6月11日消息，據(jù)外媒報道，電動汽車制造商特斯拉公司位于加拿大的電池研究團隊日前提交了一項新的專利申請，這是一種分析鋰離子電池中電解質(zhì)的方法，這將有助于防止電池出現(xiàn)故障。

這項專利是杰夫·達恩(Jeff Dahn)領導的特斯拉電池研究團隊在哈利法克斯(Halifax)提交的。達恩被認為是鋰離子電池領域的先驅(qū)。自從鋰離子電池被發(fā)明以來，達恩就一直致力于鋰離子電池的研究。他幫助提高了鋰離子電池的生命周期，這有助于其商業(yè)化。達恩的工作現(xiàn)在主要集中在提高電池能量密度和耐久性上。

2016年，根據(jù)新成立的“NSERC/特斯拉加拿大工業(yè)研究”(NSERC/Tesla Canada Industrial Research)，達恩所屬研究團隊結束了與3M長達20年的研究協(xié)議，轉而開始與特斯拉合作。通過這項協(xié)議，特斯拉在新斯科舍省哈利法克斯附近的達恩集團附近投資了一個新的研究實驗室。

在過去的幾年里，達恩沒有太多消息流露出來，但之前曾有報道稱，他的團隊一直在研究電解液添加劑，以提高鋰離子電池的化學性能。今年早些時候，該團隊開始為特斯拉申請電池技術專利，今天又公布了一項新的專利，也就是所謂的“鋰離子電池電解質(zhì)成分濃度測定方法與系統(tǒng)”。

達恩等人在專利申請摘要中描述了這項發(fā)明：

我們的技術提供了一種用于確定鋰離子電池或鋰離子電池中電解質(zhì)成分濃度的計算機實現(xiàn)方法。該方法包括向光譜儀發(fā)布指令，以捕獲電解質(zhì)樣品溶液的光譜并生成信號。該方法包括對信號進行分析，以確定光譜的一個或多個頻譜特征。

所述方法包括制備與具有預先確定的電解質(zhì)成分濃度的溶液相對應的光譜數(shù)據(jù)庫，其中該數(shù)據(jù)庫包括用于每個溶液多個光譜特征的光譜數(shù)據(jù)庫。該方法還包括使用光譜數(shù)據(jù)庫確定機器學習(ML)模型，同時包括使用機器學習模型測定樣品溶液中電解質(zhì)成分的濃度。

特斯拉描述了當前電解質(zhì)的問題以及如何分析它們的狀態(tài)：

鋰離子電池（特別是在高壓電池中）失效的一個主要原因是電解質(zhì)的降解，尤其是在充電電極的表面。現(xiàn)有的解決電池失效和電解質(zhì)降解的方法主要集中在建立在電極表面的電解質(zhì)分解產(chǎn)物膜上。這些薄膜含有來自電解質(zhì)溶劑和電解質(zhì)鹽的化學成分，如六氟磷酸鋰(LiPF6)。

例如，LiPF6分解為LiF和PF5，后者很容易水解成HF和PF3O。這兩種水解產(chǎn)物在電極上都有很高的活性，它們不可避免地存在于LiPF6溶液中，可能會對電極的性能產(chǎn)生不利影響。雖然鋰離子電池中電解質(zhì)溶劑和電解質(zhì)鹽LiPF6的消耗機理已經(jīng)確定，但并不存在一種廉價而準確的方法來表征未知電解質(zhì)，從而確定電解質(zhì)的降解程度。

通常，電解質(zhì)溶液的定量分析側重于昂貴的分析工具，如核磁共振譜儀(NMR)、氣相色譜-質(zhì)譜(GC-MS)、高效液相色譜儀(HPLC)和電感耦合等離子體發(fā)射光譜儀(ICP-OES)，并且需要大量的時間來進行分析。此外，有些分析工具甚至不能直接測量電解質(zhì)成分的濃度。例如，色譜方法中使用的柱或檢測器不能暴露在LiPF6的高溫分解產(chǎn)物中，因此這些方法只關注電解質(zhì)的有機部分。（騰訊科技審校/金鹿）