MétaCan
Menu
Retour à la cohorte
Enregistrement W4254790841 · doi:10.1149/ma2017-01/2/155

Fluid Transport Properties from 3D Tomographic Images of Electrospun Carbon Electrodes for Flow Batteries

2017· article· en· W4254790841 sur OpenAlexaff
Matthew D. R. Kok, Jeff T. Gostick, Paul R. Shearing, Rhodri Jervis

Notice bibliographique

RevueECS Meeting Abstracts · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésElectrospinningMaterials sciencePolyacrylonitrileLattice Boltzmann methodsPorosityElectrodeComposite materialPorous mediumAnodeElectrolyteCarbonizationPolymerMechanicsChemistry

Résumé

récupéré en direct d'OpenAlex

The flow battery remains a cost challenged technology, significant effort has been made into improving performance by way of advanced redox couples, different chemistries, and different electrode materials.[1] One aspect of flow cell performance that has remained relatively overlooked is the effect of different transport properties in the electrode itself. The structure and morphology of the porous media plays an essential role in the electrolyte dispersion and the access the fibers have to the active species. Custom made porous media was electrospun in house and carbonized for use in as a flow battery electrode. 3D tomography images were taken of both the carbonized and ‘as-spun’ polyacrylonitrile (PAN) mats at a variety of different spinning conditions. Lattice-Boltzmann simulations were performed on the tomographic images to determine the flow distribution through the material as well as the permeability of the electrospun mats. The findings were consistent with previous experimentally measured permeabilities of electrospun PAN materials.[2] While the results indicated permeabilities that would be acceptable or even beneficial for a flow battery, the modelling and analysis showed that material inconsistencies in the fibrous mat led to a large variability in local material and transport properties that could have a very negative effect on flow battery performance. There was a small variation in local fiber sizes and a much more significant variation in material porosity. Because these variations only existed in one axis, specifically through the thickness of the material, we were able to determine that the cause must be changing electrospinning conditions as the material was deposited. The findings of this study are being used to develop more optimized flow battery electrodes from electrospun materials. While there is tradeoff in terms of ease of production when utilizing electrospun electrodes versus traditional graphite fibrous electrodes, electrospun materials allow for a greater degree of control of fiber size and general morphology allowing the optimization of permeability, surface area as well as mass transfer properties. The attached figure demonstrates the detail and the accuracy generated through the Lattice-Boltzmann simulations. The fibers and streamlines shown are actual electrospun carbonized PAN with fibers that have a diameter of approximately 750 nm. [1]A. Z. Weber, M. M. Mench, J. P. Meyers, P. N. Ross, J. T. Gostick, and Q. Liu, “Redox flow batteries: a review,” J. Appl. Electrochem., vol. 41, no. 10, pp. 1137–1164, Sep. 2011. [2]M. D. R. Kok and J. T. Gostick, “Transport properties of electrospun fibrous membranes with controlled anisotropy,” J. Membr. Sci., vol. 473, pp. 237–244, Jan. 2015. 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 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 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 enseignants0,021
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced battery technologies researchTravaux en français237 207