服务粉丝

我们一直在努力
当前位置:首页 > 财经 >

上海交大&宾州州立大学最新Nature!

日期: 来源:材料人收集编辑:温华


01

【导读】

以双向拉伸聚丙烯(BOPP)为代表的聚合物由于其成本低廉、易加工、质量轻、击穿强度高、失效机制明确等优点,成为高能量密度电容器的首选介质。电动汽车、地下油气开采和航空航天系统等高温储能,需要能够在高电场和高温下工作的电介质聚合物。然而,当温度高于85℃时,BOPP的性能和寿命迅速恶化,需要进行30-50%的电压降。近年来,人们致力于开发具有高玻璃化转变温度(Tg)的工程化聚合物用于高温电容器,但成效有限。即使在远低于聚合物Tg的温度下,漏电流随外加热场和电场的急剧增加也会导致较大的电导损耗,从而导致较差的充放电效率(η)和较低的放电能量密度(Ud)。聚合物是一类重要的电工绝缘材料,然而聚合物材料的导热性普遍较差,提升聚合物的导热性通常以牺牲绝缘性能为代价。对于高温下的电容储能,需要介电聚合物将低导电和高导热集成在一起。这些看似矛盾的性质的共存对于现有的聚合物仍然是一个持续的挑战

02

【成果掠影】

今日,上海交通大学黄兴溢教授团队与美国宾夕法尼亚州立大学王庆教授团队合作,报道了一种新型聚合物电介质薄膜,在大幅提升导热性能的基础上使电阻率提升了一个数量级,解决了导热和绝缘的矛盾。因此,在200°C下,梯形共聚物具有5.34 J cm-3的放电能量密度和90%的充放电效率,优于现有的介电聚合物和复合材料。具体来说,本工作设计了一种含氟缺陷的双链结构共聚物PSBNP-co-PTNI,该共聚物通过π-π堆积作用自组装成高度有序的阵列,从而产生1.96±0.06 W m-1K-1的本征面内热导率。共聚物薄膜的高热导率允许有效的焦耳热耗散,因此在高温和高电场下具有优异的循环稳定性。共聚物的击穿自修复能力的证明进一步表明了梯形结构对于在极端条件下工作的高能量密度聚合物电容器的前景。相关论文以题为“Ladderphane copolymers for high-temperature capacitive energy storage”发表在Nature上。


03

【数据概况】

图1. 聚合物电介质薄膜分子结构和自组装形貌

2. 聚合物电介质薄膜的导电性和电击穿强度

3. 聚合物电介质薄膜的静电储能性

4. 聚合物电介质的内部温度,循环稳定性和自愈性


04

【成果启示】

综上所述,本工作报道了一种新型聚合物电介质薄膜,在大幅提升导热性能的基础上使电阻率提升了一个数量级,将低导电和高导热集成在一起。这种源于组成设计和自组装形貌协同作用的梯形共聚物的显著特征导致了多种高温电容储能性能(即UdηEb、循环稳定性和自愈能力)的显著改善。我们的研究结果克服了电介质材料的一个显著限制,并建立了一个有前途的设计平台,将优异的介电性能和高热导率结合在可溶液加工的电介质中,用于下一代能源和电子器件。

文献链接:

https://www.nature.com/articles/s41586-022-05671-4

本文由温华供稿。

本内容为作者独立观点,不代表材料人网立场。

未经允许不得转载,授权事宜请联系kefu@cailiaoren.com。


投稿邮箱
tougao@cailiaoren.com
投稿以及内容合作可加微信
cailiaorenVIP


计算服务


如果您希望开展计算工作,苦于没有合适的计算人才,也可以联系我们。6年以来,我们与入驻材料人平台的300余位计算顾问一起,共同服务了超过5000位客户,涵盖了包括VASP、Lammps等在内的多款软件以及第一性原理、分子动力学、有限元等领域。

扫描添加客服微信

相关阅读

  • 一作+通讯,生物电子Science!

  • ▲第一作者:Xenofon Strakosas、Hanne Biesmans通讯作者:Xenofon Strakosas、Magnus Berggren通讯单位:瑞典林雪平大学01背景介绍将神经组织与先进的数字和电子仪器连接是探索

热门文章

  • “复活”半年后 京东拍拍二手杀入公益事业

  • 京东拍拍二手“复活”半年后,杀入公益事业,试图让企业捐的赠品、家庭闲置品变成实实在在的“爱心”。 把“闲置品”变爱心 6月12日,“益心一益·守护梦想每一步”2018年四

最新文章

  • 上海交大&宾州州立大学最新Nature!

  • 01【导读】以双向拉伸聚丙烯(BOPP)为代表的聚合物由于其成本低廉、易加工、质量轻、击穿强度高、失效机制明确等优点,成为高能量密度电容器的首选介质。电动汽车、地下油气开
  • 机器学习在能源材料中的应用

  • 2022年,我们开设了3门机器学习相关的课程。2023年,我们继续帮助大家掌握机器学习。01【课程初衷】本课程旨在帮助学员:领域AI for materials science的精髓;聚焦机器学习方法在