- Tytuł:
-
Impact of the saturation current IS and ideality factor N on the performance of the characteristic (I-V) of a solar cell
Wpływ prądu nasycenia IS i współczynnika doskonałości złącza n na charakterystykę (I-V) ogniwa słonecznego - Autorzy:
-
Khalis, M.
Masrour, R.
Mir, Y.
Zazoui, M. - Powiązania:
- https://bibliotekanauki.pl/articles/29520331.pdf
- Data publikacji:
- 2019
- Wydawca:
- Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
- Tematy:
-
dark
illumination current–voltage
Si
GaAs
CIGS
current saturation
ideality factor
defect
neural network method
aktualne nasycenie
współczynnik idealności
wada
metoda sieci neuronowej - Opis:
-
The performance of a solar cell mainly is due to the quality of the starting material. During the production of the solar cell, several defects in different regions of the material appear. These defects degrade the efficiency of the solar cell. Thorough knowledge of the physical properties of defects requires highly sophisticated electrical current-voltage (I-V) characterization techniques that provide information on the physical origin of the defects. The characteristic (I-V) of the cell is governed by several parameters, such as the saturation current Is and the ideality factor n which are the indicators of the quality of the solar cell. These parameters significantly reflect the existence of defects in the material. On the other hand, the use of such a characteristic to go back to the nature of the defects is not widespread because it lacks a data base between the main defects and the modification of the characteristic (I-V). To extract the different parameters, we developed a method based on artificial neurons in Matlab code, then we applied this method to the following cells: GaAs, Si-mono and polycrystalline and CIGS thin-film cells by applying the model with two diodes. The results obtained demonstrate that the behavior of the ideality factor and the saturation current vary from one cell to another. This variance is important for polycrystalline Si and CIGS cells. Thus, this model is the most suitable for the diagnosis of the characteristics (IV) for Si and GaAs, but remains incoherent (Mismatches) to describe the characteristic of the CIGS cell because of the non-uniform presence of shunt defects which allowed us to add another component of the leakage current. Finally, this method correlates with the experimental characteristic (I-V).
Zachowanie się ogniw słonecznych zależy w dużej mierze od jakości materiału. W procesie wytwarzania baterii może pojawić się szereg wad w różnych jej częściach. Te wady obniżają wydajność ogniwa. Dokładna analiza właściwości fizycznych wad wymaga dokładnego określenia charakterystyki prądowonapięciowej (I-V), która dostarczyłaby informacji o przyczynie tych wad. Charakterystyka prądowo-napięciowa (I-V) baterii zależy od szeregu parametrów takich jak prąd nasycenia Is, i współczynnik doskonałości złącza n, które są wskaźnikami jakości baterii. Te parametry dobrze odzwierciedlają istnienie wad w materiale. Z drugiej strony, ze względu na brak danych dotyczących korelacji między głównymi wadami i zmianami charakterystyk (IV), wykorzystanie tych charakterystyk do określenia natury powstałych wad nie jest rozpowszechnione. Aby rozróżnić wpływ różnych parametrów opracowano metodę wykorzystującą sztuczną sieć neuronową i oprograowanie MatLab. Tę metodę zastosowano do następujących ogniw słonechnych: GaAs, Si-mono and polikrystaliczny oraz cienkie warstwy CIGS popraz zaqstosowanie modelu z dwoma diodami. Uzyskane wyniki wykazały, że zachowanie się współczynnika doskonałości złącza i prądu nasycenia zmienia się dla różnych ogniw. Te różnice są ważne zarówno dla ogniw Si jak i CIGS. Stąd opracowany model jest najbardziej przydatny do diagnozowania charakterystyk (I-V) dla ogniw Si i GaAs, ale jest niespójny przy opisie ogniw CIGS, ponieważ występują w nich w sposób nierównomierny wady powodujące zwarcie elektrod. To pozwoliło Autorom dodać prąd upływu, jako dodatkowy parameter modelu. W artykule potwierdzono zgodność opracowanej metody z doświadczalnymi charakterystykami (I-V). - Źródło:
-
Computer Methods in Materials Science; 2019, 19, 4; 163-169
2720-4081
2720-3948 - Pojawia się w:
- Computer Methods in Materials Science
- Dostawca treści:
- Biblioteka Nauki
Artykuł