Идентификация и экстракция параметров фотобетаэлементов экспериментальными данными

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Статья обобщает методику идентификации и экстракции электрофизических характеристик солнечных элементов для различных моделей на основе экспериментальных данных и эквивалентных одно-, двух-, трех-диодных схем. Предложена методика на основе компьютерного моделирования в аналитической системе Wolfram Mathematica и в системе компьютерной алгебры Mathcad. Методика позволяет сравнивать теоретические и экспериментальные данные и работать с различными моделями в обоих направлениях – от эксперимента к теории и наоборот. Также были проведены экспериментальные работы по созданию солнечных элементов на базе пористого кремния с просветляющими покрытиями (ZnS, DyF3, ZnS + DyF3) и с гетеропереходами SiC/Si. Проведены измерения ВАХ и ВВХ экспериментальных фотопреобразователей, а также их поверхностные сопротивления со сторон легирования фосфором и бором по формированию p-n-перехода. Главной целью исследования является разработка методологии оптимизации солнечных элементов и представление методов моделирования и анализа, которые могут быть использованы в разработках фотобетапреобразователей для обеспечения максимальной мощности.

Об авторах

Михаил Вячеславович Долгополов

Самарский государственный технический университет; Самарский национальный исследовательский университет имени академика С.П. Королева

Автор, ответственный за переписку.
Email: mikhaildolgopolov68@gmail.com
ORCID iD: 0000-0002-8725-7831
SPIN-код: 2104-1911

кандидат физико-математических наук, доцент; доцент кафедры высшей математики; доцент кафедры общей и теоретической физики, заведующий совместной с Российской академией наук научно-исследовательской лабораторией математической физики НИЛ-319

Россия, г. Самара; г. Самара

Александр Сергеевич Чипура

Самарский государственный технический университет; Самарский национальный исследовательский университет имени академика С.П. Королева

Email: al_five@mail.ru
ORCID iD: 0009-0004-0425-0653
SPIN-код: 8992-7768

преподаватель; магистрант

Россия, г. Самара; г. Самара

Иван Александрович Шишкин

Самарский национальный исследовательский университет имени академика С.П. Королева

Email: shishkinivan9@gmail.com
ORCID iD: 0000-0002-8413-9661
SPIN-код: 2233-8550

аспирант

Россия, г. Самара

Список литературы

  1. Афанасьев В.П., Теруков Е.И., Шерченков А.А. Тонкопленочные солнечные элементы на основе кремния. 2-е изд. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2011. 168 с.
  2. Колтун М.М. Солнечные элементы / отв. ред. Н.C. Лидоренко. М.: Наука, 1987. 190 с.
  3. Mohammadreza Ebrahimi S., Salahshour E., Malekzadeh M., Gordillo F. Parameters identification of PV solar cells and modules using flexible particle swarm optimization algorithm // Energy. 2019. Vol. 179. Pp. 358–372.
  4. Bonanno F., Capizzi G., Napoli C. et al. A radial basis function neural network based approach for the electrical characteristics estimation of a photovoltaic module // Appl. Energy. 2012. Vol. 97. Pp. 956–961.
  5. Jordehi A.R. Parameter estimation of solar photovoltaic (PV) cells: A review // Renew. Sustain. Energy Rev. 2016. Vol. 61. Pp. 354–371.
  6. Pillai D.S., Rajasekar N. Metaheuristic algorithms for PV parameter identification: A comprehensive review with an application to threshold setting for fault detection in PV systems // Renew. Sustain. Energy Rev. 2018. Vol. 82. Pp. 3503–3525.
  7. Carrero C., Ramirez O., Rodrigez I., Platero C.A. Accurate and fast convergence method for parameter estimation of PV generators based on three main points of the I-V curve // Renew. Energy. 2011. Vol. 36. No. 11. Pp. 2972–2977.
  8. Долгополов М.В., Елисов М.В., Раджапов С.А., Чипура А.C. Модели масштабирования электрических свойств фото- и бета-преобразователей с наногетеропереходами // Computational Nanotechnology. 2023. Т. 10. № 1. C. 138–146.
  9. Ishaque K., Salam Z. An improved modeling method to determine the model parameters of photovoltaic (PV) modules using differential evolution (DE) // Sol. Energy. 2011. Vol. 85. Pp. 2349–2359.
  10. Ishaque K., Salam Z., Syafaruddin. A comprehensive MATLAB Simulink PV systemsimulator with partial shading capability based on two-diode model’ // Sol. Energy. 2011. Vol. 85. No. 9. Pp. 2217–2227.
  11. Tong N.T., Pora W. A parameter extraction technique exploiting intrinsic properties of solar cells // Appl. Energy. 2016. Vol. 176. P. 104e15.
  12. Chen Y., Sun Y,. Meng Z. An improved explicit double-diode model of solar cells: Fitness verification and parameter extraction // Energy Convers. Manag. 2018. Vol. 169. P. 345e58.
  13. Ćalasan M., Abdel Aleem S.H.E., Zobaa A.F. On the root mean square error (RMSE) calculation for parameter estimation of photovoltaic models: A novel exact analytical solution based on Lambert W function // Energy Conversion and Management. 2020. No. 210. P. 112716.
  14. Wolf P., Benda V. Identification of PV solar cells and modules parameters by combining statistical and analytical methods // Solar Energy. 2013. Vol. 93. Pp. 151–157.
  15. Zagrouba M., Sellami A., BouaÏcha M., Ksouri M. Identification of PV solar cells and modules parameters using the genetic algorithms: application to maximum power extraction // Solar Energy. 2010. Vol. 84. Pp. 860–866.
  16. Chaibi Y., Salhi M., El-Jouni A., Essadki A. A new method to extract the equivalent circuit parameters of a photovoltaic panel // Solar Energy. 2018. Vol. 163. Pp. 376–386.
  17. Cheddadi F., Cheddadi Y., Errahimi F., Gaga A. Numerical approach for parameter extraction of a photovoltaic module based on datasheet and five parameters model // International Journal of Digital Signals and Smart Systems. 2021. No. 5. Pp. 167–181.
  18. Cheddadi Y., Cheddadi F., Errahimi F., Es-Sbai N. Extremum Seeking Control-based Global maximum power point tracking algorithm for PV array under partial shading conditions. In: International Conference on Wireless Technologies, Embedded and Intelligent Systems (WITS). Fez, Morocco, 2017. Pp. 1–6.
  19. Fahim S.R., Hasanien H.M., Turky R.A. et al. Comprehensive review of photovoltaic modules models and algorithms used in parameter extraction // Energies. 2022. No. 15.P. 8941.
  20. Rawa M., Calasan M., Abusorrah A, et al. Single diode solar cells-improved model and exact current-voltage analytical solution based on lambert’s W function // Sensors. 2022. No. 22. P. 4173.
  21. Лунин Л.С., Пащенко А.C. Моделирование и исследование характеристик фотоэлектрических преобразователей на основе GaAs и GaSb // Журнал технической физики. 2011. Т. 81. № 9. C. 71–76.
  22. Муминов Р.А., Имамов Э.З., Рахимов Р.Х., Аскаров М.А. Факторы эффективной генерации электричества в солнечном элементе с наногетеропереходами // Computational Nanotechnology. 2023. Т. 10. № 1. C. 119–127.
  23. Имамов Э.З., Муминов Р.А., Рахимов Р.Х. и др. Моделирование электрических свойств солнечного элемента с многими наногетеропереходами // Computational Nanotechnology. 2022. Т. 9. № 4. C. 70–77.
  24. Латухина Н.В., Лизункова Д.А., Шишкин И.А., Паранин В.Д. Оптические и электрические свойства одно- и двухслойных покрытий фоточувствительных структур с пористым слоем // XVI Всероссийский молодежный Самарский конкурс-конференция научных работ по оптике и лазерной физике: сб. тр. конф. Самара, 13–17 ноября 2018 г. Самара: Физический институт им. П.Н. Лебедева Российской академии наук. 2018. C. 136–141.
  25. Чепурнов В.И., Долгополов М.В., Гурская А.В., Латухина Н.В. Способ получения пористого слоя гетероструктуры карбида кремния на подложке кремния. Патент на изобретение RU 2653398 C2, 08.05.2018. Заявка № 2016129598 от 19.07.2016.
  26. Пикус Г.Е. Основы теории полупроводниковых приборов М.: Наука. 1965. 448 с
  27. Banwell T. C., Jayakumar A. Exact analytical solution for current flow through diode with series resistance // Electro-nics Lett. 2000. No. 36. Pp. 291–292.
  28. Latukhina N.V., Lizunkova D.A., Rogozhina G.A., Shishkin I.A. Multilayer structure based porous silicon for solar cells // AIP Conference Proceedings. 2020. No. 2276. Рp. 020039-1–020039-4.
  29. Shishkina D.A., Poluektova N.A., Shishkin I.A. Photovoltaic characteristics of structures with porous silicon obtained by various technological plans // Journal of Physics: Conference Series. 2021. Vol. 2086. No. 1. P. 01210.
  30. Чепурнов В.И., Пузырная Г.В., Гурская А.В. и др. Экспериментальное исследование полупроводниковых структур источника питания на углероде-14 // Физика волновых процессов и радиотехнические системы. 2019. Т. 22. № 3. C. 55–67.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Общая эквивалентная трехдиодная схема фотобетавольтаического элемента с эффективными сопротивлениями

Скачать (86KB)
Метаданные
3. Рис. 2. Построение W-функции Ламберта

Скачать (194KB)
Метаданные
4. Рис. 3. Блок-схема

Скачать (573KB)
Метаданные
5. Рис. 4. Экспериментальные солнечные элементы

Скачать (553KB)
Метаданные
6. Рис. 5. Вольтамперные и вольтваттные характеристики образцов № 2 (a) и 4 (b)

Скачать (557KB)
Метаданные
7. Рис. 6. Вольтамперные и вольтваттные характеристики образцов № 7 (a) и 24 (b)

Скачать (584KB)
Метаданные
8. Рис. 7. Вольтамперные и вольтваттные характеристики образцов № 29 (a) и 37 (b)

Скачать (592KB)
Метаданные
9. Рис. 8. Вольтамперная и вольтваттная характеристики образца № 48

Скачать (277KB)
Метаданные
10. Рис. 9. Вольтамперная (a) и вольтваттная (b) характеристики образца с гетеропереходом SiC/Si № 1

Скачать (363KB)
Метаданные
11. Рис. 10. Вольтамперная (a) и вольтваттная (b) характеристики образца с гетеропереходом SiC/Si № 8

Скачать (397KB)
Метаданные
12. Рис. 11. Вольтамперная (a) и вольтваттная (b) характеристика образца с гетеропереходом SiC/Si № 12

Скачать (402KB)
Метаданные
13. Рис. 12. Вольтамперная (a) и вольтваттная (b) характеристики образца с гетеропереходом SiC/Si № 15

Скачать (388KB)
Метаданные
14. Рис. 13. Вольтамперная характеристика для однодиодной модели

Скачать (162KB)
Метаданные
15. Рис. 14. ВАХ и ВВХ для общей эквивалентной однодиодной модели (1) GaAs (a) и SiC (b)

Скачать (350KB)
Метаданные
16. Рис. 15. ВАХ экспериментальной и теоретической кривой

Скачать (167KB)
Метаданные


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».