Reviving Low-Temperature Performance of Lithium Batteries by Emerging Electrolyte Systems
Notice bibliographique
Résumé
Open AccessRenewablesREVIEWS14 Jan 2023Reviving Low-Temperature Performance of Lithium Batteries by Emerging Electrolyte Systems Tingzhou Yang, Yun Zheng, Yizhou Liu, Dan Luo, Aiping Yu and Zhongwei Chen Tingzhou Yang Google Scholar More articles by this author , Yun Zheng Google Scholar More articles by this author , Yizhou Liu Google Scholar More articles by this author , Dan Luo Google Scholar More articles by this author , Aiping Yu Google Scholar More articles by this author and Zhongwei Chen Google Scholar More articles by this author https://doi.org/10.31635/renewables.022.202200007 SectionsAboutPDF ToolsAdd to favoritesDownload CitationsTrack Citations ShareFacebookTwitterLinked InEmail Although lithium batteries have been successfully commercialized in the past two decades, they are particularly sensitive to ultra-low temperatures. Most of battery’s capacity and power will be lost in sub-zero temperatures, mainly due to the increased electrolyte viscosity, insufficient ionic conduction, slow charge-transfer kinetics, and reduced ion diffusing constant. In this review, we sorted out the critical factors leading to the poor low-temperature performance of electrolytes, and the comprehensive research progress of emerging electrolyte systems for the ultra-low temperature lithium battery is classified and highlighted. We further provide a systematic summary of the advanced characterization and computational simulation for low-temperature electrolyte systems to guide researchers in screening the low-temperature electrolytes, monitoring solvation/de-solvation behavior, and investigating reaction mechanisms. Besides their fundamental significance, our review may also forge a new opportunity and prospects in the effective design of electrolytes for the ultra-low temperature application of energy storage devices. Download figure Download PowerPoint Previous article FiguresReferencesRelatedDetails Issue AssignmentNot Yet Assigned Copyright & Permissions© 2023 Chinese Chemical Society Downloaded 1 times PDF downloadLoading ...
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,006 |
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 ».