Flexible Graphene/Carbon Nanotube Electrochemical Double-Layer Capacitors with Ultrahigh Areal Performance
Auteurs : Valentino Romano, Beatriz Martin-Garcia, Sebastiano Bellani, Luigi Marasco, Jaya Kumar Panda, Reinier Oropesa-Nunez, Leyla Najafi, Antonio Esau Del Rio Castillo, Mirko Prato, Elisa Mantero, Vittorio Pellegrini, Giovanna D Angelo, Francesco Bonaccorso
Résumé : The fabrication of electrochemical double-layer capacitors (EDLCs) with high areal capacitance relies on the use of elevated mass loadings of highly porous active materials. Herein, we demonstrate a high-throughput manufacturing of graphene/nanotubes hybrid EDLCs. Wet-jet milling (WJM) method is exploited to exfoliate the graphite into single/few-layer graphene flakes (WJM-G) in industrial volume (production rate ~0.5 kg/day). Commercial single/double walled carbon nanotubes (SDWCNTs) are mixed with graphene flakes in order to act as spacers between the graphene flakes during their film formation. The latter is obtained by one-step vacuum filtration, resulting in self-standing, metal- and binder-free flexible EDLC electrodes with high active material mass loadings up to 30 mg cm-2. The corresponding symmetric WJM-G/SDWCNTs EDLCs exhibit electrode energy densities of 539 uWh cm-2 at 1.3 mW cm-2 and operating power densities up to 532 mW cm-2 (outperforming most of the EDLC technologies). The EDCLs show excellent cycling stability and outstanding flexibility even under highly folded states (up to 180 degrees). The combination of industrial-like production of active materials, simplified manufacturing of EDLC electrodes, and ultrahigh areal performance of the as-produced EDLCs are promising for novel advanced EDLC designs.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.