用SHAP和基于机器学习的PCE优化SCAPS-1D模拟化矿矿太阳能电池的数据集
Ivan E Novoselov1, Alexander M Gvozdev1, Andrey A Smirnov1
1Institute of Physics and Technology, Ural Federal University, Mira 19 Street, 620002 Yekaterinburg, Russia.
Data in brief
|June 13, 2025
概括
这项研究介绍了来自SCAPS-1D模拟的矿太阳能电池 (PSC) 性能指标的数据集. 这些数据有助于优化PSC和开发用于可再生能源研究的机器学习模型.
科学领域:
- 可再生能源可再生能源是可再生能源.
- 材料科学 材料科学 材料科学
- 计算物理 计算物理
背景情况:
- 矿太阳能电池 (PSC) 是下一代光伏的前景.
- 优化PSC性能需要广泛的模拟和数据分析.
- 计算建模提供了一条加速PSC开发的途径.
研究的目的:
- 提供模拟PSC绩效指标的全面数据集.
- 为计算材料科学和可再生能源研究提供结构化资源.
- 促进PSC优化数据驱动模型的开发.
主要方法:
- 使用SCAPS-1D模拟软件来模拟各种PSC配置.
- 系统地改变了矿的组成,层厚度和电荷传输层.
- 记录了关键的光伏参数,包括开放电路电压,短路电流密度,填充因子和功率转换效率.
主要成果:
- 为PSCs生成了光伏性能指标的数据集.
- 包括电子和孔输送层的详细材料数据库.
- 提供了预先训练的CatBoost机器学习模型用于效率预测,以及用于分析的Jupyter笔记本.
结论:
- 该数据集支持PSC研究的可重现模拟环境.
- 促进在计算材料科学和可再生能源领域的进一步研究.
- 允许在光伏设备优化和数据驱动模型开发中的应用.
更多相关视频
06:49In situ Grazing Incidence Small Angle X-ray Scattering on Roll-To-Roll Coating of Organic Solar Cells with Laboratory X-ray Instrumentation
Published on: March 2, 2021
6.2K
07:32Printing Fabrication of Bulk Heterojunction Solar Cells and In Situ Morphology Characterization
Published on: January 29, 2017
11.1K