数据驱动的道氧化物被动接触太阳能电池性能分析使用机器学习
Jiakai Zhou1,2,3,4, T Jesper Jacobsson1,2,3,4, Zhi Wang5
1Institute of Photoelectronic Thin Film Devices and Technology of Nankai University, Nankai University, Tianjin, 300350, China.
Advanced materials (Deerfield Beach, Fla.)
|January 4, 2024
概括
道氧化物被动接触 (TOPCon) 太阳能电池表现越来越好,但数据共享的挑战仍然存在. 分析揭示了多样化的制造业,并确定了未来太阳能发展的关键特征.
科学领域:
- 材料科学 材料科学 材料科学
- 可再生能源是可再生能源的来源.
- 半导体物理 半导体物理
背景情况:
- 道氧化物被动接触器 (TOPCon) 对于提高太阳能电池效率至关重要.
- 光伏国际技术路线图将TOPCon确定为一个关键的未来技术.
- 关于细胞发育和广泛采用TOPC的挑战仍然存在.
研究的目的:
- 编译和分析TOPCon太阳能电池的现有文献数据.
- 确定TOPCon细胞制造中的趋势和最佳实践.
- 为了揭示制造参数和细胞性能之间的关系.
主要方法:
- 从131篇论文中收集了405个TOPCon设备的文献数据.
- 对设备性能指标的统计分析.
- 机器学习算法用于识别性能驱动特征.
主要成果:
- 一个令人惊的小数据集突出了TOPCon领域数据传播的问题.
- 制造程序的显著多样性表明缺乏标准化的最佳实践.
- 性能趋势显示逐渐改善,表明持续优化.
结论:
- 分析加强了有关TOPCon设备架构性能的现有假设.
- 影响性能的非直观特征组合被确定为进一步研究.
- 该研究旨在促进TOPCon研究社区更好的数据管理和共享.
更多相关视频
08:29Morphology Control for Fully Printable Organic–Inorganic Bulk-heterojunction Solar Cells Based on a Ti-alkoxide and Semiconducting Polymer
Published on: January 10, 2017
9.1K
09:19In Situ Monitoring of the Accelerated Performance Degradation of Solar Cells and Modules: A Case Study for CuIn,GaSe2 Solar Cells
Published on: October 3, 2018
8.4K
