charging process that is as simple and quick as pumping fuel for conventional internal combustion engine vehicles. To ensure stable and safe fast charging of Li-ion battery, understanding the electrochemical and thermal behaviors of battery electrodes under high rate charges is crucial, since it provides insight into the limiting factors that restrict the battery from acquiring energy at high rates. In this work, charging simulations are performed on Li-ion batteries that use the LiCoO2 (LCO), LiMn2O4 (LMO), and LiFePO4 (LFP) as the cathodes. An electrochemical-thermal coupling model is first developed and experimentally validated on a 2.6Ah LCO based Li-ion battery and is then adjusted to study the LMO and LFP based batteries. LCO, LMO, and LFP based Li-ion batteries exhibited different thermal responses during charges due to their different entropy profiles, and results show that the entropy change of the LCO battery plays a positive role in alleviating its temperature rise during charges. Among the batteries, the LFP battery is difficult to be charged at high rates due to the charge transfer limitation caused by the low electrical conductivity of the LFP cathode, which, however, can be improved through doping or adding conductive additives. A parametric study is also performed by considering different electrode thicknesses and secondary particle sizes. It reveals that the concentration polarization at the electrode and particle levels can be weaken by using thin electrodes and small solid particles, respectively. These changes are helpful to mitigate the diffusion limitation and improve the performance of Li-ion batteries during high rate charges, but careful consideration should be taken when applying these changes since they can reduce the energy density of the batteries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».