<acronym id="s8ci2"><small id="s8ci2"></small></acronym>
<rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
<acronym id="s8ci2"></acronym>
<acronym id="s8ci2"><center id="s8ci2"></center></acronym>
0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

電池效率的預測模型建立

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

數學定義Contact Selectivity

接觸區域少數載流子復合電流密度為

圖片 ----(1)

J m ,在電壓V時接觸區域少數載流子電流密度;

J c ,接觸區域復合電流密度因子, 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。因此,作者使用零電壓下電流-電壓曲線的反斜率作為少數載流子的特征電阻率ρm的表征:

圖片 ----(2)

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

圖片 ----(3)

ρ c ,接觸區域的接觸電阻率,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會低一個常數倍e ^Vmpp/Vth^ ,但最終推導出的所有物理結論保持不變。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。

現在可以用多數載流子和少數載流子電阻率定于接觸區域載流子選擇性:

圖片 ----(4)

另外,由于S數量級太大,定義對數標稱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Lambertian陷光,在AM1.5G光譜0.1 W/cm^2^ 條件下,僅考慮本征復合時,電流密度Jsc=43.6 mA/cm ^2^ ;

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

(iii) 串聯電阻,表征接觸區域接觸電阻,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合電流密度,即根據金屬接觸比例對(ρ c , J c )進行歸一化處理,此時根據最大功率點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的金屬接觸比例f c,max ,該參數下對應接觸選擇性參數為(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。

文章進一步推導出fc,max的計算方案:

圖片 ----(7)

式中,圖片為S10的函數,可由以下經驗公式進行計算。

圖片 ----(8)

當同時考慮正負極接觸時最優接觸比例

文章進一步討論同時考慮太陽電池背場(bsf)和發射極(emitter)接觸時對應的選擇性及最優接觸比例的計算。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)式對應方程在圖片----(10)

時,對應的S10,bsf&emitter達到最大值,為

圖片 ----(11)

而器件最優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分別對應的最優接觸分數fc,max,bsf和f c,max,emitter 。

接觸選擇性與太陽電池效率

文章根據假設條件,針對式(6)數值求解得到如下效率與接觸選擇性的關系:

圖片 ----(12)

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

圖片

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 串聯電阻
    +關注

    關注

    1

    文章

    173

    瀏覽量

    14610
  • 二極管
    +關注

    關注

    144

    文章

    9020

    瀏覽量

    161545
  • 電池電壓
    +關注

    關注

    0

    文章

    172

    瀏覽量

    11398
  • 太陽電池
    +關注

    關注

    0

    文章

    82

    瀏覽量

    16981
  • PERC
    +關注

    關注

    0

    文章

    18

    瀏覽量

    3795
收藏 人收藏

    評論

    相關推薦

    經濟預測模型

    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測、時間序列預測、宏觀計量經濟模型
    發表于 08-15 10:47

    參照光伏電池的物理模型,可建立用于實現其仿真的matlab...

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

    動力電池循環壽命預測方法研究(資料下載)

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

    Keras之ML~P:基于Keras中建立的回歸預測的神經網絡模型

    Keras之ML~P:基于Keras中建立的回歸預測的神經網絡模型(根據200個數據樣本預測新的5+1個樣本)——回歸預測
    發表于 12-20 10:43

    基于Keras中建立的簡單的二分類問題的神經網絡模型(根據200個數據樣本預測新的5+1個樣本)—類別預測

    Keras之ML~P:基于Keras中建立的簡單的二分類問題的神經網絡模型(根據200個數據樣本預測新的5+1個樣本)——類別預測
    發表于 12-24 11:45

    PaddlePaddle使用預測模型預測圖片報錯及解決方法

    PaddlePaddle使用預測模型預測圖片時出現輸出數據維度錯誤
    發表于 05-31 09:39

    模型預測控制+邏輯控制

    模型預測控制(MPC)+邏輯控制(相平面分區控制)–matlab例程介紹MATLAB-模型模糊神經網絡預測控制demo(訓練數據用):鏈接:目錄構建思想matlab simulink框
    發表于 08-17 07:09

    模型預測控制介紹

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

    什么是MPC模型預測控制?

    什么是MPC模型預測控制?
    發表于 11-22 06:10

    自回歸滯后模型進行多變量時間序列預測案例分享

    1、如何建立一個模型來進行多元時間序列預測呢?  下圖顯示了關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要預測其中一個變量。比如,spar
    發表于 11-30 15:33

    基于非線性模型的動力電池容量損耗的預測_趙美紅

    基于非線性模型的動力電池容量損耗的預測_趙美紅
    發表于 12-30 15:16 ?0次下載

    基于排隊論的作戰效能預測模型

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

    基于FSVM建立含氧量預測模型

    針對電站鍋爐燃燒過程存在的高度的復雜性和非線性問題,本文采用模糊支持向量機(FSVM)建立含氧量預測模型,預測在不同燃料量、總風量、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
    發表于 01-12 16:00 ?1次下載

    電池多狀態模型剩余壽命預測方法

    針對鋰離子電池的容量恢復現象導致的剩佘壽命預測精度不高的問題,提岀了一種鋰離子電池的多狀態模型剩余壽命預測方法。首先通過分析鋰
    發表于 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測模型?

    對車輛輔助裝置的控件進行優化設計時,需要建立一個燃料電池電堆功率預測模型,而該模型建立需要考慮
    的頭像 發表于 11-02 15:34 ?497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'>預測</b><b class='flag-5'>模型</b>?
    亚洲欧美日韩精品久久_久久精品AⅤ无码中文_日本中文字幕有码在线播放_亚洲视频高清不卡在线观看
    <acronym id="s8ci2"><small id="s8ci2"></small></acronym>
    <rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
    <acronym id="s8ci2"></acronym>
    <acronym id="s8ci2"><center id="s8ci2"></center></acronym>