MétaCan
Menu
Retour à la cohorte
Enregistrement W4210793927 · doi:10.26434/chemrxiv-2021-0mjmt

A Low-cost Sulfate-based All Iron Redox Flow Battery

2021· preprint· en· W4210793927 sur OpenAlexaff
Sicen Yu, Xiujun Yue, John Holoubek, Xing Xing, Eric Pan, Tod A. Pascal, Ping Liu

Notice bibliographique

RevueChemRxiv · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensBishop's University
Organismes subventionnairesUniversity of California, San DiegoAdvanced Research Projects AgencyAdvanced Research Projects Agency - EnergyU.S. Department of Energy
Mots-clésSeparator (oil production)Microporous materialElectrolyteEnergy storageCathodeAnodeRedoxMembraneChemical engineeringChemistryMaterials scienceInorganic chemistryElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Redox flow batteries (RFBs) are promising choices for stationary electric energy storage. Nevertheless, commercialization is impeded by high-cost electrolyte and membrane materials. Here, we report a low-cost all-iron RFB that features inexpensive FeSO4 electrolytes, microporous membrane along with a glass fiber separator. The addition of 0.1 м 1-ethyl-3-methylimidazolium chloride (EMIC) overcomes the low solubility of FeSO4 in water which is raised to 2.2 м. DFT calculations demonstrate that EMI+ can strengthen the interaction between sulfate anions and water molecules. This electrolyte composition also allows both anode and cathode reactions to operate without actively maintaining a pH gradient between them, thus eliminating the need for expensive ion exchange membranes. The all-iron RFB demonstrates stable operation at a current density of 20 mA cm−2 for more than 800 cycles via a simple, periodic regeneration process. Furthermore, the system cost of FeSO4/EMIC RFBs is projected to be $ 50 per kWh due to its low-cost active materials and the inexpensive microporous membrane. This low-cost, high-concentration all-iron RFB is a promising stationary energy‐storage system for storing renewable energy.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,024
Tête enseignante GPT0,267
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetAdvanced battery technologies researchTravaux en français237 207