MétaCan
Menu
Retour à la cohorte
Enregistrement W4406282426 · doi:10.1016/j.enconman.2025.119496

Impact of carbon supports on the Pt-based catalyst activity and fuel cell performance under varied operational conditions

2025· article· en· W4406282426 sur OpenAlexafffund
Xin Zeng, Samaneh Shahgaldi, Sushanta K. Mitra, Xianguo Li

Notice bibliographique

RevueEnergy Conversion and Management · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCatalysisFuel cellsCarbon fibersEnvironmental scienceChemical engineeringWaste managementProcess engineeringMaterials scienceChemistryEngineeringComposite materialOrganic chemistryComposite number

Résumé

récupéré en direct d'OpenAlex

• A one-pot method is used to prepare Pt nanoparticles on various carbon supports. • Pt particles are characterized to be uniformly deposited with the size of 2 ∼ 3 nm. • Half and single-cell tests are performed to evaluate the catalytic performance. • Incorporating graphene into Ketjen black facilitates gas convection and diffusion. • A high peak power density of 1.17 W/cm 2 is achieved under 100 % relative humidity. Proton exchange membrane fuel cells (PEMFCs) play a pivotal role in advancing sustainable energy systems, with catalysts serving as critical components for their effectiveness and efficiency. While commercial Pt/C catalysts have made significant contributions, further improvements are still needed to meet the evolving requirements. Current methods for synthesizing high-performance catalysts often focus on composition design, morphology control and surface modification, while they face limitations related to the complicated preparation process and scalability. To address these issues, a facile one-pot synthesis approach is developed to prepare Pt nanoparticles on the Ketjenblack EC-600JD (Pt/Ket600), graphene nanoplatelets (Pt/GNP) and mixture of Ket600 and GNP (Pt/Ket600/GNP). The incorporation of GNP into Ket600 optimizes the structural properties of the carbon support, providing an effective platform for better dispersion of Pt nanoparticles. The high scalability of the proposed synthesis method yields over 750 mg of catalyst per batch, ensuring its applicability for large-scale production. As expected, Pt/Ket600/GNP demonstrates an optimal morphological structure, with Pt nanoparticles uniformly distributed with an average size of 2.15 nm and an overall Pt loading of approximately 46 %. The as-prepared Pt/Ket600/GNP also exhibits reduced permeation and diffusion resistivity, along with 1.26- and 1.68-fold higher mass activity for the oxygen reduction reaction, compared to Pt/Ket600 and Pt/GNP, respectively. The membrane electrode assembly with the Pt/Ket600/GNP catalyst achieves a peak power density of 1.17 W/cm 2 when operating on fully humidified hydrogen and air at 75 °C and 35 kPaG. This impressive performance highlights its strong potential for practical PEMFC applications.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,605

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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,220
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy Conversion and ManagementMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207