Eintrag in der Universitätsbibliographie der TU Chemnitz
Volltext zugänglich unter
URN: urn:nbn:de:bsz:ch1-qucosa2-754589
Rizzi, Leo
Wunderle, Bernhard ; Schulz, Stefan E. ; Tegenkamp, Christoph (Gutachter)
Graphene-Based Conductor Materials: Assessment of the Electrical Conductivity
Kurzfassung in deutsch
In der Anwendung als Leitermaterialien werden nach dem Stand der Technik Metalle wie Kupfer oder Aluminium eingesetzt. Dies betrifft beispielsweise Hochspannungsleitungen, Motorwicklungen oder die Infrastruktur in Städten. Insbesondere im Fall von Kupfer handelt es sich um ein teures und schweres Material.Graphen-basierte Leitermaterialien (GCMs, engl. graphene-based conductor materials) stellen eine potentiell günstige und hoch leitfähige Alternative dar, die metallische Leiter ersetzen kann. GCMs sind mechanisch flexibel, wesentlich leichter als Metalle und korrosionsbeständig. Um das Potential ihrer elektrischen Leitfähigkeit voll auszuschöpfen bedarf es jedoch einer gezielten Materialoptimierung.
In der vorliegenden Arbeit wird die elektrische Leitfähigkeit von GCMs systematisch in Simulationen und Experimenten untersucht. Mit einem vereinfachten Modell eines GCMs wird der theoretische Maximalwert der Leitfähigkeit mathematisch hergeleitet. Weiterhin wird die Abhängigkeit der Leitfähigkeit von mikroskopischen Materialparametern quantifiziert. In Finite Elemente Simulationen werden realistischere sowie defektbehaftete Geometrien betrachtet und die Erkenntnisse aus dem analytischen Modell erweitert. Die sinnvolle Modellierung von physikalischen Eingangsgrößen als statistische Verteilungen erfordert Strukturen mit mehreren Zehntausend Graphenplättchen. Zu diesem Zweck wird ein effizientes Netzwerkmodell konzeptioniert und implementiert. Mit dem Modell werden darüberhinaus Ergebnisse mit der Literatur verglichen, Oberflächenkontakte betrachtet und eine beispielhafte Materialbewertung durchgeführt. Weiterhin werden konkrete Richtlinien zur Herstellung von hochleitfähigen GCMs abgeleitet. Um die Simulationen zu validieren und das Potential von GCMs experimentell zu bewerten, wird eine Prozesskette zur Herstellung von Graphenfilmen aufgebaut. Dabei werden flüssige Graphen- oder Graphenoxiddispersionen als Ausgangsmaterial gewählt, da in dieser Art große Mengen Graphen verarbeitet werden können. Mittels Zentrifugierung werden die Größen der Graphenplättchen variiert. Iodwasserstoffsäure wird als Reduktionsmittel eingesetzt und bewertet, ebenso wie eine thermische Materialbehandlung. Zur Materialcharakterisierung werden Rasterelektronenmikroskopie, Raman-Mikroskopie und eine Wirbelstrommessung
der Leitfähigkeit eingesetzt. Zwei Studien zur Abhängigkeit der Leitfähigkeit von mikroskopischen Parametern werden experimentell realisiert. Die Ergebnisse zeigen gute Übereinstimmung zur Vorhersage durch das Netzwerkmodell und untermauern so die zuvor beschriebenen Wirkzusammenhänge.
Kurzfassung in englisch
In the application as conductor materials, metals such as copper or aluminum represent the state of the art. This applies for example to high-voltage lines, motor windings or the infrastructure in cities. However, metals, and especially copper, are expensive and heavy. Graphene-based conductor materials (GCMs) represent a cost-competitive and highly conductive alternative to metallic conductors. GCMs are mechanically flexible, lightweight and corrosion-resistant. But in order to fully exploit the potential of their electrical conductivity, a systematic material optimization is required. In this thesis, the electrical conductivity of GCMs is investigated in simulations and experiments. Using a simplified model of a GCM, the theoretical maximum value of the conductivity is derived mathematically. Furthermore, the dependence of the conductivity on microscopic material parameters is quantified. For a deeper insight, finite element simulations are used to study more realistic as well as defective geometries. The meaningful modeling of physical parameters as statistical distributions requires structures with tens of thousands of graphene flakes. To this end, an efficient network model is designed and implemented. The network model is further used to compare results with the literature, to consider surface contacts and to perform an exemplary material evaluation. From the simulation results, specific guidelines for the production of highly conductive GCMs are derived. In order to validate the simulations and to evaluate the potential of GCMs experimentally, a process chain for the preparation of graphene films is set up. Liquid graphene or graphene oxide dispersions are chosen as the starting materials, since large amounts of graphene can be processed in this way. The sizes of the graphene flakes are varied via centrifugation. Hydriodic acid is employed and evaluated as a reducing agent, as is thermal treatment. Scanning electron microscopy, Raman microscopy and an eddy current measurement of the conductivity are used for material characterization. Two studies on the dependence of the electrical conductivity on microscopic parameters are experimentally realized. The results show good agreement with the prediction by the network model and thus support the previously established theoretical description.
| Universität: | Technische Universität Chemnitz | |
| Institut: | Professur Analytik an Festkörperoberflächen | |
| Fakultät: | Fakultät für Elektrotechnik und Informationstechnik | |
| Dokumentart: | Dissertation | |
| Betreuer: | Schulz, Stefan E. | |
| SWD-Schlagwörter: | Modellierung , Netzwerkmodell , Graphen , Elektrische Leitfähigkeit | |
| Freie Schlagwörter (Deutsch): | Graphen , Graphenfaser , Graphenfilm , elektrische Leitfähigkeit , Finite Elemente , Mikrostruktursimulation , Materialoptimierung , Struktur-Eigenschafts-Beziehungen | |
| Freie Schlagwörter (Englisch): | Graphene , Graphene fiber , Graphene film , Electrical conductivity , Finite elements , microstructure simulation , material optimization , structure property relations | |
| DDC-Sachgruppe: | Elektrizität, Elektronik, Ingenieurwissenschaften, Angewandte Physik | |
| Sprache: | englisch | |
| Tag der mündlichen Prüfung | 12.07.2021 |
