Small Methods:新兴太阳电池寿命评估的新算法

精准测定有机及杂化太阳电池的寿命对新兴太阳电池在未来实际应用具有重要的意义。但由于不同材料与器件结构所导致的不同老化机制,不能简单地用数学方法来模拟推测有机及杂化太阳电池的老化行为,所以准确对新型太阳电池寿命的预测和评估具有很大的挑战性。丹麦技术大学Suren A.  Gevorgyan,Frederik C. Krebs等研究人员详细阐述了有机太阳电池(OPV)寿命评估的方法,此方法同样适用于其它新兴太阳电池。

2011年, OPV稳定性国际峰会制定了关于有机太阳电池器件稳定性(ISOS)的测试标准。这一标准中,对光照,温度及湿度等诸多因素加以考虑,这样有利于消除不同实验室,不同操作环境和装置等所带来的差异。基于ISOS测试的寿命数据中,设置了两个评价电池寿命的重要参数,即使用第一阶段老化时间T80(初始器件效率衰减至80%所用时间)及第二阶段老化时间Ts80(随机设定Es点为初始效率,当器件效率衰减至80%所用时间)。然而,由于随机取点的差异性可导致Ts80的不可比性, 为了增加其准确性, 选取Es 效率一般不能低于最高效率的50%。

在这一基础上, Suren A. Gevorgyan等最近开发了一种简单的新算法来重新定义ISOS中的T80和Ts80及预测电池寿命。且当实验数据点不足时,它能简单方便地预测出T80并减少人工失误。

由于仪器与测试样品本身处于弱接触,在测试过程中可能会存在一些噪声干扰,故障及测试条件的变化(如图1),这些变化会对测试结果有较大的影响。

图1. OPV电池典型的老化曲线及测试过程中所存在的干扰因素。

为了更准确地预测电池的寿命,Suren A. Gevorgyan等依托Matlab工具,提出过滤“异常数值”的算法(即在测定值中可选定正确数值并拟合成函数)。这种算法流程具体如图2所示。

图2. 算法流程图 Input:将光伏参数(PCE, Voc, Jsc, FF)输入至算法中。 Phase I:清除及过滤“异常值”来获取有效曲线(图3所示)。 Phase I I:完成Phase I 过程后,重新对Lifetime Markers测定。 Output:算法最后生成数据。

本文中,作者提出了一种新算法用于计算有机及杂化电池的寿命。详细介绍了电池寿命参数定义,影响寿命的干扰因素,算法结构;数据结果分析步骤与方法等。该算法由两部分组成,即:数据过滤及曲线拟合。数据过滤能够减少干扰因素的影响,数据拟合能够拟合各种寿命曲线从而精确地确定寿命参数。

最后作者对这种新算法的优缺点进行了讨论和总结,针对该算法的缺点,提出了三方面的优化,相信通过优化算法,能提供输入数据自动获取寿命参数的公共平台。

图3. Curve 1,对FF校正后的曲线。Curve 2,重复使用样品平均值及严格限定平均偏差后的曲线。Curve 3,没有除掉异常值的曲线。Curve 4,通过调整Hampel参数来适当过滤“异常值”“后的曲线。

总之,这种算法的缺点在于虽然能够自动检测拟合老化曲线,但在复杂情况下还需要人工控制最后的拟合曲线; 优势在于对比之前人们所考虑复杂的老化机制可显著减少数据处理时间。

相关研究工作发表在近期出版的Small Methods (DOI:10.1002/smtd.201700285)。