CN105914257A - 一种基于数据分析的晶体硅电池生产过程监控方法 - Google Patents
一种基于数据分析的晶体硅电池生产过程监控方法 Download PDFInfo
- Publication number
- CN105914257A CN105914257A CN201610265033.8A CN201610265033A CN105914257A CN 105914257 A CN105914257 A CN 105914257A CN 201610265033 A CN201610265033 A CN 201610265033A CN 105914257 A CN105914257 A CN 105914257A
- Authority
- CN
- China
- Prior art keywords
- performance parameter
- production process
- parameter
- standard deviation
- subgroup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000007405 data analysis Methods 0.000 title claims abstract description 17
- 229910002026 crystalline silica Inorganic materials 0.000 title abstract 2
- 235000012239 silicon dioxide Nutrition 0.000 title abstract 2
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 21
- 229910052710 silicon Inorganic materials 0.000 claims description 23
- 239000010703 silicon Substances 0.000 claims description 23
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 20
- 239000013078 crystal Substances 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 7
- 229910052782 aluminium Inorganic materials 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- 239000002210 silicon-based material Substances 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 5
- 229910052581 Si3N4 Inorganic materials 0.000 claims description 4
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 claims description 4
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 claims description 4
- 239000002019 doping agent Substances 0.000 claims description 3
- 238000002161 passivation Methods 0.000 claims description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 2
- 229910004205 SiNX Inorganic materials 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 235000008216 herbs Nutrition 0.000 claims description 2
- 229910052739 hydrogen Inorganic materials 0.000 claims description 2
- 239000001257 hydrogen Substances 0.000 claims description 2
- 239000012535 impurity Substances 0.000 claims description 2
- 238000001465 metallisation Methods 0.000 claims description 2
- 238000005245 sintering Methods 0.000 claims description 2
- 210000002268 wool Anatomy 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000001186 cumulative effect Effects 0.000 claims 1
- 229910052751 metal Inorganic materials 0.000 claims 1
- 239000002184 metal Substances 0.000 claims 1
- 238000010924 continuous production Methods 0.000 abstract 1
- 238000003070 Statistical process control Methods 0.000 description 25
- 230000003287 optical effect Effects 0.000 description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910021419 crystalline silicon Inorganic materials 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
- H01L31/18—Processes or apparatus specially adapted for the manufacture or treatment of these devices or of parts thereof
- H01L31/1876—Particular processes or apparatus for batch treatment of the devices
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
- H01L31/18—Processes or apparatus specially adapted for the manufacture or treatment of these devices or of parts thereof
- H01L31/1804—Processes or apparatus specially adapted for the manufacture or treatment of these devices or of parts thereof comprising only elements of Group IV of the Periodic Table
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
一种基于数据分析的晶体硅电池生产过程监控方法，包括以下步骤：对连续生产得到的电池成品进行测试，测试得到的各性能参数分成复数个子组；第一步：计算每个子组各性能参数的标准偏差和/或观察各性能参数的频率分布图，标记出异常参数；并通过过程控制的SPC数据确定造成异常参数的生产过程并消除生产过程影响因素；第二步：计算各性能参数的变化比率，判定出影响电池成品异常参数标准偏差的主要因素；第三步：控制与所述主要因素相关的生产过程中的生产过程影响因素，提高电池成品性能的一致性；第四步：重复第二步及第三步，直至各性能参数的标准偏差为零。
Description
技术领域
本发明涉及晶体硅电池生产领域，尤其涉及一种基于数据分析的晶体硅电池生产过程监控方法。
背景技术
常规的化石燃料日益消耗殆尽，在所有的可持续能源中，太阳能无疑是一种最清洁、最普遍和最有潜力的替代能源。目前，在所有的太阳电池中，晶体硅太阳电池是得到大范围商业推广的太阳能电池之一，这是由于硅材料在地壳中有着极为丰富的储量，同时晶体硅太阳电池相比其他类型的太阳能电池有着优异的电学性能和机械性能，因此，晶体硅太阳电池在光伏领域占据着重要的地位。
晶体硅太阳能电池生产过程中，如果各项工艺或者设备状态稳定，生产获得的数据会呈现稳定的正态分布，可以利用稳定生产的正态分布数据特性，判定生产过程是否处于稳定状态，偏离正态分布则表明生产过程处于不稳定状态，需要人为干预让其回归稳定状态，保持生产的可控性以及最终电池成品的较高一致性。
通常生产过程会非常复杂，一般很难将所有可能对最终成品性能产生影响的生产过程数据全部列举出来， 另外过程数据采集可能会有较高的成本，比如晶体硅生产过程中的磷掺杂形成n+层，一般通过测试方阻大小确定总体掺杂浓度，但是相同的方阻之间可能有稍微不同的表面浓度Ns，表面掺杂浓度Ns会对最终电池光照特性下的I-V性能有影响，测试磷掺杂的表面浓度Ns需要昂贵的二次离子质谱（SIMS）设备。为了降低过程监控成本，我们通常只测试生产过程部分容易获得的数据。
现有的生产工艺或者设备的控制方法有统计过程监控Statistical Process Control (SPC), 但是各个过程监控相对独立，一般只对单独的过程监控数据进行分析，判断过程是否异常，这样无法稳定监控生产过程。
发明内容
本发明的目的在于提供一种将过程控制数据与电池成品数据建立相互关联的基于数据分析的晶体硅电池生产过程监控方法。
为达到上述目的，本发明采用的技术方案是：一种基于数据分析的晶体硅电池生产过程监控方法，对连续生产的电池成品进行测试，测试得到的性能参数分成复数个子组，包括以下步骤：
第一步：计算每个子组各性能参数的标准偏差或/和观察各性能参数的频率分布图判断生产过程是否异常，并通过过程控制的SPC数据确定造成异常参数的生产过程并消除生产过程影响因素；
判断依据为标准偏差时，将第M个子组的各性能参数的标准偏差与前N个子组各性能参数的标准偏差的平均值进行比较，若某一个性能参数或者多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值，则将该性能参数标记为异常参数，其中：
当1<M时，1≤N<M；
当M=1时，对应于各性能参数设置一初始标准偏差值，将第M个子组的各性能参数与对应的初始标准偏差值进行比较；
判断依据为频率分布图时，若某一性能参数的频率分布偏离正态分布，则将该性能参数标记为异常参数；
判断依据为标准偏差和频率分布时，当第M个子组的某一个性能参数或多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值或/和频率分布偏离正态分布，则将该性能参数标记为异常参数；
第二步：确定影响电池成品异常参数标准偏差的主要因素；
定义变化比率=标准偏差/算数平均值；
如果第一步中通过SPC数据不能完全消除生产过程影响因素，所述变化比率是指剔除异常参数的频率分布中两端分布的异常数据，计算剔除异常数据后子组内各性能参数的变化比率；
如果第一步中通过SPC数据已经完全消除生产过程影响因素，则不需要剔除异常参数，计算子组内各性能参数的变化比率；
2-1、比较没有异常数据的子组内各影响异常参数的性能参数的变化比率，变化比率最大的性能参数判定为影响电池成品异常参数标准偏差的主要因素；
2-2、如果所述主要因素能够分解为下一级多个子性能参数，进一步比较各子性能参数的变化比率，将变化比率最大的子性能参数作为新的主要因素；
2-3、重复步骤2-2，直至所述主要因素不能分解为下一级多个子性能参数为止；
第三步：控制与所述主要因素相关的生产过程中影响因素，提高电池成品性能的一致性；
第四步：重复第二步及第三步，直至各性能参数的标准偏差为零。
上述方案中，所述电池成品的性能参数通过I-V测试、Suns-Voc测试、PL测试及EL测试中的任意一种测试方法获得。
上述方案中，所述电池成品的性能参数通过I-V测试方法获得，性能参数包括电池光电转化效率、电池开路电压、电池短路电流、填充因子、串联电阻、并联电阻、反向漏电流，其中：电池光电转化效率定义为一级性能参数，电池开路电压、电池短路电流和填充因子定义为次级子性能参数，串联电阻、并联电阻、反向漏电流定义为第三级子性能参数。
优选地，与所述电池开路电压相关的生产过程影响因素包括扩散层方块电阻大小，均匀性，以及杂质的掺杂分布；PECVD 氮化硅质量，即SiNx/Si 界面以及氢钝化效果；铝背场质量；硅材料质量，即少子寿命高低；正电极金属化面积，烧穿漏电，并联电阻, 反向漏电流。
优选地，与所述电池短路电流相关的生产过程影响因素包括硅材料质量，即少子寿命；制绒质量；扩散层方块电阻大小，均匀性；PECVD 氮化硅厚度，均匀性；正电极；铝背场。
优选地，与所述填充因子有关的生产过程影响因素包括：正电极金属化；扩散层方块电阻大小，均匀性；背电极以及背铝质量。
上述方案中，当10<M时，9<N<M。
优选地，当10<M时，N=10。
上述方案中，剔除异常参数的频率分布中分布在0~5%及95%以外的异常数据。
上述方案中，每个子组中各性能参数包含800~10000个电池成品的性能参数值。
上述方案中，所述“过程控制的SPC数据”通过现有技术统计过程控制获得，统计过程控制是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
上述技术方案中，所述“通过SPC数据不能完全消除生产过影响因素”的意思是，生产过程影响因素没有全部在SPC的监控中，通过对SPC数据的监控及调整不能完全消除生产过程影响因素；所述“通过SPC数据已经完全消除生产过程影响因素”的意思是，生产过程影响因素全部在SPC的监控中，通过对SPC数据的监控及调整可以完全消除生产过程影响因素。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：
1．本发明通过在线即时地对可以连续测试的电池成品的性能参数进行分析，判断影响电池成品性能稳定或成品性能较高一致性的可能生产过程，再结合生产过程中影响电池成品异常参数标准偏差的主要因素，寻找到生产过程中影响因素，从而消除不稳定生产过程或者进一步改进现有的过程，可以监控到现有的SPC监控方法没有监控到的生产过程影响因素；
2. 本发明对电池成品的性能参数与生产过程建立相互关联的分析，从而更有效地控制以及改进电池生产过程；
3. 本发明中由于每片电池成品都会进行测试，采集到的性能参数的数据非常全面，而SPC的监控数据可能只是抽测，所以分析得到的结果也比SPC监控方法更加准确；同时也能对SPC系统没有监控到的数据进行分析，消除过程影响因素更加全面；
4. 本发明给出的结论是生产过程中的可能影响电池成品性能的生产过程影响因素，而不是SPC给出的其监控的生产过程是否异常的简单结论，本发明更有助于控制及改进电池生产过程。
具体实施方式
下面结合实施例对本发明作进一步描述：
实施例一：
一种基于数据分析的晶体硅电池生产过程监控方法，对连续生产的电池成品进行测试，测试得到的性能参数分成复数个子组，每个子组中各性能参数包含1500个电池成品的性能参数值，实际应用中，每个子组内电池成品性能参数值的数量可以为800-10000中的任意数值，如1000、2000、5000等；包括以下步骤：
第一步：计算每个子组各性能参数的标准偏差判断生产过程是否异常，并通过过程控制的SPC数据确定造成异常参数的生产过程并消除生产过程影响因素；
判断依据为标准偏差时，将第M个子组的各性能参数的标准偏差与前N个子组各性能参数的标准偏差的平均值进行比较，若某一个性能参数或者多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值，则将该性能参数标记为异常参数，其中：
当1<M时，1≤N<M；当M=1时，对应于各性能参数设置一初始标准偏差值，将第M个子组的各性能参数与对应的初始标准偏差值进行比较；
如：第2个子组的各性能参数的标准偏差与第1个子组各性能参数的标准偏差比较，第5个子组的各性能参数的标准偏差与前2个、3个或4个子组个性能参数的标准偏差的平均值进行比较，第11个子组的各性能参数的标准偏差与前10个子组（即第1~10个子组）各性能参数的标准偏差的平均值进行比较，第15个子组的各性能参数的标准偏差与前10个子组（即第5~14个子组）各性能参数的标准偏差的平均值进行比较，以此类推，N值可根据实际需要设定为8、9、11、12、20等其他数值；
在实际应用中，也可以依据标准偏差和频率分布图或者仅依据频率分布图来标记异常参数；
判断依据为频率分布图时，若某一性能参数的频率分布偏离正态分布，则将该性能参数标记为异常参数；
判断依据为标准偏差和频率分布时，当第M个子组的某一个性能参数或多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值或/和频率分布偏离正态分布，则将该性能参数标记为异常参数；当判断依据为标准偏差或频率分布图都无法标记出异常参数时，需要结合标准偏差和频率分布图来标记异常参数。
第二步：确定影响电池成品异常参数标准偏差的主要因素；
定义变化比率=标准偏差/算数平均值；
如果第一步中通过SPC数据不能完全消除生产过程影响因素，所述变化比率是指剔除异常参数的频率分布中两端分布的异常数据，计算剔除异常数据后子组内各性能参数的变化比率；
如果第一步中通过SPC数据已经完全消除生产过程影响因素，则不需要剔除异常参数，计算子组内各性能参数的变化比率；
2-1、比较没有异常数据的子组内各影响异常参数的性能参数的变化比率，变化比率最大的性能参数判定为影响电池成品异常参数标准偏差的主要因素；
2-2、如果所述主要因素能够分解为下一级多个子性能参数，进一步比较各子性能参数的变化比率，将变化比率最大的子性能参数作为新的主要因素；
2-3、重复步骤2-2，直至所述主要因素不能分解为下一级多个子性能参数为止；
第三步：控制与所述主要因素相关的生产过程中影响因素，提高电池成品性能的一致性；
第四步：重复第二步及第三步，直至各性能参数的标准偏差为零。
上述第二步和第三步中：所述电池成品的性能参数通过I-V测试方法获得，性能参数包括电池光电转化效率、电池开路电压、电池短路电流、填充因子、串联电阻、并联电阻、反向漏电流，其中：电池光电转化效率定义为一级性能参数，电池开路电压、电池短路电流和填充因子定义为次级子性能参数，串联电阻、并联电阻、反向漏电流定义为第三级子性能参数。
以电池成品的性能参数电池光电转化效率为例：
EFF=Pmp/Pin=Ump*Imp/Pin=Uoc*Isc*FF/Pin；
式（1）
其中FF=（Ump*Imp）/（Uoc*Isc）；
式（2）
在式（1）和式（2）中：EFF为电池光电转化效率，Pmp为电池峰值功率，Pin为入射光功率，Ump为电池峰值功率处电压，Imp为电池峰值功率处电流，Uoc为电池开路电压，Isc为电池短路电流，FF为填充因子。
若计算出电池光电转化效率的标准偏差过大，或者电池光电转化效率偏离正态分布，则判定电池光电转化效率为异常参数，通过过程控制的SPC数据确定造成异常参数的生产过程；
由式（1）可知，电池光电转化效率与电池峰值功率及入射光功率有关，计算异常参数所在的子组内电池峰值功率及入射光功率的变化比率，比较电池峰值功率及入射光功率的变化比率；
若电池峰值功率的变化比率大于入射光功率的变化比率，则判定电池峰值功率为影响电池光电转化效率标准偏差的主要因素；
由式（1）可知，电池峰值功率与电池开路电压、电池短路电流及填充因子有关，计算电池开路电压、电池短路电流及填充因子的变化比率，比较电池开路电压、电池短路电流及填充因子的变化比率，若填充因子的变化比率最大，则将填充因子作为新主要因素；
而I-V测试获得各性能参数，次级参数FF受到第三级参数Rs (串联电阻)， Rsh(并联电阻)，Irev(反向漏电流)的影响，计算并比较第三级参数Rs, Rsh, Irev的变化比率大小， 若Rs的变化比率最大，则将Rs作为新的主要因素。
排查生产过程中影响Rs的主要因素，与上述Rs相关的生产过程影响因素包括：硅片电阻率大小，扩散层方块电阻大小，方块电阻均匀性，扩散层表面浓度大小， 烧结炉温度曲线是否异常。
结合生产过程监控的SPC数据，逐个排查，SPC监控数据波动最大的可以作为影响Rs的主要因素，如发现硅片电阻率波动最大，可能为最重要的生产过程影响因素，然后缩小硅片电阻率上下控制线，再观察验证确认Rs的变化比率变小。
Claims (10)
1.一种基于数据分析的晶体硅电池生产过程监控方法，对连续生产的电池成品进行测试，测试得到的性能参数分成复数个子组，其特征在于：包括以下步骤：
第一步：计算每个子组各性能参数的标准偏差或/和观察各性能参数的频率分布图判断生产过程是否异常，并通过过程控制的SPC数据确定造成异常参数的生产过程并消除生产过程影响因素；
判断依据为标准偏差时，将第M个子组的各性能参数的标准偏差与前N个子组各性能参数的标准偏差的平均值进行比较，若某一个性能参数或者多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值，则将该性能参数标记为异常参数，其中：
当1<M时，1≤N<M；
当M=1时，对应于各性能参数设置一初始标准偏差值，将第M个子组的各性能参数与对应的初始标准偏差值进行比较；
判断依据为频率分布图时，若某一性能参数的频率分布偏离正态分布，则将该性能参数标记为异常参数；
判断依据为标准偏差和频率分布时，当第M个子组的某一个性能参数或多个性能参数的标准偏差大于前N个子组对应性能参数标准偏差的平均值或/和频率分布偏离正态分布，则将该性能参数标记为异常参数；
第二步：确定影响电池成品异常参数标准偏差的主要因素；
定义变化比率=标准偏差/算数平均值；
如果第一步中通过SPC数据不能完全消除生产过程影响因素，所述变化比率是指剔除异常参数的频率分布中两端分布的异常数据，计算剔除异常数据后子组内各性能参数的变化比率；
如果第一步中通过SPC数据已经完全消除生产过程影响因素，则不需要剔除异常参数，计算子组内各性能参数的变化比率；
2-1、比较没有异常数据的子组内各影响异常参数的性能参数的变化比率，变化比率最大的性能参数判定为影响电池成品异常参数标准偏差的主要因素；
2-2、如果所述主要因素能够分解为下一级多个子性能参数，进一步比较各子性能参数的变化比率，将变化比率最大的子性能参数作为新的主要因素；
2-3、重复步骤2-2，直至所述主要因素不能分解为下一级多个子性能参数为止；
第三步：控制与所述主要因素相关的生产过程中的影响因素，提高电池成品性能的一致性；
第四步：重复第二步及第三步，直至各性能参数的标准偏差为零。
2.根据权利要求1所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：所述生产过程中连续测试的电池成品的性能参数通过I-V测试、Suns-Voc测试、PL测试及EL测试中的任意一种测试方法获得。
3.根据权利要求2所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：所述电池成品的性能参数通过I-V测试方法获得，性能参数包括电池光电转化效率、电池开路电压、电池短路电流、填充因子、串联电阻、并联电阻、反向漏电流，其中：电池光电转化效率定义为一级性能参数，电池开路电压、电池短路电流和填充因子定义为次级子性能参数，串联电阻、并联电阻、反向漏电流定义为第三级子性能参数。
4.根据权利要求3所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：与所述电池开路电压相关的生产过程影响因素包括扩散层方块电阻大小，扩散均匀性，以及杂质的掺杂分布；PECVD 氮化硅质量，即SiNx/Si 界面钝化以及氢钝化效果；铝烧结形成的p+背场质量；硅材料质量，即少子寿命高低；正电极金属化图形以及烧结条件，即发射极金属接触复合大小，烧穿漏电，并联电阻, 反向漏电流。
5.根据权利要求3所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：与所述电池短路电流相关的生产过程影响因素包括硅材料质量，即少子寿命；制绒质量，即绒面发射大小；扩散层方块电阻大小，均匀性；PECVD 氮化硅厚度，均匀性；正电极；铝背场。
6.根据权利要求3所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：与所述填充因子有关的生产过程影响因素包括正电极金属化；扩散层方块电阻大小，均匀性；背电极以及背铝质量。
7.根据权利要求1所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：当10<M时，9<N<M。
8.根据权利要求7所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：当10<M时，N=10。
9.根据权利要求1所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：剔除异常参数的频率分布的累积分布在0~5%和95%~100%以外的异常数据。
10.根据权利要求1所述的基于数据分析的晶体硅电池生产过程监控方法，其特征在于：每个子组包含800~10000片电池成品的性能参数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265033.8A CN105914257B (zh) | 2016-04-26 | 2016-04-26 | 一种基于数据分析的晶体硅电池生产过程监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265033.8A CN105914257B (zh) | 2016-04-26 | 2016-04-26 | 一种基于数据分析的晶体硅电池生产过程监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105914257A true CN105914257A (zh) | 2016-08-31 |
| CN105914257B CN105914257B (zh) | 2017-08-25 |
Family
ID=56752774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610265033.8A Active CN105914257B (zh) | 2016-04-26 | 2016-04-26 | 一种基于数据分析的晶体硅电池生产过程监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105914257B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108039328A (zh) * | 2017-12-12 | 2018-05-15 | 浙江晶科能源有限公司 | 一种晶硅太阳能电池的失效分析方法 |
| CN109712905A (zh) * | 2018-12-29 | 2019-05-03 | 苏州阿特斯阳光电力科技有限公司 | 太阳能电池片的双面率异常分析方法 |
| CN109828545A (zh) * | 2019-02-28 | 2019-05-31 | 武汉三工智能装备制造有限公司 | Ai智能过程异常识别闭环控制方法、主机及装备系统 |
| CN110457373A (zh) * | 2019-08-19 | 2019-11-15 | 东软睿驰汽车技术（沈阳）有限公司 | 一种隐性因素的确定方法、装置、存储介质及电子设备 |
| CN114843369A (zh) * | 2022-04-28 | 2022-08-02 | 晶科能源(海宁)有限公司 | 一种太阳能电池制备工艺的监控方法 |
| CN115697027A (zh) * | 2022-10-20 | 2023-02-03 | 合肥本源量子计算科技有限责任公司 | 一种约瑟夫森结的制备方法、量子电路、量子芯片 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010110365A1 (ja) * | 2009-03-26 | 2010-09-30 | シャープ株式会社 | 要因分析装置および要因分析方法 |
| CN104158216A (zh) * | 2014-08-19 | 2014-11-19 | 四川省科本哈根能源科技有限公司 | 一种太阳能和风能综合发电系统 |
-
2016
- 2016-04-26 CN CN201610265033.8A patent/CN105914257B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010110365A1 (ja) * | 2009-03-26 | 2010-09-30 | シャープ株式会社 | 要因分析装置および要因分析方法 |
| CN104158216A (zh) * | 2014-08-19 | 2014-11-19 | 四川省科本哈根能源科技有限公司 | 一种太阳能和风能综合发电系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108039328A (zh) * | 2017-12-12 | 2018-05-15 | 浙江晶科能源有限公司 | 一种晶硅太阳能电池的失效分析方法 |
| CN108039328B (zh) * | 2017-12-12 | 2020-08-07 | 浙江晶科能源有限公司 | 一种晶硅太阳能电池的失效分析方法 |
| CN109712905A (zh) * | 2018-12-29 | 2019-05-03 | 苏州阿特斯阳光电力科技有限公司 | 太阳能电池片的双面率异常分析方法 |
| CN109828545A (zh) * | 2019-02-28 | 2019-05-31 | 武汉三工智能装备制造有限公司 | Ai智能过程异常识别闭环控制方法、主机及装备系统 |
| CN109828545B (zh) * | 2019-02-28 | 2020-09-11 | 武汉三工智能装备制造有限公司 | Ai智能过程异常识别闭环控制方法、主机及装备系统 |
| CN110457373A (zh) * | 2019-08-19 | 2019-11-15 | 东软睿驰汽车技术（沈阳）有限公司 | 一种隐性因素的确定方法、装置、存储介质及电子设备 |
| CN110457373B (zh) * | 2019-08-19 | 2022-08-05 | 东软睿驰汽车技术（沈阳）有限公司 | 一种隐性因素的确定方法、装置、存储介质及电子设备 |
| CN114843369A (zh) * | 2022-04-28 | 2022-08-02 | 晶科能源(海宁)有限公司 | 一种太阳能电池制备工艺的监控方法 |
| CN115697027A (zh) * | 2022-10-20 | 2023-02-03 | 合肥本源量子计算科技有限责任公司 | 一种约瑟夫森结的制备方法、量子电路、量子芯片 |
| CN115697027B (zh) * | 2022-10-20 | 2024-05-07 | 本源量子计算科技（合肥）股份有限公司 | 一种约瑟夫森结的制备方法、量子电路、量子芯片 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105914257B (zh) | 2017-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105914257A (zh) | 一种基于数据分析的晶体硅电池生产过程监控方法 | |
| Stodolny et al. | n-Type polysilicon passivating contact for industrial bifacial n-type solar cells | |
| Fell et al. | Modeling edge recombination in silicon solar cells | |
| Deng et al. | 22.61% efficient fully screen printed PERC solar cell | |
| CN111416572B (zh) | 一种太阳电池组件电性能的判别方法 | |
| CN108267639B (zh) | 一种基于交流阻抗测试的太阳能电池并联电阻的测量方法 | |
| Liao et al. | Atomic scale controlled tunnel oxide enabled by a novel industrial tube‐based PEALD technology with demonstrated commercial TOPCon cell efficiencies> 24% | |
| CN106998190B (zh) | 一种光伏方阵串并联失配损失分析方法 | |
| CN113539871A (zh) | 一种链式pecvd镀膜工艺稳定性的检测方法 | |
| CN111370341B (zh) | 晶体硅电池界面复合速率的测试方法 | |
| Onno et al. | Electron and hole partial specific resistances: a framework to understand contacts to solar cells | |
| US10027278B2 (en) | Characterization of substrate doping and series resistance during solar cell efficiency measurement | |
| CN103018564B (zh) | 一种测试成品电池片扩散层电阻的方法 | |
| Liao et al. | Tube‐type plasma‐enhanced atomic layer deposition of aluminum oxide: Enabling record lab performance for the industry with demonstrated cell efficiencies> 24% | |
| Abbott et al. | Simulation of emitter doping profiles formed by industrial POCl 3 processes | |
| Roth et al. | In-depth analysis of transient errors of inline IV measurements | |
| CN107271916B (zh) | 一种电池板组串健康状态检测方法 | |
| CN114184927A (zh) | 晶闸管寿命评估方法 | |
| CN106449455A (zh) | 一种晶体硅太阳能电池扩散死层的测试方法 | |
| CN105242143A (zh) | 基于多时段精密测量单元数据状态估计不良数据修正方法 | |
| Padhamnath et al. | Design and development of front and back contact solar cells with selective poly-Si passivating contact on the front and local Al contact on the rear | |
| CN110868155A (zh) | 一种光伏组串匹配损失的测量方法 | |
| CN104977519A (zh) | 一种测试器件热载流子注入效应的方法 | |
| CN103995190A (zh) | 架空导线载流量试验方法 | |
| CN108039328A (zh) | 一种晶硅太阳能电池的失效分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201224 Address after: 224000 No.66 Huangpujiang Road, Yancheng Economic and Technological Development Zone, Jiangsu Province Patentee after: YANCHENG ARTES SUNSHINE ENERGY TECHNOLOGY Co.,Ltd. Address before: No. 199, deer mountain road, Suzhou high tech Zone, Jiangsu Province Patentee before: CSI Cells Co.,Ltd. |
|
| TR01 | Transfer of patent right |