特斯拉电池研究团队申请新专利 可帮助防止电池故障

2016年，根据新成立的“NSERC/特斯拉加拿大工业研究”，达恩所属研究团队结束了与3M长达20年的研究协议，转而开始与特斯拉合作。通过这项协议，特斯拉在新斯科舍省哈利法克斯附近的达恩集团附近投资了一个新的研究实验室。特斯拉电池研究团队申请新专利 可帮助防止电池故障据外媒报道，电动汽车制造商特斯拉公司位于加拿大的电池研究团队日前提交了一项新的专利申请，这是一种分析锂离子电池中电解质的方法，这将有助于防止电池出现故障。这项专利是杰夫·达恩(Jeff Dahn)领导的特斯拉电池研究团队在哈利法克斯(Halifax)提交的。达恩被认为是锂离子电池领域的先驱。自从锂离子电池被发明以来，达恩就一直致力于锂离子电池的研究。他帮助提高了锂离子电池的生命周期，这有助于其商业化。达恩的工作现在主要集中在提高电池能量密度和耐久性上。2016年，根据新成立的“NSERC/特斯拉加拿大工业研究”(NSERC/Tesla Canada Industrial Research)，达恩所属研究团队结束了与3M长达20年的研究协议，转而开始与特斯拉合作。通过这项协议，特斯拉在新斯科舍省哈利法克斯附近的达恩集团附近投资了一个新的研究实验室。在过去的几年里，达恩没有太多消息流露出来，但之前曾有报道称，他的团队一直在研究电解液添加剂，以提高锂离子电池的化学性能。今年早些时候，该团队开始为特斯拉申请电池技术专利，今天又公布了一项新的专利，也就是所谓的“锂离子电池电解质成分浓度测定方法与系统”。达恩等人在专利申请摘要中描述了这项发明：我们的技术提供了一种用于确定锂离子电池或锂离子电池中电解质成分浓度的计算机实现方法。该方法包括向光谱仪发布指令，以捕获电解质样品溶液的光谱并生成信号。该方法包括对信号进行分析，以确定光谱的一个或多个频谱特征。所述方法包括制备与具有预先确定的电解质成分浓度的溶液相对应的光谱数据库，其中该数据库包括用于每个溶液多个光谱特征的光谱数据库。该方法还包括使用光谱数据库确定机器学习(ML)模型，同时包括使用机器学习模型测定样品溶液中电解质成分的浓度。特斯拉描述了当前电解质的问题以及如何分析它们的状态：锂离子电池（特别是在高压电池中）失效的一个主要原因是电解质的降解，尤其是在充电电极的表面。现有的解决电池失效和电解质降解的方法主要集中在建立在电极表面的电解质分解产物膜上。这些薄膜含有来自电解质溶剂和电解质盐的化学成分，如六氟磷酸锂(LiPF6)。例如，LiPF6分解为LiF和PF5，后者很容易水解成HF和PF3O。这两种水解产物在电极上都有很高的活性，它们不可避免地存在于LiPF6溶液中，可能会对电极的性能产生不利影响。虽然锂离子电池中电解质溶剂和电解质盐LiPF6的消耗机理已经确定，但并不存在一种廉价而准确的方法来表征未知电解质，从而确定电解质的降解程度。通常，电解质溶液的定量分析侧重于昂贵的分析工具，如核磁共振谱仪(NMR)、气相色谱-质谱(GC-MS)、高效液相色谱仪(HPLC)和电感耦合等离子体发射光谱仪(ICP-OES)，并且需要大量的时间来进行分析。此外，有些分析工具甚至不能直接测量电解质成分的浓度。例如，色谱方法中使用的柱或检测器不能暴露在LiPF6的高温分解产物中，因此这些方法只关注电解质的有机部分。