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

作者：刘武; 朱成皖; 李昊天; 赵谡玲; 乔泊; 徐征; 宋丹丹^*

来源：Acta Physica Sinica, 2021, 70(23): 394-402.

• Cu(In,Ga)Se2太阳能电池
• Ga梯度
• 效率极限
• 机器学习
• 器件模拟

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.

• 单位
  北京交通大学