Temat: silicon solar cell - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: The Influence of the Base Material Parameters on Quantum and Photoconversion Efficiency of the Si Solar Cells
Autorzy:: Panek, P.
Powiązania:: https://bibliotekanauki.pl/articles/352268.pdf
Data publikacji:: 2016
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: silicon solar cell
dopant level
charge carrier lifetime
Opis:: The influence of a p-type Si with different resistivity, charge carrier lifetime and emitter dopant impurities concentration on the crystalline silicon solar cells parameters were analyzed and experimentally checked. The findings were determined by quasi-steady-state photoconductance, current-voltage and spectral response methods. The study was accompanied by solar device simulation using a numerical PC1D program. The highest photoconversion efficiency of 15.13 % was obtained for the moncrystalline (Cz-Si) solar cell with a base resistivity of 1.8 Ωcm and an effective charge carrier lifetime of 22.9 μs. The results clearly confirmed the importance concerning the dopant level in a Si base material in relation to open circuit voltage and short circuit current possible to obtain from the solar cell. Reduction of a base material resistivtiy leads to a lower value of an effective charge carrier lifetime and photoconversion efficiency both for Cz-Si and multicrystalline (mc-Si) solar cells. The experimental results and calculation showed, that in the case of a solar cell produced on the basis of crystalline silicon, the most important spectral range for an efficiency of a cell is covering a wavelength range of 587 ÷ 838 nm.
Źródło:: Archives of Metallurgy and Materials; 2016, 61, 4; 1889-1894
1733-3490
Pojawia się w:: Archives of Metallurgy and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Application of Artificial Neural Networks in Modeling of Manufactured Front Metallization Contact Resistance for Silicon Solar Cells
Zastosowanie sztucznych sieci neuronowych w modelowaniu rezystancji kontaktu wytwarzanej przedniej metalizacji krzemowych ogniw słonecznych
Autorzy:: Musztyfaga-Staszuk, M.
Honysz, R.
Powiązania:: https://bibliotekanauki.pl/articles/356591.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: computational material science
artificial neural networks
silicon solar cell
selective laser sintering
screen printing
co-firing in the furnace
zastosowanie sztucznych sieci neuronowych
krzemowe ogniwa słoneczne
selektywne spiekanie laserowe
sitodruk
wypalanie w piecu
Opis:: This paper presents the application of artificial neural networks for prediction contact resistance of front metallization for silicon solar cells. The influence of the obtained front electrode features on electrical properties of solar cells was estimated. The front electrode of photovoltaic cells was deposited using screen printing (SP) method and next to manufactured by two methods: convectional (1. co-fired in an infrared belt furnace) and unconventional (2. Selective Laser Sintering). Resistance of front electrodes solar cells was investigated using Transmission Line Model (TLM). Artificial neural networks were obtained with the use of Statistica Neural Network by Statsoft. Created artificial neural networks makes possible the easy modelling of contact resistance of manufactured front metallization and allows the better selection of production parameters. The following technological recommendations for the screen printing connected with co-firing and selective laser sintering technology such as optimal paste composition, morphology of the silicon substrate, co-firing temperature and the power and scanning speed of the laser beam to manufacture the front electrode of silicon solar cells were experimentally selected in order to obtain uniformly melted structure well adhered to substrate, of a small front electrode substrate joint resistance value. The prediction possibility of contact resistance of manufactured front metallization is valuable for manufacturers and constructors. It allows preserving the customers’ quality requirements and bringing also measurable financial advantages.
Artykuł przedstawia zastosowanie sztucznych sieci neuronowych do predykcji rezystancji przedniej metalizacji w krzemowych ogniwach słonecznych. Oceniono wpływ tak wytworzonej elektrody przedniej na własności elektryczne ogniw fotowoltaicznych. Przednią elektrodę ogniw fotowoltaicznych naniesiono metodą sitodruku SP (ang. Screen Printing) i następnie wytwarzano dwoma metodami: konwencjonalną (1. wypalanie w piecu taśmowym) i niekonwencjonalną (2. selektywne spiekanie laserowe). Do wyznaczenia rezystancji elektrod przednich zastosowano metodę linii transmisyjnych TLM (ang. Transmission Line Model). Sztuczne sieci neuronowe zostały opracowane z wykorzystaniem pakietu Statistica Neural Network firmy Statsoft. Opracowane sztuczne sieci neuronowe umożliwią modelowanie rezystancji wytworzonej przedniej metalizacji i ułatwią lepszy dobór parametrów produkcji. Następujące zalecenia technologiczne sitodruku połączonego z wypalaniem w piecu i selektywnym spiekaniem laserowym takie jak optymalny skład pasty, morfologię podłoża krzemowego, temperaturę wypalania oraz moc i prędkość skanowania wiązki laserowej, do wytworzenia przedniej elektrody krzemowych ogniw słonecznych dobrano eksperymentalnie celem uzyskania celem uzyskania jednolicie stopionej struktury dobrze przylegającej do podłoża, małej wartości rezystancji połączenia elektrody przedniej z podłożem. Możliwość estymacji rezystancji przedniej metalizacji jest wartościowa dla producentów i konstruktorów. Pozwala ona na dotrzymanie wymagań klienta i przynosi wymierne zyski.
Źródło:: Archives of Metallurgy and Materials; 2015, 60, 3A; 1673-1678
1733-3490
Pojawia się w:: Archives of Metallurgy and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "silicon solar cell" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język