揭示染料敏感太阳能电池中的降解模式:机器学习视角
Ahmet Sait Alali1, Mahmoud Ashraf2, Ahmad Muhammad3
1Department of Physics, Yıldız Technical University, Istanbul, 34349, Turkey.
Scientific reports
|July 3, 2025
概括
染料敏感太阳能电池 (DSSC) 随着时间的推移而显著降解,效率在360小时内从4.0%降至0.5%. 先进的建模准确地预测了这种性能损失,有助于开发更耐用的太阳能电池技术.
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.
- 太阳能光伏发电是如何实现的
背景情况:
- 染料敏感太阳能电池 (DSSC) 是一个有前途的可再生能源技术.
- 了解和减轻DSSC退化对于它们的商业可行性至关重要.
- 影响DSSC寿命的关键因素需要进行系统的调查.
研究的目的:
- 系统地调查DSSC的时间依赖性降解.
- 为量化降解率开发一种新的优点数字 (FOM).
- 为了增强DSSC性能下降的预测建模.
主要方法:
- 制造400个具有不同TiO2厚度,多孔度,染料和电解质度的DSSC样品.
- 在COMSOL中利用有限元模型 (FEM) 进行性能模拟.
- 使用长期短期记忆 (LSTM) 模型进行降解预测.
主要成果:
- 在360小时内,DSSC功率转换效率 (PCE) 从平均4.0%降至0.5%.
- LSTM模型实现了高预测准确度,R2为0.92.
- 确定了影响设备寿命的参数之间的复杂相互作用.
结论:
- 优化DSSC设计参数可以显著提高设备的可靠性和寿命.
- 开发的降解模型和FOM适用于其他太阳能电池技术,如矿和有机电池.
- 这项研究为提高下一代太阳能电池的效率和耐用性提供了途径.
