RM新时代网站-首页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

電池效率的預(yù)測模型建立

冬至子 ? 來源:追風(fēng)逐日的貓 ? 作者:Dr. SHEN,PEIJUN ? 2023-06-01 17:10 ? 次閱讀

數(shù)學(xué)定義Contact Selectivity

接觸區(qū)域少數(shù)載流子復(fù)合電流密度為

圖片 ----(1)

J m ,在電壓V時接觸區(qū)域少數(shù)載流子電流密度;

J c ,接觸區(qū)域復(fù)合電流密度因子, 單位A/cm ^2^ ;

V th , thermal voltage熱電壓, 25oC時為25.7mV;

少數(shù)載流子電阻可定義為V/J m ,但由于電池電壓取決于接觸特性外很多其它電池特性,其不太適合作為分析接觸特性的參數(shù)。因此,作者使用零電壓下電流-電壓曲線的反斜率作為少數(shù)載流子的特征電阻率ρm的表征:

圖片 ----(2)

假設(shè)接觸區(qū)域多數(shù)載流子具有線性的電流-電壓特征,即J M =V/ρ c ,則接觸區(qū)域多數(shù)載流子 電阻率ρM有:

圖片 ----(3)

ρ c ,接觸區(qū)域的接觸電阻率,單位Ωcm ^2^ ;

需要注意的是,作者選擇零電壓作為參考點是任意的,也可以選擇任何其它任何電壓,例如最大功率點電壓V mpp ,此時得到的Contact Selectivity會低一個常數(shù)倍e ^Vmpp/Vth^ ,但最終推導(dǎo)出的所有物理結(jié)論保持不變。因此,由于不同電池最大功率電電壓Vmpp不同,因此選擇V=0是最簡單的選擇。

現(xiàn)在可以用多數(shù)載流子和少數(shù)載流子電阻率定于接觸區(qū)域載流子選擇性:

圖片 ----(4)

另外,由于S數(shù)量級太大,定義對數(shù)標(biāo)稱S 10

圖片 ----(5)

非理想選擇性接觸的電壓-電流曲線

下圖為僅由單個選擇性接觸構(gòu)成的太陽電池等效電路,包含三個組成部分:

圖片

(i) 恒流源,本文以110μm厚度硅片為例,假設(shè)Lambertian陷光,在AM1.5G光譜0.1 W/cm^2^ 條件下,僅考慮本征復(fù)合時,電流密度Jsc=43.6 mA/cm ^2^ ;

(ii) 二極管,表征接觸區(qū)域的復(fù)合,復(fù)合電流密度為式(1)定義的J c ;

(iii) 串聯(lián)電阻,表征接觸區(qū)域接觸電阻,電阻率大小為式(2)中定義的ρ c ;

在不考慮其它因素的條件下,以上表征的等效電路滿足下式:

圖片 ----(6)

V,太陽電池外電路電壓;

作者將(ρ c /f c ,f c ×J c )定義為有效器件的接觸電阻率與接觸復(fù)合電流密度,即根據(jù)金屬接觸比例對(ρ c , J c )進(jìn)行歸一化處理,此時根據(jù)最大功率點V mpp ×J(V mpp )/(0.1W/cm2)獲得的效率即為部分金屬接觸(接觸比例f c )時太陽電池的理論效率。

而其中存在一個最優(yōu)的金屬接觸比例f c,max ,該參數(shù)下對應(yīng)接觸選擇性參數(shù)為(ρ c /f c,max ,f c,max ×J c ),具有最大的接觸選擇性S10以及最高的器件理論效率。

文章進(jìn)一步推導(dǎo)出fc,max的計算方案:

圖片 ----(7)

式中,圖片為S10的函數(shù),可由以下經(jīng)驗公式進(jìn)行計算。

圖片 ----(8)

當(dāng)同時考慮正負(fù)極接觸時最優(yōu)接觸比例

文章進(jìn)一步討論同時考慮太陽電池背場(bsf)和發(fā)射極(emitter)接觸時對應(yīng)的選擇性及最優(yōu)接觸比例的計算。同時考慮太陽電池bsf和emitter的器件綜合接觸選擇性可由下式計算:

圖片 ----(9)

(9)式對應(yīng)方程在圖片----(10)

時,對應(yīng)的S10,bsf&emitter達(dá)到最大值,為

圖片 ----(11)

而器件最優(yōu)金屬接觸比例需要同時考慮bsf和emitter接觸,滿足類似式(7)的變體,如下式:

圖片 ----(12)

圖片的計算仍滿足式(8),但其中單接觸選擇性S10被綜合接觸選擇性圖片所取代。

最后,由式(10)與式(12)即可解出bsf與emitter分別對應(yīng)的最優(yōu)接觸分?jǐn)?shù)fc,max,bsf和f c,max,emitter 。

接觸選擇性與太陽電池效率

文章根據(jù)假設(shè)條件,針對式(6)數(shù)值求解得到如下效率與接觸選擇性的關(guān)系:

圖片 ----(12)

以文中給出案例中較為簡單的PERC(PERC電池結(jié)構(gòu)如下左圖所示)案例為例,在不考慮硅片本身復(fù)合,110um厚度前提下,已知接觸區(qū)域復(fù)合電流密度及接觸電阻參數(shù)ρ c ,bsf , J 0,bsf , ρ c,emitter , J0,emitter條件下,根據(jù)上述模型可計算出電池最優(yōu)效率以及對應(yīng)的接觸比例設(shè)計,計算結(jié)果如下右表所示,其中‘bsf’及‘emitter’兩列為僅考慮單獨背場(bsf)或發(fā)射極(emitter)接觸條件下對應(yīng)的計算結(jié)果,’bsf&emitter’為同時考慮背場(bsf)和發(fā)射極(emitter)接觸的計算結(jié)果。計算顯示了這種電池結(jié)構(gòu)的效率上限以及接觸設(shè)計優(yōu)化方案。

圖片

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 串聯(lián)電阻
    +關(guān)注

    關(guān)注

    1

    文章

    191

    瀏覽量

    14784
  • 二極管
    +關(guān)注

    關(guān)注

    147

    文章

    9627

    瀏覽量

    166307
  • 電池電壓
    +關(guān)注

    關(guān)注

    0

    文章

    195

    瀏覽量

    11672
  • 太陽電池
    +關(guān)注

    關(guān)注

    0

    文章

    89

    瀏覽量

    17069
  • PERC
    +關(guān)注

    關(guān)注

    0

    文章

    18

    瀏覽量

    3826
收藏 人收藏

    評論

    相關(guān)推薦

    經(jīng)濟(jì)預(yù)測模型

    該資料是由幾篇論文和一個講義組成,具體講解了回歸分析預(yù)測、時間序列預(yù)測、宏觀計量經(jīng)濟(jì)模型
    發(fā)表于 08-15 10:47

    參照光伏電池的物理模型,可建立用于實現(xiàn)其仿真的matlab...

    參照光伏電池的物理模型,可建立用于實現(xiàn)其仿真的matlab仿真模型
    發(fā)表于 10-26 17:24

    動力電池循環(huán)壽命預(yù)測方法研究(資料下載)

    的主要障礙,而電池價格昂貴且循環(huán)壽命相對較短是主要原因。一方面我們應(yīng)該研發(fā)高性能長壽命的動力電池;另一反面應(yīng)該建立動力電池壽命評估方法和壽命模型
    發(fā)表于 01-07 10:49

    Keras之ML~P:基于Keras中建立的回歸預(yù)測的神經(jīng)網(wǎng)絡(luò)模型

    Keras之ML~P:基于Keras中建立的回歸預(yù)測的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)——回歸預(yù)測
    發(fā)表于 12-20 10:43

    基于Keras中建立的簡單的二分類問題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)—類別預(yù)測

    Keras之ML~P:基于Keras中建立的簡單的二分類問題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)——類別預(yù)測
    發(fā)表于 12-24 11:45

    PaddlePaddle使用預(yù)測模型預(yù)測圖片報錯及解決方法

    PaddlePaddle使用預(yù)測模型預(yù)測圖片時出現(xiàn)輸出數(shù)據(jù)維度錯誤
    發(fā)表于 05-31 09:39

    模型預(yù)測控制+邏輯控制

    模型預(yù)測控制(MPC)+邏輯控制(相平面分區(qū)控制)–matlab例程介紹MATLAB-模型模糊神經(jīng)網(wǎng)絡(luò)預(yù)測控制demo(訓(xùn)練數(shù)據(jù)用):鏈接:目錄構(gòu)建思想matlab simulink框
    發(fā)表于 08-17 07:09

    模型預(yù)測控制介紹

    這篇主要講一下模型預(yù)測控制,如果對PID控制了解的同學(xué),那效果更好。如果不了解PID控制,還是熟悉下比較好。模型預(yù)測控制,顧名思義,基于模型
    發(fā)表于 08-18 06:21

    什么是MPC模型預(yù)測控制?

    什么是MPC模型預(yù)測控制?
    發(fā)表于 11-22 06:10

    自回歸滯后模型進(jìn)行多變量時間序列預(yù)測案例分享

    1、如何建立一個模型來進(jìn)行多元時間序列預(yù)測呢?  下圖顯示了關(guān)于不同類型葡萄酒銷量的月度多元時間序列。每種葡萄酒類型都是時間序列中的一個變量?! 〖僭O(shè)要預(yù)測其中一個變量。比如,spar
    發(fā)表于 11-30 15:33

    基于排隊論的作戰(zhàn)效能預(yù)測模型

    針對坦克分隊火力部署手段匱乏、科學(xué)性不足的問題,通過對火力部署方式和內(nèi)容的分析,建立了一種基于排隊論的作戰(zhàn)效能預(yù)測模型。首先,對坦克分隊作戰(zhàn)過程進(jìn)行了基本假設(shè)并提出了預(yù)測
    發(fā)表于 12-26 14:26 ?0次下載
    基于排隊論的作戰(zhàn)效能<b class='flag-5'>預(yù)測</b><b class='flag-5'>模型</b>

    基于FSVM建立含氧量預(yù)測模型

    針對電站鍋爐燃燒過程存在的高度的復(fù)雜性和非線性問題,本文采用模糊支持向量機(jī)(FSVM)建立含氧量預(yù)測模型,預(yù)測在不同燃料量、總風(fēng)量、總給水量等因素的影響下煙氣含氧量的含量。選取模糊C均
    發(fā)表于 01-12 16:00 ?1次下載

    如何使用改進(jìn)GM模型進(jìn)行房價預(yù)測模型資料說明

    灰色GM (1, 1)模型適合對數(shù)據(jù)量較少、波動不大的短期數(shù)據(jù)進(jìn)行預(yù)測,而馬爾可夫模型適用于數(shù)據(jù)波動較大的預(yù)測過程的特點,通過結(jié)合改進(jìn)的GM (1, 1)
    發(fā)表于 12-19 11:44 ?7次下載
    如何使用改進(jìn)GM<b class='flag-5'>模型</b>進(jìn)行房價<b class='flag-5'>預(yù)測</b><b class='flag-5'>模型</b>資料說明

    電池多狀態(tài)模型剩余壽命預(yù)測方法

    針對鋰離子電池的容量恢復(fù)現(xiàn)象導(dǎo)致的剩佘壽命預(yù)測精度不高的問題,提岀了一種鋰離子電池的多狀態(tài)模型剩余壽命預(yù)測方法。首先通過分析鋰
    發(fā)表于 05-31 14:27 ?11次下載

    如何利用高斯過程回歸模型建立燃料電池電堆功率預(yù)測模型?

    對車輛輔助裝置的控件進(jìn)行優(yōu)化設(shè)計時,需要建立一個燃料電池電堆功率預(yù)測模型,而該模型建立需要考慮
    的頭像 發(fā)表于 11-02 15:34 ?1182次閱讀
    如何利用高斯過程回歸<b class='flag-5'>模型</b><b class='flag-5'>建立</b>燃料<b class='flag-5'>電池</b>電堆功率<b class='flag-5'>預(yù)測</b><b class='flag-5'>模型</b>?
    RM新时代网站-首页