研究目的
为了证明遗传算法在优化太阳能电池层厚度方面比传统模拟中使用的参数扫描方法表现更优,能够实现更快且更精确的结果。
研究成果
遗传算法在优化太阳能电池层厚度方面显著优于暴力参数扫描法,具有更快的收敛速度且结果准确率达100%。最佳情况下所需模拟次数减少了60.84%。该研究凸显了遗传算法在精进太阳能电池结构优化流程中的潜力,并建议进一步探索自动化参数分配以实现更广泛的应用。
研究不足
该研究的模拟未考虑太阳能电池的实际户外运行情况,限制了优化厚度值在能量产出优化中的适用性。此外,遗传算法的性能依赖于初始化参数和选择方法,这可能需要手动调整。
1:实验设计与方法选择:
本研究采用遗传算法(GA)优化太阳能电池光学间隔层厚度,并将其效率与精度与暴力参数扫描法进行对比。该遗传算法基于达尔文进化与自然选择理论,通过适应度函数最大化FDTD模拟输出的短路电流密度(Jsc)。
2:样本选择与数据来源:
测试使用基于P3HT的太阳能电池结构,器件包含ITO、ZnO、P3HT:ICBA、MoOx和Al层,其中ZnO与MoOx作为光学间隔层。
3:实验设备与材料清单:
模拟采用Lumerical FDTD Solutions软件,材料包括氧化铟锡(ITO)、氧化锌(ZnO)、聚(3-己基噻吩)(P3HT):富勒烯C60双加成物(ICBA)、氧化钼(MoOx)及铝(Al)。
4:实验流程与操作步骤:
遗传算法从搜索空间(光学间隔层厚度)随机初始化种群,评估个体适应度(Jsc),按适应度分数选择亲代,通过交叉与变异繁殖子代,迭代至收敛至最优解。
5:数据分析方法:
比较遗传算法与暴力法在所需模拟次数及寻找最优层厚度精度上的表现,同时研究遗传算法内不同选择策略(随机、锦标赛、轮盘赌、育种者)与交叉方式(均匀、k点)。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容