1 福建省计量科学研究院, 国家光伏产业计量测试中心, 福州 350003
2 福建江夏学院, 钙钛矿绿色应用福建省高校重点实验室, 福州 350108
为进一步降低钙钛矿太阳能电池(PSCs)制备成本, 提高其稳定性, 需要可低温制备、稳定和高效的无机空穴传输层。本文利用太阳能电池模拟软件SCAPS-1D对基于CuS空穴传输层的钙钛矿电池进行电学仿真, 探讨了吸光层的厚度和缺陷态密度、界面层缺陷态密度以及空穴传输层电子亲和能对太阳能电池性能的影响。从模拟结果可知, 当钙钛矿薄膜的厚度为400 nm, 吸光层和界面的缺陷态密度小于10-16 cm-3, 且CuS的电子亲和能为3.3 eV时, 电池性能较佳。优化后的电池性能如下: 开路电压(Voc)为1.07 V, 短路电流(Jsc) 为22.72 mA/cm2, 填充因子(FF)为0.85, 光电转换效率(PCE)为20.64%。本研究为基于CuS的高效钙钛矿太阳能电池的实验制备提供了理论上的指导。
钙钛矿太阳能电池 空穴传输层 数值模拟 界面 缺陷态密度 perovskite solar cell CuS CuS hole-transport layer numerical simulation interface defect density
针对光伏用电致发光缺陷检测仪空间分辨率目视判定重复性、准确性差, 并且难以量化等问题, 提出一套基于卷积神经网络模型的空间分辨率量化评估方法。参照相关标准JJF(闽)1088-2018, 采取不同的拍摄条件拍摄并切割出空间分辨率线对图像, 对图像进行人工分类。设计卷积神经网络结构, 采用卷积层、池化层和全连接层结构, 并使用已分类完成的空间分辨率线对图像对模型进行训练。最终使用测试集对模型进行评估, 结果表明, 模型在测试集上的判别正确率达到99.2%。该方法满足使用要求, 可取代目视判别, 提高了光伏用电致发光缺陷检测仪空间分辨率判定的准确性与重复性, 并为其量化提出了新的解决思路。由于太阳电池片用光致发光缺陷检测仪与光伏用电致发光缺陷检测仪的成像方式类似, 该方法可兼容太阳电池片光致发光检测仪的性能评估。
光伏 电致发光 缺陷检测仪 空间分辨率 卷积神经网络 光致发光 photovoltaic electroluminescent defect detection spatial resolution convolutional neural network photoluminescence
