MétaCan
Menu
Retour à la cohorte
Enregistrement W3024640691 · doi:10.1149/ma2020-01361503mtgabs

Combined Simulation and Experimental Study of Electrolysis Flow Cell for Continuous CO<sub>2</sub> Conversion

2020· article· en· W3024640691 sur OpenAlexaff
Guobin Wen, Bohua Ren, Jeff T. Gostick, Zhongwei Chen

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrolyteElectrolysisGas diffusion electrodeChemical engineeringElectrodeElectrochemistryPolymer electrolyte membrane electrolysisChemistryMaterials scienceInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical carbon dioxide reduction reaction (CO2RR) is a promising strategy to sequester CO2 while synthesizing valuable chemicals and utilizing intermittent renewable energy supply from solar and wind energy.1 Electrolysis is often studied in H-cells that are composed of planar electrodes immersed in an aqueous electrolyte, which have severely limited mass transport across the electrolyte and hydrodynamic boundary layer.2-3 To avoid these limitations alkaline flow cells with a gas diffusion electrode (GDE) operated in a flow-by mode are sometimes used to achieve more realistic conditions. Although they provide higher current densities (CD) and energy efficiencies (EE), they suffer from carbonate salt precipitation in the stagnant pores of the GDE, moreover in KOH electrolyte CO2 is parasitically converted to bicarbonate. To remedy the latter problem neutral electrolytes, such as K2SO4 or KHCO3, can replace alkaline electrolytes, but these have so far demonstrated low EE due to high ohmic resistance and overpotentials in the GDE. In this work we present a flow-through compact membrane electrode assemble (MEA) electrolysis cell for continuous CO2RR, which has following advantages. Firstly, the neutral electrolytes flowed through the porous electrode with carbon in the form of dissolved CO2 and HCO3 —.4 Electrolysis was carried out to produce CO gas and formate ions, which only need to pass through a thin boundary layer with minimized mass transport resistance. The porous electrode was pressed onto the membrane to ensure good ionic conductivity at the electrode−electrolyte interface. Secondly, flowing electrolyte eliminated degradation related to electrolyte flooding and carbonate precipitation. Finally, the overpotential was lowered through catalyst tuning and localized alkaline environment,5 contributing to cost competitive electroreduction of CO2 to CO, which exhibited partial current density (PCDCO) exceeding 150 mA cm−2 at cell overpotentials (|ηcell|) less than 2 V. Reference 1. De Luna, P.; Hahn, C.; Higgins, D.; Jaffer, S. A.; Jaramillo, T. F.; Sargent, E. H., What would it take for renewably powered electrosynthesis to displace petrochemical processes? Science 2019, 364 (6438). 2. Liu, M.; Pang, Y.; Zhang, B.; De Luna, P.; Voznyy, O.; Xu, J.; Zheng, X.; Dinh, C. T.; Fan, F.; Cao, C.; de Arquer, F. P. G.; Safaei, T. S.; Mepham, A.; Klinkova, A.; Kumacheva, E.; Filleter, T.; Sinton, D.; Kelley, S. O.; Sargent, E. H., Enhanced electrocatalytic CO2 reduction via field-induced reagent concentration. Nature 2016, 537 (7620), 382-386. 3. Wen, G.; Lee, D. U.; Ren, B.; Hassan, F. M.; Jiang, G.; Cano, Z. P.; Gostick, J.; Croiset, E.; Bai, Z.; Yang, L.; Chen, Z., Orbital Interactions in Bi-Sn Bimetallic Electrocatalysts for Highly Selective Electrochemical CO2 Reduction toward Formate Production. Adv. Energy Mater. 2018, 8 (31), 1802427. 4. Weng, L. C.; Bell, A. T.; Weber, A. Z., Modeling gas-diffusion electrodes for CO2 reduction. Phys Chem Chem Phys 2018, 20 (25), 16973-16984. 5. Verma, S.; Hamasaki, Y.; Kim, C.; Huang, W.; Lu, S.; Jhong, H.-R. M.; Gewirth, A. A.; Fujigaya, T.; Nakashima, N.; Kenis, P. J. A., Insights into the Low Overpotential Electroreduction of CO2 to CO on a Supported Gold Catalyst in an Alkaline Flow Electrolyzer. ACS Energy Letters 2018, 3 (1), 193-198.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0040,000

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,239 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207