• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖世大学堂
  • 盖亚系统
  • 盖世汽车APP
  • 2024第四届汽车智能底盘大会
  • 2024第五届汽车电驱动及关键技术大会
  • 2024第二届中国汽车与CMF设计大会
  • 2024泰国汽车市场深度考察(第二期)
  • 第六届汽车新供应链大会
当前位置:首页 > 新能源 > 正文

研究人员利用机器学习优化钙钛矿串联太阳能电池设计 将效率提高30.4%

盖世汽车 Elisha 2024-08-09 16:16:32
核心提示:研究人员将机器学习纳入帕累托前沿优化方法。

盖世汽车讯 作为地球上最丰富的能源资源,太阳能是向清洁能源转型过程中富有前景的替代方案。然而,目前的商用太阳能电池将光转化为可用能源的效率仅为20%。串联太阳能电池将多个太阳能电池堆叠在一起,可能更有效率,其中每个电池层对不同波长的光敏感,从而能够收集可能会丢失的能量。通常情况下,串联太阳能电池的顶层允许某些光能带穿过并被底层吸收。研究发现,利用钙钛矿材料来制造顶层可以大幅提高太阳能电池的效率(远超过目前20%的阈值)。

研究人员利用机器学习优化钙钛矿串联太阳能电池设计 将效率提高30.4%

(图片来源:APL Machine Learning)

新加坡科技设计大学(SUTD)的Xue Hansong博士表示,钙钛矿太阳能电池“可以定制为具有出色的光电性能,包括高吸收系数、高缺陷容忍度和可调带隙。”然而,设计和制造这些电池具有挑战性,最大限度地提高效率通常以增加材料成本为代价。

为了设计出兼顾效率和成本效益的钙钛矿太阳能电池,研究人员使用了帕累托前沿优化方法(Pareto front optimization method),即根据效率和成本两个参数之间的权衡来确定最佳解决方案。然而,由于计算的复杂性,这种方法可能非常耗时。



本文共计1000字开通高级账号后继续阅读

登录后获取已开通的账号权益

本文共计1000字开通高级账号后继续阅读

您未开通,请开通后阅读

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://auto.gasgoo.com/news/202408/9I70401427C501.shtml

文章标签: 电池
 
0

好文章,需要你的鼓励

微信扫一扫分享该文章