基于机器学习和器件模拟对Cu(In,Ga)Se2电池中Ga 含量梯度的优化分析*
2021-12-16刘武朱成皖李昊天赵谡玲乔泊徐征宋丹丹
刘武 朱成皖 李昊天 赵谡玲乔泊 徐征 宋丹丹
1) (北京交通大学,发光与光信息技术教育部重点实验室,北京 100044)
2) (北京交通大学,光电子技术研究所,北京 100044)
Cu(In,Ga)Se2(CIGS)太阳能电池是一种高效薄膜太阳能电池,Ga 含量(Ga/(Ga+In),GGI)梯度调控是在不损失短路电流情况下,获得高开路电压的一种有效方法.本文基于对薄膜电池效率极限的对比分析,首先评估了CIGS 电池性能提升的优化空间和策略.进而,通过机器学习与电池模拟分析相结合,研究了不同类别的“V”型GGI 梯度对电池性能的影响,优化了“V”型双梯度的分布,获得了高于26%的模拟效率,并探究了其内部载流子作用机理.本文的研究提供了获得高效率CIGS 电池“V”型GGI 梯度的优化方案,为实验优化提供了指导.
1 引言
高效太阳能电池技术是实现碳中和目标的一项重要技术,尤其是高效薄膜太阳能电池,可以实现光伏建筑一体化,是缓解能源危机、实现碳中和目标的一项高效太阳能电池技术.目前,Cu(In,Ga)Se2(CIGS)、卤素钙钛矿(halide perovskite)薄膜太阳能电池都取得了23%以上的转换效率,与晶硅太阳能电池效率相当.其中,CIGS 薄膜太阳能电池因为优异的材料稳定性和较成熟的制备工艺,已逐步走向产业化.然而,相比钙钛矿电池(最高效率25.5%),CIGS 电池的效率相对较低(最高值为23.35%[1]),其器件性能仍有着很大的提升空间.
为了获得高效率CIGS 电池,有效的技术方法包括:1)“V”型Ga 梯度,可以在不损失光电流的情况下提升开路电压;2)碱金属后处理(PDT)钝化缺陷;3)无镉缓冲层减少界面能级失配……
