[发明专利]分级空心超结构硒化钴鸟窝形复合材料及其制备和应用有效
申请号: | 202210569174.4 | 申请日: | 2022-05-24 |
公开(公告)号: | CN114927661B | 公开(公告)日: | 2023-08-18 |
发明(设计)人: | 严微微 | 申请(专利权)人: | 中国计量大学 |
主分类号: | H01M4/36 | 分类号: | H01M4/36;H01M4/58;H01M10/0525;B82Y30/00;B82Y40/00 |
代理公司: | 杭州天勤知识产权代理有限公司 33224 | 代理人: | 高佳逸 |
地址: | 310018 浙江省杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分级 空心 结构 硒化钴 鸟窝 复合材料 及其 制备 应用 | ||
本发明公开了一种分级空心超结构硒化钴鸟窝形复合材料及其制备方法和在制备锂离子电池负极中的应用。所述分级空心超结构硒化钴鸟窝形复合材料以CoSesubgt;2/subgt;纳米晶和CoSe纳米晶为一次结构单元组装成纳米空心球,以纳米空心球为二次结构单元组装成带有开口的鸟窝形分级大空心球;鸟窝形分级大空心球的球壳为多个纳米空心球组装而成的含有介孔与微孔的分级多孔超结构。制备方法:首先合成覆盆子形状的钴‑乙二醇前驱体,然后在真空密闭环境下进行硒化,形成分级空心超结构硒化钴鸟窝形复合材料。该材料的结构独特,并具有高比容量、高倍率性能、循环性能优良的特点。
技术领域
本发明涉及锂离子电池技术领域,具体涉及一种分级空心超结构硒化钴鸟窝形复合材料及其制备和其在制备锂离子电池负极中应用。
背景技术
锂离子电池因高能量和高功率密度、长寿命、良好安全性,已成为电动汽车、电动工具的重要部件之一。然而,商用石墨阳极理论容量较低(372mAh/g),存在安全隐患,远不能满足高性能锂离子电池的需求,这激发了对新型高性能负极材料的广泛探索。
过渡金属硒化物比对应氧化物和硫化物具有更高的密度和更高的导电性。通过转换反应,可以将锂离子大量存储。这些特性使过渡金属硒化物具有较高的体积能量密度、良好的倍率性能和较高的比容量。
硒化钴作为过渡金属硒化物的重要成员,因其高容量和卓越的导电性而受到越来越多的关注,包括CoSe、CoSe2等。但硒化钴存在着在充放电过程中体积变化大,电化学动力学缓慢,导致循环时材料粉碎严重,容量衰减快,比容量低的问题。
迄今为止,人们提出了许多策略改善硒化钴的循环性能。一种常见的策略是将纳米级硒化钴与各种高导电材料复合,例如公开号为CN114229805A的发明专利公开了一种氮掺杂多孔碳包覆的二硒化钴复合材料,公开号为CN113666344A的发明专利公开了一种过渡金属硒化物-碳复合材料,公开号为CN112018361A的发明专利公开了碳布负载碳包覆的硒化钴纳米片负极材料,公开号为CN110492081A的发明专利公开了一种硒化钴/硒化锌@氮掺杂多孔碳纳米管的复合材料。
这些技术均存在一个问题,即通过大量复合了高导电但低容量的碳材料,拉低了复合材料整体比容量。事实上,硒化钴的电导率不低,复合碳并非必须。
因此对硒化钴更有效的利用方式是对硒化钴进行纳米结构工程化,通过材料结构的设计改善硒化钴的循环性能、比容量和倍率性能。
发明内容
针对本领域存在的技术问题,本发明提供了一种分级空心超结构硒化钴鸟窝形复合材料及其制备方法。该材料的结构独特,并具有高比容量、高倍率性能、循环性能优良的特点。并且,该材料作为锂离子电池负极材料具有重要的应用价值。
一种分级空心超结构硒化钴鸟窝形复合材料,所述分级空心超结构硒化钴鸟窝形复合材料以CoSe2纳米晶和CoSe纳米晶为一次结构单元组装成纳米空心球,以所述纳米空心球为二次结构单元组装成带有开口的鸟窝形分级大空心球;
所述鸟窝形分级大空心球的球壳为多个所述纳米空心球组装而成的含有介孔与微孔的分级多孔超结构。
优选地,所述CoSe2纳米晶和CoSe纳米晶的直径为2~50nm。
优选地,每个所述纳米空心球中CoSe2纳米晶与CoSe纳米晶的总数为3~10个。
优选地,所述纳米空心球的直径为30~150nm。
优选地,所述鸟窝形分级大空心球的直径为100~2000nm。
优选地,所述鸟窝形分级大空心球的球壳厚度为50~500nm。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国计量大学,未经中国计量大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210569174.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种野生中臀拟鲿人工驯养方法
- 下一篇:一种基于图嵌入方法的冲突文本预测方法