​ACS Nano:氧桥联钒单原子二聚体催化剂提高电合成氨的法拉第效率

​ACS Nano:氧桥联钒单原子二聚体催化剂提高电合成氨的法拉第效率
氨(NH3)作为一种清洁的能源载体,由于其在液体状态下具有较高的重量和体积能量密度,因此被认为是取代气态氢的有希望的候选能源。此外,NH3不仅在能源供应领域很重要,而且在化肥、药物、炸药、染料、树脂和塑料的开发中也起着重要作用。由于NH3最突出的优点之一是在室温下,它可以在低至8 bar的压力下被压缩成液体,因此前人已经形成了成熟的液氨储运体系和基础设施。
然而,传统的Haber-Bosch法生产的NH3需要高能量输入和高压,消耗大量天然气,并向环境中释放了温室气体。考虑到碳中和是人类未来的愿景,减少甚至消除碳足迹是迫切需要的。研究人员发现,电化学氮还原反应(ENRR)具有良好的反应条件和环境友好的反应前驱体(N2和水),被认为是一种有前景的生产NH3的替代策略。
因此,目前的主要工作致力于研究各种催化剂,可以实现高产量和高选择性的制备NH3。在所有催化剂中,单原子催化剂(SACs)以其独特的优点脱颖而出,如原子利用率高、催化性能优异等。然而,单一原子作为活性中心的简单性在NRR过程中遇到了调节多个反应中间体的挑战。向单原子二聚体(SAD)结构的发展不仅可以缓冲多种反应中间体,而且为改变催化剂的电子结构和环境提供了一种策略。
基于此,成均馆大学Hyoyoung Lee等人制备了一种生长在氮掺杂碳(NC)上的钒SAD催化剂(O-V2-NC),其中钒二聚体与氮配位,同时被一个氧桥联。该催化剂在氮还原反应中展现出优异的催化性能。
​ACS Nano:氧桥联钒单原子二聚体催化剂提高电合成氨的法拉第效率
本文在常温常压下,利用H型电解池,以30 mL的0.1 M HCl作为电解液进行了电化学NRR实验。测试后发现,催化剂在N2饱和条件下的电流密度比在Ar饱和条件下的电流密度大,这意味着NRR伴随着析氢反应(HER)发生。之后,本文采用靛酚蓝法对催化剂产生的NH3进行定性和定量测定。
测定后发现,催化剂O-V2-NC的NH3产率随着施加电压的增加而增加,在电压为-0.4 VRHE时NH3产率最高,为26.12 μg h-1 mg-1,并且在电压为0 VRHE时法拉第效率(FE)最高,达到77.2%,这说明即使电流密度很小,大部分能量也被用于催化剂生成氨。为了对比,本文还测试了NC在0 VRHE下的NRR性能,其NH3产率为2.3 μg h-1 mg-1,FE为23%,远低于O-V2-NC,这也说明在电催化过程中,V-V二聚体原子起着将N2转化为NH3的关键作用,而NC则获得了相对较高的FE。
​ACS Nano:氧桥联钒单原子二聚体催化剂提高电合成氨的法拉第效率
本文的密度泛函理论(DFT)计算进一步提供了可能的NRR机制的理论观点。首先,本文通过对比V2N6O和V2N6的形成能来研究所提出的构型的稳定性。计算后发现,V2N6O和V2N6的形成能分别约为-3.37 eV和1.67 eV,这表明V2N6O比V2N6更稳定。之后,本文继续计算了H吸附在O(O-*H)和V(V-*H)上的吉布斯自由能(ΔG),以及V对N2(V-*N2)的吸附。不出所料的是,O-*H的ΔG为0.442 eV,远高于V-*H的ΔG(0.200 eV),这有利的证明了H优先吸附在V位点上。
此外,V-*H(0.200 eV)和V-*N2(0.202 eV)的自由能相近,这表明H和N2会在V位点上竞争吸附,这可能是催化剂在高施加电位下氮还原性能下降的原因。催化剂的NRR选择性还通过计算H*和N2H*之间的自由能差(ΔG(H*)-ΔG(N2H*))来估计。
本文的催化剂的ΔG(H*)-ΔG(N2H*)在极限电位UL(-0.64 V)下为-0.5,这表明N2*的加氢倾向相对较低,这与本文在高施加电位下催化剂具有较低FE的实验结果一致,这也是由于对N2H*结合较强的催化剂也对H*的吸附较强,导致催化剂在反应条件下的选择性较差。
有趣的是,在质子化过程中,通过DFT计算注意到O-V2-NC的结构变化。在第一次质子化的步骤中,与两个钒原子(V-O-V)连接的氧在*NNH的阻碍下分解为V-O和V,使与V连接的*NNH单独存在(V-*NNH),而不是V-O-V*NNH。这种转变的结构一直持续到所有的氮物质从钒中释放出来,并再生为V-O-V形式,用于下一个循环。总之,这项工作为研究催化过程中不同结构的作用提供了进一步的见解。
​ACS Nano:氧桥联钒单原子二聚体催化剂提高电合成氨的法拉第效率
Oxygen-Bridged Vanadium Single-Atom Dimer Catalysts Promoting High Faradaic Efficiency of Ammonia Electrosynthesis, ACS Nano, 2023, DOI: 10.1021/acsnano.2c11954.
https://doi.org/10.1021/acsnano.2c11954.

原创文章,作者:Gloria,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2023/10/06/b6099391f8/

(0)

相关推荐