本文是一篇发表于学术期刊 EcoMat 的综述论文。该论文由韩国科学技术院(KAIST)化学与生物分子工程系的 Chaeeun Song、Seung Hee Han、Hyeongyu Moon 和 Nam-Soon Choi(通讯作者)共同撰写,于2024年在线发表。论文系统性地回顾了通过电解质工程提升锂离子电池(Lithium-ion batteries, LIBs)快充性能的最新研究进展,重点探讨了快充条件下的失效机制、电解质的关键作用以及设计高性能快充电解质的策略。
1. 快充锂离子电池面临的挑战与失效机制
论文首先阐述了开发快充LIBs的紧迫性。全球绿色能源转型和电动汽车(EVs)的普及对电池的充电速度、循环寿命和能量密度提出了更高要求。然而,当前商用LIBs在快充时面临严峻挑战,其根源在于锂离子(Li+)在电池内部传输的动力学瓶颈。作者详细剖析了快充电过程中Li+的传输路径:从正极脱出、穿越正极-电解质界面(Cathode-Electrolyte Interface, CEI)、在体相电解质中迁移、在负极-电解质界面脱溶剂化、穿过固体电解质界面膜(Solid Electrolyte Interphase, SEI),最终嵌入负极。其中,体相电解质的离子传输、负极界面的脱溶剂化过程以及SEI的性质是限制快充性能的三个关键环节。
在快充(如4C倍率)条件下,高电流密度会引发一系列失效机制: * 负极侧锂金属析出(Plating): 这是最严重的安全风险。当Li+在负极表面的嵌入动力学跟不上外部电流时,负极电位可能降至0 V (vs. Li/Li+)以下,导致Li+以金属锂形式析出在石墨表面。锂枝晶的生长可能刺穿隔膜引发短路,导致热失控。硅基负极虽然嵌锂电位较高,但在低温或高倍率下因极化增大同样面临析锂风险。 * 浓度极化与盐耗尽: 高电流导致Li+在体相电解质和电极界面间形成巨大的浓度梯度。传统电解液中Li+迁移数(tLi+)较低(约0.3-0.4),阴离子迁移加剧了这种极化,可能导致负极表面局部Li+浓度降至零,从而触发锂枝晶生长(由Sand’s time理论描述)。 * SEI的不稳定性与增厚: 快充时的高过电位和局部不均匀反应会破坏SEI的稳定性。对于石墨负极,不稳定的SEI可能导致溶剂分子共嵌入(Co-intercalation)和石墨剥离(Exfoliation)。对于硅负极,巨大的体积变化(>300%)会反复破坏SEI,暴露新的活性表面,持续消耗电解液并形成更厚的、高阻抗的SEI层,进一步阻碍Li+传输。 * 电极材料自身的局限性: 石墨负极的Li+嵌入主要发生在边缘平面,颗粒尺寸、电极厚度和曲折度(Tortuosity)影响离子传输均匀性,易导致局部过充和析锂。硅负极的低电子电导率和缓慢的体相Li+扩散速率,使其在高倍率下反应不均匀,加剧颗粒破裂和容量衰减。
2. 电解质关键特性对快充能力的影响机制
论文的核心部分深入探讨了电解质化学如何影响上述动力学过程,并提出了优化方向。
体相电解质中的离子传导机制: 电解质的离子电导率(σ)、粘度(η)和Li+迁移数(tLi+)共同决定了Li+在体相中的传输速度。高电导率、低粘度有利于快速传质。论文比较了不同浓度电解质的传导机制:
脱溶剂化动力学(Desolvation kinetics): 这是快充过程的速率决定步骤。Li+在嵌入石墨前,必须挣脱其溶剂化鞘(Solvation sheath),此过程需要克服的能垒称为脱溶剂化能。研究表明,石墨负极的电荷转移活化能(约67 kJ mol⁻¹)远高于磷酸铁锂正极(约33 kJ mol⁻¹),凸显了负极界面脱溶剂化的瓶颈作用。
SEI的本质与设计: 一个理想的快充兼容SEI应具备薄、均匀、离子导电、电子绝缘、化学及机械稳定的特性。论文回顾了SEI结构模型(多层模型、镶嵌模型)和Li+在其中的传输机制(沿晶界扩散、通过多孔有机相传输)。研究表明,Li+在SEI内的传输并非通过单一组分体相,而是优先沿异质晶界(如LiF/Li2O, LiF/Li2CO3)进行,这些界面提供了低能垒的扩散路径。因此,通过电解质添加剂调控SEI组分,构建富含高离子电导率无机物(如Li3N、LiF、含磷/硼物种)且具有弹性的复合界面层,是提升快充性能的关键。
3. 面向快充的电解质工程策略
基于上述机理分析,论文系统总结了设计快充电解质的策略。
4. 先进表征技术的作用
论文强调了先进表征方法对理解快充机制的重要性。例如: * 核磁共振成像(NMR imaging)和电泳NMR 可用于原位观测Li+浓度分布和定量测量迁移数。 * 拉曼光谱(Raman)和傅里叶变换红外光谱(FTIR) 用于分析电解质的溶剂化结构。 * 冷冻透射电子显微镜(Cryo-TEM)和电化学原子力显微镜(EC-AFM) 能够以接近原始状态观察SEI和锂枝晶的纳米结构及演化过程。 * 分子动力学模拟(MD)和机器学习(ML) 有助于从原子尺度理解溶剂化结构、预测电解质性质并加速新型溶剂分子的设计。
本综述论文具有重要的学术价值和指导意义:
这篇综述全面而深入地阐述了通过液体电解质工程实现锂离子电池快充的挑战、机理和策略。它指出,未来的研究应继续致力于深入理解并精准调控电解质的溶剂化结构和电极-电解质界面,特别是开发能同时满足高离子电导、快速界面动力学和优异界面稳定性的新型电解质体系,以最终实现电动汽车所需的“充电15分钟,续航数百公里”的愿景。