根据电阻抗谱测量预测太阳能电池的性能值的制作方法

发电;变电;配电装置的制造技术1.本发明涉及用于基于在太阳能电池或其一部分上执行的电阻抗谱来预测钙钛矿基太阳能电池的性能值的计算机实现的方法。此外，本发明涉及用于提供经训练的函数的计算机实现的方法，该方法包括对能够基于在太阳能电池或其一部分上执行的电阻抗谱来预测钙钛矿基太阳能电池的性能值的函数进行训练，此外，本发明涉及相应的提供系统和相应的计算机可读介质。背景技术：2.钙钛矿基太阳能电池是一种新的、有前途的光伏技术。在相对短的发展时间期间，已在实验室规模上实现了25％以上的电池效率。这相对于常规的多晶硅太阳能电池或单晶硅太阳能电池的创记录效率是有竞争力的，该多晶硅太阳能电池或单晶硅太阳能电池的记录效率在实验室规模上分别在23％和26％的范围内。对于包括钙钛矿基太阳能电池和硅太阳能电池的串联设置，已经证实了创纪录的28％的光转换效率。3.尽管如此，扩大钙钛矿基太阳能电池和相应的光伏电池的制造代表了新的挑战。与广泛可用且成熟的硅基太阳能电池的制造工艺相比，钙钛矿基太阳能电池的制造工艺仍需优化。对于串联太阳能电池的制造，必须建立甚至更多的制造工艺步骤，其中一些制造工艺步骤甚至尚未被开发以用于大工业化规模。4.在连续的制造工艺步骤期间对钙钛矿基太阳能电池的精确监测以及追溯到特定工艺步骤的性能偏差的分析将使钙钛矿基太阳能电池的工艺开发和生产具有成本效益。5.今天，为了定量地判断钙钛矿基太阳能电池的性能，将完全处理的电池在完全已知的光照下的受控环境中进行表征。具体而言，在太阳能模拟器上记录电池的i(v)曲线(电流-电压-曲线)，太阳能模拟器是提供接近自然太阳光的光照的设备。随后，由此推导出被测试的太阳能电池的主要性能值。6.然而，该过程需要大量投资，是耗时的并且需要在完全处理的太阳能电池上执行。换句话说，没有已建立的快速且可靠的方法来检查钙钛矿基太阳能电池生产链的中间步骤。为了评估过程的质量，必须遵循所有的制备步骤，并且只有在太阳能电池完成之后才能对得到的电池性能进行表征。通常，根据诸如iec 60904-9的已建立的标准执行全光照下的1-v测量。这些测量用于评估钙钛矿基太阳能电池的主要性能参数。7.因此，存在开发如下概念的期望：该概念针对如何以与现有技术相比可替选的方式来预测钙钛矿基太阳能电池的性能。理想地，结果可以用于更快且更直接地监测和优化太阳能电池的处理。技术实现要素：8.该目的通过独立权利要求的主题来实现。在从属权利要求和说明书中公开了有利的实施方式和变型。9.根据本发明，提供了用于提供输出数据的计算机实现的方法，其中，输出数据包括太阳能电池的性能值，并且太阳能电池包括钙钛矿材料。该方法包括以下步骤：[0010]-接收输入数据，其中，输入数据包括来自在太阳能电池或其一部分上执行的电阻抗谱的数据，[0011]-将经训练的函数应用于输入数据，其中，输出数据被生成，以及[0012]-提供输出数据。[0013]本发明的关键方面是使用电阻抗谱来预测钙钛矿基太阳能电池的一个或更多个性能值。使用电阻抗谱是有吸引力的，这是因为电阻抗谱不需要在完全制造(换句话说：完全处理)的太阳能电池上执行，而是原则上也能在中间电池材料上执行，即在电池的处理完成之前执行。换句话说，电阻抗谱测量可以在完全处理或部分处理的太阳能电池上执行。[0014]电阻抗谱(eis)是用于根据频率评估对交流电压的应用的电流响应的技术。特别地，eis通过施加例如2mv至10mv范围内的正弦交流激励信号来测量材料的电阻特性和电容特性。通过在预定义的范围内改变频率来获得阻抗谱。例如，eis被已知为用于研究电气过程的动力学，包括在各种电气设备的不同界面处发生的相关离子和电子过程的阐明。[0015]然而，迄今为止，eis从未用于预测太阳能电池(特别是钙钛矿基太阳能电池)的性能值。[0016]与常规的i-v测量相比，eis不需要太阳能模拟器。而是，eis测量可以在弱光或者甚至完全没有光照下执行。[0017]例如，电阻抗谱可以在100毫赫兹(mhz)即0.1hz与1兆赫兹(mzh)即1000000hz之间的范围内的频率下执行。[0018]在本发明的有利实施方式中，电阻抗谱在有限数目的预定义频率下被执行。这具有可以显著减少测量时间的优点。因此，可以实现几秒下至小于1秒之间的范围内的测量时间。这具有如下优点：eis测量可能潜在地在钙钛矿基太阳能电池的制造工艺期间被内联地(online)执行。有利地，频率被选择为使得它们良好地适合于表征被测材料并因此能够形成性能值预测的基础。选择合适的频率在实践中通常是便利的，这是因为，由于通常相同的电池类型沿着一个生产工艺被制造，因此最适合的频率是已知的。[0019]在太阳能电池或其一部分上执行eis测量。太阳能电池还不需要被完全制造。例如，还不需要应用防反射涂层。此外，也不需要应用前接触(例如透明导电氧化物，tco)。然而，由于需要向材料施加电压，因此需要存在某种类型的接触。如果太阳能电池的接触还不存在，则例如可以例如在太阳能电池材料的边界处(特别是在拐角处)提供小的点状接触。原则上，甚至(例如通过使用铝完全覆盖太阳能电池的背面来实现的)背接触也可以由测试结构代替。[0020]根据本发明的方法的目的是预测钙钛矿基太阳能电池的性能值。钙钛矿基太阳能电池也可以表示为钙钛矿太阳能电池，或者简称为psc。特别地，太阳能电池包括光敏层，并且光敏层包含钙钛矿材料。[0021]钙钛矿基太阳能电池是如下类型的太阳能电池：该太阳能电池包括作为光收集活性层即光敏层的钙钛矿结构化的化合物，最常见的是混合有机-无机铅或锡卤化物基材料。钙钛矿的一般化学结构为abx3且通用规格为(ch3nh3)pbx3。[0022]本发明的方法建议使用来自在太阳能电池或其一部分上执行的电阻抗谱的数据作为输入数据。[0023]在本发明的一个实施方式中，输入数据即eis数据包括太阳能电池或其一部分的阻抗、导纳、模量函数、复介电常数和/或介电常数。这些数据原则上可以根据eis测量的奈奎斯特图或伯德图推导。[0024]在本发明的另一实施方式中，根据基于在太阳能电池或其一部分上执行的电阻抗谱对一个或更多个电等效电路进行建模来得出输入数据。根据建模的电等效电路，可以推导出太阳能电池或其一部分的诸如串联电阻、容量或瓦尔堡阻抗的参数。这些参数然后可以用作经训练的函数的输入数据，该经训练的函数用于预测太阳能电池的性能值。[0025]在本发明的又一实施方式中，输入数据还包括关于太阳能电池的处理的至少一个工艺参数。特别地，工艺参数可以包括用于太阳能电池的处理的物质中的至少一种物质的物理特性或化学特性，例如材料的成分或材料的粘度。换句话说，除了从eis测量获得的输入数据之外，来自被测试的太阳能电池的处理的工艺参数也可以用于预测太阳能电池的一个或一些性能值。[0026]工艺参数还可以包括在太阳能电池的元件的沉积过程期间的沉积参数。此处，温度、压力、印刷或旋涂参数作为输入数据似乎特别有价值。[0027]最后，太阳能电池的元件的物理特性和化学特性(诸如层厚度)也可以被考虑并添加到输入数据中。[0028]提供太阳能电池的一个或一些性能值作为输出数据。特别地，性能值从以下项的组中选择：短路电流；开路电压；太阳能电池在最大功率点处的电压(也称为最大功率点电压)；太阳能电池在最大功率点处的电流(称为最大功率点电流)；最大功率(其是最大功率点电压与最大功率点电流的乘积)；填充因子(其是短路电流与开路电压的乘积除以最大功率)；以及电池效率，电池效率也称为太阳能电池的光转换效率。这些性能值通常也被称为太阳能电池的“主要电池参数”。对这些参数(或：值)中的一个或一些参数的定量预测给出了太阳能电池的质量和性能的具体和定量估计。[0029]根据本发明，不寻求输入数据与输出数据之间的分析函数。而是建立输入数据与输出数据之间的关系，该关系在本专利申请中称为函数。该函数被训练成使其尽可能最佳地代表输入数据与输出数据之间的关系。[0030]训练函数的一种方法是应用多元统计。另一种方法是使用神经网络，例如卷积神经网络。[0031]根据以下方法训练函数：第一，接收输入训练数据，其中，输入数据包括来自应用于钙钛矿基太阳能电池或其一部分的电阻抗谱的示例性数据。第二，接收输出训练数据，其中，输出数据包括太阳能电池的性能值。输出训练数据与输入训练数据相关，这意味着每个输出训练数据都与输入训练数据相关联(换句话说：相关)。在第三步骤中，基于输入训练数据和输出训练数据来训练函数。这导致第四以及最后的步骤：提供所谓的经训练的函数。[0032]描述性地讲，通过提供输入/输出训练数据的集合，对函数进行训练。一旦训练完成，该函数就能够在训练的帮助下在给定未知的输入数据的情况下预测输出数据。[0033]此外，本发明还涉及一种提供系统，包括：第一接口，该第一接口被配置成用于接收输入数据，其中，输入数据包括来自在钙钛矿基太阳能电池或其一部分上执行的电阻抗谱的数据；第二接口，该第二接口被配置成用于提供输出数据，其中，输出数据包括太阳能电池的性能值；以及计算单元，该计算单元被配置成用于将经训练的函数应用于输入数据，其中，输出数据被生成。[0034]已经在计算机实现的方法的背景下讨论的所有实施方式和变型也适用于提到的提供系统。为简洁起见，此处不对它们逐字逐句地复述。[0035]最后，本发明还涉及计算机可读介质，该计算机可读介质包括指令，所述指令在程序由提供系统执行时使提供系统执行根据上述实施方式之一的方法。附图说明[0036]在下文中，借助于附图对本发明进行说明，在附图中[0037]图1示出了三个钙钛矿基太阳能电池的奈奎斯特图。具体实施方式[0038]图1以称为奈奎斯特图的形式示出了与频率有关的电阻抗的实部和虚部。以欧姆为单位的阻抗的实部被绘制在横坐标10处，以欧姆为单位的阻抗的虚部被绘制在纵坐标20处。第一奈奎斯特图31和第二奈奎斯特图32由在第一类型的钙钛矿基太阳能电池上执行的电阻抗谱测量产生。所述第一类型的钙钛矿基太阳能电池是两个不同的电池，第一奈奎斯特图31属于第一电池，并且第二奈奎斯特图32属于第二电池，但是第一电池和第二电池两者均已经通过相同的工艺进行处理。第三奈奎斯特图33由在第三钙钛矿基太阳能电池上执行的电阻抗谱测量引起。第三太阳能电池通过明显不同的工艺进行处理。因此，第三太阳能电池可以归于第二类型的钙钛矿基太阳能电池。[0039]第一太阳能电池以高性能为特征，因此导致良好的选择性能值。选择性能值可以是例如太阳能电池的光转换效率。第二太阳能电池以低性能为特征，导致不良的性能值(在该示例中为低的光转换效率)。[0040]通过比较第一奈奎斯特图31和第二奈奎斯特图，可以看出，针对属于相同类型的太阳能电池但表现出不同性能的两个太阳能电池，获得了显著不同的奈奎斯特图。换句话说，性能值(在该示例中，电池效率)的差异已经在从eis测量获得的奈奎斯特图中可见。本发明的关键方面在于：经训练的函数将能够仅从奈奎斯特图识别(并因此预测)第二太阳能电池的不良性能。[0041]然而，图1示出，如果比较来自不同电池类型的eis测量，则需要小心。与第一图31和第二图32相比，第三奈奎斯特图33属于不同的电池类型。因此，在预测第三太阳能电池的性能值时应用不同的函数，该函数需要被单独训练。[0042]本质上，本发明允许根据eis测量来预测钙钛矿基太阳能电池的性能，否则钙钛矿基太阳能电池的性能的预测只能通过在太阳能模拟器上进行复杂且昂贵的i-v测量来实现。预测的性能在一些方面可以是有价值的：[0043]所获得的结果可以用于在制造期间对电池进行选择和分类。该分类对于构建具有匹配的电池的光伏模块以便优化各个模块的性能是有用的。[0044]所获得的结果也可以用于优化生产工艺本身。可以在中间处理步骤之后(即在完成电池的处理之前)直接执行测量。与许多研究工具相比，eis是非破坏性的(只需与两个电极接触)。因此，一方面，所获得的结果可以用作反馈来调整处理机器，以便优化下一批次的处理。另一方面，该结果可以用作对接下来的处理机器的前馈，以便补偿与先前的处理步骤的偏差并且因此“校正”最近的批次。特别地，对于需要甚至更多处理步骤的串联电池(有时在不同的制造商处完成并在制造商之间运送)，eis是用于在接下来的站点处的处理开始之前检查传入的预制品的有价值的工具。[0045]本发明的又一应用涉及在钙钛矿基太阳能电池的操作期间对其进行监测。如已知的，钙钛矿基太阳能电池的一个挑战涉及其随时间的潜在的退化。本方法还适用于独立于照明状态评估电池的性能随时间的退化。虽然老化机制是公知的，但操作期间的可实现的稳定性尚未被完全理解。由于这些原因，钙钛矿基太阳能电池可能随时间呈现不同的退化，从而导致模块或发电厂中的电池性能的不匹配。这种不匹配可以使用所描述的方法来量化，以便估计产量中的总体损失。可以通过考虑eis测量结果而调整太阳能电池的操作来部分地补偿预期损失，以例如避免电池的完全退化或破坏。[0046]在已经操作的光伏站点中，可以测量电池或模块随时间的性能。当使用eis时，这些测量不需要提供明确限定的照明的太阳能模拟器，但可以在任何适当的时候(例如在夜间)被执行，而不会中断正常的日常操作。获取的数据可以在线和实时地被分析并呈现给利益相关者。[0047]总之，提出了用以预测钙钛矿基太阳能电池的一个或更多个性能值的有吸引力的概念。该概念不仅可以用于监测和优化太阳能电池的生产工艺，还可以用于例如监测钙钛矿基太阳能电池在其现场操作期间的性能。[0048]附图标记列表[0049]10横坐标[0050]20纵坐标[0051]31第一奈奎斯特图[0052]32第二奈奎斯特图[0053]33第三奈奎斯特图









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!