使用机器学习对各种金属/氧化物晶体/复合材料基板上的石墨烯涂层进行分析,以增强太阳能热能转换
Khaled Aliqab1, Dhruvik Agravat2, Shobhit K Patel3
1Department of Electrical Engineering, College of Engineering, Jouf University, Sakaka, 72388, Saudi Arabia. kmaliqab@ju.edu.sa.
Scientific reports
|February 7, 2025
概括
在CuO和MAPBI3基板上的石墨烯涂层显示出用于清洁能源的高太阳吸收率. 机器学习可以有效地优化这些太阳能吸收器.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 可再生能源可再生能源是可再生能源.
背景情况:
- 对于清洁和可持续的能源解决方案的需求日益增长.
- 太阳能热能转换提供了一个可行的替代方案,通过将阳光转化为热量.
- 基于石墨烯的材料提供可调节的光吸收和热传输特性.
研究的目的:
- 在各种基板上研究基于石墨烯的涂料的光热特性.
- 确定最佳的材料组合,以提高太阳能热能采集的效果.
- 探索机器学习用于高效材料优化的应用.
主要方法:
- 在CuO,MAPBI3和Fe基板上制造和表征基于石墨烯的涂层.
- 测量光热特性,包括整个太阳光谱 (0.22.5微米) 的太阳吸收率.
- 机器学习 (ML) 的应用,以优化材料厚度和减少数据收集时间.
主要成果:
- CuO-石墨烯和MAPBI3-石墨烯涂层实现了高平均太阳吸收率 (分别为96.8%和86.7%).
- 铁石墨烯的吸收率显著降低 (24.3%).
- 机器学习在优化Fe,CuO和MAPBI3层厚度方面表现出98%的有效性.
结论:
- 特定基板上的石墨烯基涂层显示出太阳能热能采集的巨大潜力.
- 该研究为设计优化石墨烯涂层太阳能吸收器提供了关键知识.
- 机器学习加速了这些先进太阳能材料的优化过程.
