在光电子设备中,将材料组成与重组损失联系起来的统计方法
F Giesl1,2, A K Hartmann2, P Eraerds1
1AVANCIS GmbH, 81739 Munich, Germany.
The Review of scientific instruments
|March 29, 2024
概括
对280个薄膜太阳能电池样本的统计分析揭示了组成数据中的模式. 这种方法有助于理解组成和性能之间的相关性,指导未来的太阳能电池改进.
科学领域:
- 材料科学 材料科学 材料科学
- 可再生能源可再生能源是可再生能源.
- 统计分析 统计分析
背景情况:
- 工业太阳能电池生产从组成特征化产生了大量数据集.
- 高维组合数据中的多对线性阻碍了模式发现和性能相关性.
研究的目的:
- 开发一个统计框架来分析薄膜太阳能电池的组成数据.
- 为了将组合梯度与设备性能参数相关联.
- 为优化太阳能电池设计提供数据驱动的方法.
主要方法:
- 发光放电光学发射光谱学 (GDOES) 用于对280个Cu(In,Ga)(S,Se) 2太阳能电池样本进行深度分辨率组合分析.
- [Ga]/([Ga] + [In]) 和 [S]/([S] + [Se]) 梯度的参数化.
- 双向聚类以组合相似的样本和特征.
- 主要组件分析 (PCA) 用于缩小维度.
主要成果:
- 一个全面的地图,可视化GDOES数据和所有样本的特征相关性.
- 识别组合分级和性能指标之间的关系,如开放电路电压缺陷.
- 基于组成相似性的样品和特征的成功分组.
结论:
- 对GDOES数据的统计分析为太阳能电池组合性能关系提供了宝贵的见解.
- 开发的方法允许精确规划以优化构成分级.
- 聚类和缩小尺寸性有助于预测新太阳能电池样本的性能.
