CN108269692A - 预测染料敏化太阳能电池性能的方法和装置 - Google Patents
预测染料敏化太阳能电池性能的方法和装置 Download PDFInfo
- Publication number
- CN108269692A CN108269692A CN201810142282.7A CN201810142282A CN108269692A CN 108269692 A CN108269692 A CN 108269692A CN 201810142282 A CN201810142282 A CN 201810142282A CN 108269692 A CN108269692 A CN 108269692A
- Authority
- CN
- China
- Prior art keywords
- modifying factor
- density
- dye
- substrate
- wavelength
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000000758 substrate Substances 0.000 claims abstract description 84
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 68
- 230000001235 sensitizing effect Effects 0.000 claims abstract description 68
- 238000006243 chemical reaction Methods 0.000 claims abstract description 52
- 230000014509 gene expression Effects 0.000 claims abstract description 37
- 238000005286 illumination Methods 0.000 claims abstract description 35
- 238000011002 quantification Methods 0.000 claims abstract description 30
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 239000003792 electrolyte Substances 0.000 claims description 27
- 238000002474 experimental method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 239000000975 dye Substances 0.000 description 71
- 230000008569 process Effects 0.000 description 10
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 206010070834 Sensitisation Diseases 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000008313 sensitization Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- ODHXBMXNKOYIBV-UHFFFAOYSA-N triphenylamine Chemical compound C1=CC=CC=C1N(C=1C=CC=CC=1)C1=CC=CC=C1 ODHXBMXNKOYIBV-UHFFFAOYSA-N 0.000 description 4
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 2
- 239000004408 titanium dioxide Substances 0.000 description 2
- 239000011787 zinc oxide Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000008151 electrolyte solution Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 235000011164 potassium chloride Nutrition 0.000 description 1
- 239000001103 potassium chloride Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01G—CAPACITORS; CAPACITORS, RECTIFIERS, DETECTORS, SWITCHING DEVICES, LIGHT-SENSITIVE OR TEMPERATURE-SENSITIVE DEVICES OF THE ELECTROLYTIC TYPE
- H01G9/00—Electrolytic capacitors, rectifiers, detectors, switching devices, light-sensitive or temperature-sensitive devices; Processes of their manufacture
- H01G9/20—Light-sensitive devices
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/542—Dye sensitized solar cells
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Hybrid Cells (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供一种预测染料敏化太阳能电池性能的方法和装置。该方法包括：对染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率。对染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子。根据太阳光的各波长光能量密度、各波长光捕获率和第一修正因子，确定短路电流密度。根据第二修正因子、短路电流密度、第一修正因子、基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式。根据输出电流和输出电压V的关系表达式和第三修正因子，得到修正后的最大功率。根据修正后的最大功率和太阳光的光照强度，确定第一能量转换效率。本发明从能级表征的角度精确预测染料敏化太阳能电池的性能。
Description
技术领域
本发明涉及太阳能电池技术领域，尤其涉及一种预测染料敏化太阳能电池性能的方法和装置。
背景技术
太阳能是一种可再生能源，研发太阳能电池通过光电转换技术将太阳能转换为电能是太阳能最有效的利用方式之一。染料敏化太阳能电池(Dye Sensitized Solar Cell，DSSC)由于原材料丰富、生产成本低、制备工艺简单，可大批量生产和环境友好等优点，在工业生产和科学研究等领域中具有良好的应用前景和较大的市场优势。
由于DSSC的性能决定DSSC的成本、DSSC的质量、材料消耗、辅助设施等许多因素，因此，DSSC的性能可以被准确预测是至关重要的。其中，DSSC的性能参数主要包括：开路电压、短路电流密度、输出电流和输出电压的特性曲线、填充因子、能量转换效率等。
现有技术中通常从时间的角度来表征DSSC的性能。其中，所涉及的过程包含的时间量有：光子的吸收、激发跃迁、电子转移、电子注入、电子复合等过程的时间量。然而，由于这些时间量多数为飞秒级或皮秒级的量，因此，现有技术很难精确计算出所有过程中的时间量。因此，现亟需一种能够准确预测DSC性能的方法。
发明内容
本发明提供一种预测染料敏化太阳能电池性能的方法和装置，以解决现有技术从时间的角度出发而无法精准预测染料敏化太阳能电池性能的问题。
第一方面，本发明提供一种预测染料敏化太阳能电池性能的方法，包括：
对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率；
对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子；
根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度；
根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式；
根据所述输出电流和输出电压的关系表达式和所述第三修正因子，得到修正后的最大功率；
根据所述修正后的最大功率和所述太阳光的光照强度，确定第一能量转换效率。
可选地，所述对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率，包括：
对所述染料敏化剂进行太阳光光照量化处理，并根据如下公式(1)得到所述各波长光捕获率：
LHE(λ)＝∫ε(λ)·ρ·dx·e-ε(λ)ρx 公式(1)；
其中，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，ε(λ)为波长为λ的光谱，ρ为所述染料敏化剂的载荷，x为所述基底的厚度。
可选地，所述对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子，包括：
对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，并根据如下公式(2)得到所述第一修正因子，根据如下公式(3)得到所述第二修正因子，根据如下公式(4)得到所述第三修正因子：
其中，Kjsc为所述第一修正因子，Kvoc为所述第二修正因子，Kpmax为所述第三修正因子，L为所述染料敏化剂的最低无占据能级，H为所述染料敏化剂的最高占据能级，Er为所述电解质的氧化还原电势，Ec为所述基底的导带底能级，Edd为所述基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级。
可选地，所述根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度，包括：
根据如下公式(5)得到所述短路电流密度：
其中，Jsc为所述短路电流密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，e为元电荷，Kjsc为所述第一修正因子；
所述根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式，包括：
根据如下公式(6)得到所述输出电流和输出电压的关系表达式：
其中，V为所述输出电压，I为所述输出电流，Kvoc为所述第二修正因子，kB为波尔兹曼常数，T0＝350K为所述温度常数，e为元电荷，Jsc为所述短路电流密度，Kjsc为所述第一修正因子，hbase为所述基底的厚度，Nc为所述基底的导带态密度，kv＝9×1016为所述修正常数。
可选地，所述根据所述修正后的最大功率和太阳光的光照强度，确定第一能量转换效率，包括：
根据如下公式(7)得到所述第一能量转换效率：
其中，η为所述第一能量转换效率，Pmax′＝Pmax·Kpmax，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Kpmax为所述第三修正因子。
可选地，所述确定模块32，还用于根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压。
可选地，还包括：
根据如下公式(8)得到所述光电子密度和所述等效光电子密度：
其中，nc为所述光电子密度，nc′为所述等效光电子密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，hbase为所述基底的厚度；
所述根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压，包括：
根据如下公式(9)得到所述开路电压：
其中，Voc为所述开路电压，kB为波尔兹曼常数，T0＝350K为所述温度常数，nc′为所述等效光电子密度，Nc为所述基底的导带态密度，e为元电荷，T为所述工作温度，nc为所述光电子密度，Kvoc为所述第二修正因子。
可选地，还包括：
根据如下公式(10)得到理论填充因子：
其中，FF′为所述理论填充因子，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Jsc为所述短路电流密度，Voc为所述开路电压。
可选地，还包括：
根据如下公式(11)得到第二能量转换效率：
其中，η′为所述第二能量转换效率，Jsc为所述短路电流密度，Voc为所述开路电压，Pinj为所述太阳光的光照强度，FF为试验填充因子。
第二方面，本发明提供一种预测染料敏化太阳能电池性能的装置，包括：
处理模块，用于对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率；
所处理模块，还用于对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子；
确定模块，用于根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度；
所述确定模块，还用于根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式；
所述确定模块，还用于根据所述输出电流和输出电压的关系表达式和所述第三修正因子，得到修正后的最大功率；
所述确定模块，还用于根据所述修正后的最大功率和所述太阳光的光照强度，确定第一能量转换效率。
可选地，所述确定模块，用于对所述染料敏化剂进行太阳光光照量化处理，并根据如下公式(1)得到所述各波长光捕获率：
LHE(λ)＝∫ε(λ)·ρ·dx·e-ε(λ)ρx 公式(1)；
其中，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，ε(λ)为波长为λ的光谱，ρ为所述染料敏化剂的载荷，x为所述基底的厚度。
可选地，所述确定模块，用于对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，并根据如下公式(2)得到所述第一修正因子，根据如下公式(3)得到所述第二修正因子，根据如下公式(4)得到所述第三修正因子：
其中，Kjsc为所述第一修正因子，Kvoc为所述第二修正因子，Kpmax为所述第三修正因子，L为所述染料敏化剂的最低无占据能级，H为所述染料敏化剂的最高占据能级，Er为所述电解质的氧化还原电势，Ec为所述基底的导带底能级，Edd为所述基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级。
可选地，所述确定模块，用于根据如下公式(5)得到所述短路电流密度：
其中，Jsc为所述短路电流密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，e为元电荷，Kjsc为所述第一修正因子；
所述确定模块，用于根据如下公式(6)得到所述输出电流和输出电压的关系表达式：
其中，V为所述输出电压，I为所述输出电流，Kvoc为所述第二修正因子，kB为波尔兹曼常数，T0＝350K为所述温度常数，e为元电荷，Jsc为所述短路电流密度，Kjsc为所述第一修正因子，hbase为所述基底的厚度，Nc为所述基底的导带态密度，kv＝9×1016为所述修正常数。
可选地，所述确定模块，用于根据如下公式(7)得到所述第一能量转换效率：
其中，η为所述第一能量转换效率，Pmax′＝Pmax·Kpmax，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Kpmax为所述第三修正因子。
可选地，所述确定模块，还用于根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压。
可选地，所述确定模块，还用于根据如下公式(8)得到所述光电子密度和所述等效光电子密度：
其中，nc为所述光电子密度，nc′为所述等效光电子密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，hbase为所述基底的厚度；
所述确定模块，用于根据如下公式(9)得到所述开路电压：
其中，Voc为所述开路电压，kB为波尔兹曼常数，T0＝350K为所述温度常数，nc′为所述等效光电子密度，Nc为所述基底的导带态密度，e为元电荷，T为所述工作温度，nc为所述光电子密度，Kvoc为所述第二修正因子。
可选地，所述确定模块，还用于根据如下公式(10)得到理论填充因子：
其中，FF′为所述理论填充因子，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Jsc为所述短路电流密度，Voc为所述开路电压。
可选地，所述确定模块，还用于根据如下公式(11)得到第二能量转换效率：
其中，η′为所述第二能量转换效率，Jsc为所述短路电流密度，Voc为所述开路电压，Pinj为所述太阳光的光照强度，FF为试验填充因子。
本发明提供的预测染料敏化太阳能电池性能的方法和装置，通过对染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率。再对染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子。接着，根据太阳光的各波长光能量密度、各波长光捕获率和第一修正因子，确定短路电流密度。根据第二修正因子、短路电流密度、第一修正因子、基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式。根据输出电流和输出电压的关系表达式和第三修正因子，得到修正后的最大功率。最后，根据修正后的最大功率和太阳光的光照强度，确定第一能量转换效率。本发明解决了现有技术无法精准预测染料敏化太阳能电池性能的问题，实现了根据能级参数精准预测染料敏化太阳能电池性能的过程，减少了经验值或假定值的参考，提供了制备染料敏化太阳能电池的理论支撑，能够节省成本且提高电池质量，减少材料和辅助设备的消耗。
附图说明
图1为本发明提供的预测染料敏化太阳能电池性能的方法的流程图；
图2为本发明提供的基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级Edd的示意图；
图3为本发明提供的预测染料敏化太阳能电池性能的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
首先，下面对本发明实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
1、染料敏化太阳能电池DSSC主要包括：纳米多孔半导体薄膜、染料敏化剂、电解质、对电极和基底等。其中，纳米多孔半导体薄膜通常为金属氧化物(如二氧化钛TiO2、氧化锡SnO2、氧化锌ZnO等)，聚集在有透明导电膜的玻璃板上作为DSSC的负极。对电极作为还原催化剂，通常在带有透明导电膜的玻璃板上镀铂。染料敏化剂吸附在纳米多孔半导体薄膜面上。正负极间填充的是含有氧化还原电对的电解质，最常用的是氯化钾KCl。
2、开路电压，是指电路处于开路时DSSC的输出电压。开路电压是DSSC的重要性能参数，能够表征DSSC的电压输出能力。要提高DSSC的光电性能，就要有高的开路电压。
3、短路电流密度，是指DSSC处于短接状态下，流经DSSC的电流大小。短路电流密度是DSSC的重要性能参数，能够表征DSSC所能提供的最大电流。要提高DSSC的光电性能，就要有高的短路电流密度。
4、输出电流和输出电压的特性曲线能够判断DSSC的输出特性。
5、填充因子，是指DSSC在最大输出功率时的输出电流和输出电压的乘积与短路电流密度和开路电压乘积的比值。填充因子能够表征因由DSSC内部阻抗而导致的能量损失。
6、能量转换效率，是指DSSC在外部回路上得到最大输出功率时的光电转换效率。由于太阳光不是单色光，包括了整个波长，因此，通常能量转换效率定义为DSSC的最大输出功率与入射光强度之比。另外，能量转换效率也可以用单色光电转化效率(monochromaticincident photon-to-electron conversion efficiency，IPCE)来衡量其量子效率，IPCE定义为单位时间内外电路中产生的电子数Ne与单位时间内入射单色光电子数Np之比。
现有技术中，在所涉及的时间量通常采用经验值或假定值(往往不是定值)时，其适用范围往往受到局限。在所涉及的时间量不采用经验值或假定值(往往不是定值)时，其计算结果往往与实验结果相差非常大。
例如，利用时间量通过如下公式计算短路电流密度：
其中，φinj是电子(从染料敏化剂到基底的)注入效率，ηreg是染料敏化剂(被氧化还原电对还原，即被电解质溶液还原)再生效率，ηcoll是电子收集效率。τinj是电子注入时间，τrelax是染料敏化剂激发态的电子弛豫时间，τtrans是电子(从基底的导带到电极的)转移时间，τrec是电子复合时间。
目前，τrelax和τtrans理论上不能准确计算出来，且ηreg没有理论计算方法，需采用经验值或假定值。这样，采用现有技术是无法准确预测DSSC的性能的。因此，为了解决上述问题，本实施例提供的预测DSSC的性能的方法可从能级的角度准确预测DSSC的性能，为预测DSSC的性能提供高精度和高适用性的保障。且本实施例的方法能够广泛应用在航天航空、建筑产业、电子产业、生活家居等领域。
下面，通过具体实施例，对预测染料敏化太阳能电池性能的方法的具体过程进行详细说明。
图1为本发明提供的预测染料敏化太阳能电池性能的方法的流程图，图2为本发明提供的基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级Edd的示意图。如图1所示，本实施例的方法可以包括：
S101、对染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率。
具体地，染料敏化剂的性能可以直接影响到DSSC的能量转换效率。且在DSSC中，染料敏化剂起着收集能量的作用，类似于叶绿素和胡萝卜素在自然界光合作用中起到的作用一样。因此，本实施例可对任一种染料敏化剂利用量子化学软件(如高斯软件)进行太阳光光照量化处理，具体可利用量子化学软件模拟不同波长的光同时对染料敏化剂光照处理，进而再根据染料敏化剂的参数来确定各波长光捕获率。其中，在实际计算过程中，可采用紫外光和红外光作为太阳光进行量化计算。
可选地，对染料敏化剂进行太阳光光照量化处理，并根据通过如下公式(1)得到各波长光捕获率：
LHE(λ)＝∫ε(λ)·ρ·dx·e-ε(λ)ρx 公式(1)；
其中，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，ε(λ)为波长为λ的光谱，ρ为所述染料敏化剂的载荷，x为所述基底的厚度。
具体地，通过量子化学软件模拟出太阳光穿透染料敏化剂后，每个波长的光的光能会被染料敏化剂所吸收，可以理论计算出太阳光中各波长的光谱ε(λ)，即不同波长下，染料敏化剂中每摩尔分子吸收能量的分布图。接着，结合公式(1)，得到各波长光捕获率LHE(λ)。各波长光捕获率LHE(λ)能够表征太阳光中各波长光是否穿透染料敏化剂且能够穿透染料敏化剂的能量大小，对后续计算过程提高保证，同时减少了经验参量。
S102、对由染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子。
具体地，建立由S101中的染料敏化剂、纳米多孔半导体薄膜、电解质、对电极和基底等组成的染料敏化太阳能电池模型，该模型能够表征对应的染料敏化太阳能电池。接着，对染料敏化太阳能电池模型进行能级量化处理，能够得到第一修正因子，第二修正因子和第三修正因子。
可选地，对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，并根据如下公式(2)得到第一修正因子，根据如下公式(3)得到第二修正因子，根据如下公式(4)得到第三修正因子：
其中，Kjsc为所述第一修正因子，Kvoc为所述第二修正因子，Kpmax为所述第三修正因子，L为所述染料敏化剂的最低无占据能级，H为所述染料敏化剂的最高占据能级，Er为所述电解质的氧化还原电势，Ec为所述基底的导带底能级，Edd为所述基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级。
具体地，通过对该染料敏化太阳能电池模型进行能级量化计算，能够得到各能级参数，如染料敏化剂的最低无占据能级L、染料敏化剂的最高占据能级H、电解质的氧化还原电势Er、基底的导带底能级Ec和基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级Edd。其中，基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级Edd可参见图2所示，图2的横坐标为DSSC的能量，单位为eV，纵坐标为基底的分波态密度的导数图，单位为态/eV2。费米能级EF为绝对零度时DSSC能带中充满电子的最高能级，其中，基底的分波态密度为基底包含的所有原子/离子的态密度总和，DSSC的能量为在能级量化计算过程中根据需求计算的能量范围。且图2中曲线上各点的横坐标对应的能量皆是相对于费米能级的。
此处需要说明的是，电解质的氧化还原电势Er可采用实验值或假定值。由于电解质溶液的氧化还原电势可以在一定范围内，通过电解质种类和浓度等进行调整，因此，可以根据实际需要选定Er。
进一步地，结合公式(2)，可以根据染料敏化剂的最低无占据能级L、染料敏化剂的最高占据能级H、电解质的氧化还原电势Er和基底的导带底能级Ec，得到第一修正因子Kjsc。
结合公式(3)，可以根据染料敏化剂的最低无占据能级L、染料敏化剂的最高占据能级H、电解质的氧化还原电势Er和基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级Edd，得到第二修正因子Kvoc。
结合公式(4)，可以根据染料敏化剂的最低无占据能级L、染料敏化剂的最高占据能级H、电解质的氧化还原电势Er和基底的导带底能级Ec，得到第三修正因子Kpmax。
进一步地，相较于现有技术中的时间量而言，获得的能级参数较为精准，能够为DSSC的性能参数进行修正，使得预测DSSC的性能更为准确。
S103、根据太阳光的各波长光能量密度、各波长光捕获率和第一修正因子，确定短路电流密度。
具体地，为了准确预测出染料敏化太阳能电池的性能，由于太阳光的各波长光能量密度、各波长光捕获率和第一修正因子能够确定短路电流密度能够获得，因此，可采用公式(5)得到短路电流密度。
可选地，根据如下公式(5)得到短路电流密度Jsc：
其中，Jsc为短路电流密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为太阳光的波长，h为普朗克常量，c为真空中光速，e为元电荷，Kjsc为第一修正因子。
具体地，现有技术中所采用SI(λ)的值为太阳光的各波长光能量密度的平均值，而本实施例中将相同波长的λ光捕获率LHE(λ)与光能量密度SI(λ)对应，并将各波长光捕获率LHE(λ)与各波长光能量密度SI(λ)皆代入到公式(5)中，并结合公式(5)得到的短路电流密度Jsc会更加精准。
S104、根据第二修正因子、短路电流密度、第一修正因子、基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式。
具体地，通过S101-S13能够得到第二修正因子Kvoc、短路电流密度Jsc、第一修正因子Kjsc等参数，再结合基底的参数、温度常数和修正常数，能够获得输出电流和输出电压的关系表达式。
可选地，根据如下公式(6)得到输出电流和输出电压的关系表达式：
其中，V为所述输出电压，I为所述输出电流，Kvoc为所述第二修正因子，kB为波尔兹曼常数，T0＝350K为所述温度常数，e为元电荷，Jsc为所述短路电流密度，Kjsc为所述第一修正因子，hbase为所述基底的厚度，Nc为所述基底的导带态密度，kv＝9×1016为所述修正常数。
具体地，本实施例可结合公式(6)确定输出电压V关于输出电流I的关系表达式，从而根据输出电流I和输出电压V的关系表达式能够准确得到输出电流I和输出电压V的特性曲线。对于本领域技术人员而言，这是首次从理论上给出了输出电流I和输出电压V的关系表达式。
S105、根据输出电流和输出电压的关系表达式和第三修正因子，得到修正后的最大功率。
S106、根据修正后的最大功率和太阳光的光照强度，确定第一能量转换效率。
具体地，本实施例可根据输出电流I和输出电压V的关系表达式，能够得到输出电流I和输出电压V的特性曲线。再根据该输出电流I和输出电压V的特性曲线以及第三修正因子Kpmax，能够得到修正后的最大功率。且根据第一能量转换效率的定义，通过修正后的最大功率和太阳光的光照强度能够得到第一能量转换效率。
可选地，根据如下公式(7)得到第一能量转换效率：
其中，η为所述第一能量转换效率，Pmax′＝Pmax·Kpmax，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Kpmax为所述第三修正因子。
具体地，本实施例可根据该输出电流I和输出电压V的特性曲线，确定最大功率Pmax，再根据最大功率Pmax和第三修正因子Kpmax，能够得到修正后的最大功率Pmax′。进而，结合公式(7)，能够得到第一能量转换效率η。
进一步地，各种染料敏化剂通过结合不同的纳米多孔半导体薄膜、电解质、对电极和基底可以建立各种染料敏化太阳能电池模型，进而可采用上述方法预测出各种模型下DSSC的性能，提供了制备染料敏化太阳能电池的理论依据，能够得到性能最优的DSSC。
在一个具体的实施例中，以三苯胺染料作为染料敏化剂，基底采用二氧化钛为例，通过本实施例的方法来预测三苯胺染料L0构成的DSSC的性能。
1、利用高斯软件，对三苯胺染料经过分子建模并进行太阳光光照量化处理，能够计算获得太阳光光谱ε(λ)，如紫外-可见吸收光谱，将太阳光光谱ε(λ)的数据代入公式(1)中，通过计算可以得到各波长光捕获率LHE(λ)。
2、建立三苯胺染料、电解质和基底建立的染料敏化太阳能电池模型，并对染料敏化太阳能电池模型进行能级量化处理，结合公式(2)、公式(3)公式(4)可以分别计算出第一修正因子Kjsc、第二修正因子Kvoc和第三修正因子Kpmax。其中，在能级量化处理过程中，要求能级数目不小于4501。
3、结合公式(5)可以计算出短路电流密度Jsc。
4、结合公式(6)可以确定输出电流I和输出电压V的关系表达式。
5、根据步骤3中的输出电流I和输出电压V的关系表达式和步骤2中的第三修正因子Kpmax，能够得到修正后的最大功率Pmax′，再结合公式(7)可以计算出第一能量转换效率η。
本实施例提供的预测染料敏化太阳能电池性能的方法，通过对染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率。再对染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子。接着，根据太阳光的各波长光能量密度、各波长光捕获率和第一修正因子，确定短路电流密度。根据第二修正因子、短路电流密度、第一修正因子、基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式。根据输出电流和输出电压的关系表达式和第三修正因子，得到修正后的最大功率。最后，根据修正后的最大功率和太阳光的光照强度，确定第一能量转换效率。本发明解决了现有技术无法精准预测染料敏化太阳能电池性能的问题，实现了根据能级参数精准预测染料敏化太阳能电池性能的过程，减少了经验值或假定值的参考，提供了制备染料敏化太阳能电池的理论支撑，能够节省成本且提高电池质量，减少材料和辅助设备的消耗。
在上述实施例的基础上，DSSC的性能还包括开路电压。可选地，所述方法还包括：根据温度常数、工作温度、光电子密度、等效光电子密度、基底的参数和第二修正因子，确定开路电压。
具体地，由于温度的高度会改变开路电压的大小，因此，可将工作温度作为获得开路电压的影响因素之一。且本实施例还通过第二修正因子Kvoc对开路电压的计算过程进行修改，能够得到更为准确的开路电压。进而，根据温度常数、工作温度、光电子密度、等效光电子密度、基底的参数和第二修正因子Kvoc，得到开路电压。
可选地，所述方法还包括：根据如下公式(8)得到光电子密度和等效光电子密度：
其中，nc为所述光电子密度，nc′为所述等效光电子密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，hbase为所述基底的厚度；
可选地，根据如下公式(9)得到开路电压Voc：
其中，Voc为所述开路电压，kB为波尔兹曼常数，T0＝350K为所述温度常数，nc′为所述等效光电子密度，Nc为所述基底的导带态密度，e为元电荷，T为所述工作温度，nc为所述光电子密度，Kvoc为所述第二修正因子。
具体地，本实施例根据公式(9)可以得到开路电压Voc，相较现有技术而言，不仅考虑温度的影响作用，且通过能级参数能够修正开路电压Voc，使得开路电压Voc更加精准。
一方面，在获得开路电压Voc时，可以根据填充因子的定义，计算得到理论填充因子。可选地，根据如下公式(10)得到理论填充因子：
其中，FF′为所述理论填充因子，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Jsc为所述短路电流密度，Voc为所述开路电压。
具体地，本实施例可结合公式(10)得到理论填充因子FF′。若在实际试验中能够测得试验填充因子FF，则可将理论填充因子FF′与试验填充因子FF进行比较，判断出理论填充因子FF′相较试验填充因子FF的偏差是否在预设范围内。若是，则将理论填充因子FF′作为试验填充因子FF进行使用，能够省去测量试验填充因子FF的成本。若否，则对理论填充因子FF′进行偏差校正，得到更为准确的理论填充因子FF′。进而，在理论研究过程或者实际操作中，皆可依据理论填充因子FF′，对DSSC的性能进行预测。
另一方面，在获得开路电压Voc时，可以根据能量转换效率的定义，计算得到第二能量转换效率。可选地，根据如下公式(11)得到第二能量转换效率：
其中，η′为所述第二能量转换效率，Jsc为所述短路电流密度，Voc为所述开路电压，Pinj为所述太阳光的光照强度，FF为试验填充因子。
具体地，若在实际试验中能够测得试验填充因子FF，则可结合公式(11)得到第二能量转换效率η′。进而，可将第一能量转换效率η与第二能量转换效率η′进行比较，判断出第一能量转换效率η相较第二能量转换效率η′的偏差是否在预设范围内。若是，则将第一能量转换效率η作为第二能量转换效率η′进行使用，能够省去测量试验填充因子FF以及计算开路电压Voc的成本。若否，则对第一能量转换效率η进行偏差校正，得到更为准确的第一能量转换效率η。进而，在理论研究过程或者实际操作中，皆可依据第一能量转换效率η，对DSSC的性能进行预测。
图3为本发明提供的预测染料敏化太阳能电池性能的装置的结构示意图，如图3所示，本实施例的装置30包括：
处理模块31，用于对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率；
所处理模块31，还用于对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子Kvoc和第三修正因子；
确定模块32，用于根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度；
所述确定模块32，还用于根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式；
所述确定模块32，还用于根据所述输出电流和输出电压的关系表达式和所述第三修正因子，得到修正后的最大功率；
所述确定模块32，还用于根据所述修正后的最大功率和太阳光的光照强度，确定第一能量转换效率。
可选地，所述确定模块32，用于对所述染料敏化剂进行太阳光光照量化处理，并根据如下公式(1)得到所述各波长光捕获率：
LHE(λ)＝∫ε(λ)·ρ·dx·e-ε(λ)ρx 公式(1)；
其中，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，ε(λ)为波长为λ的光谱，ρ为所述染料敏化剂的载荷，x为所述基底的厚度。
可选地，所述确定模块32，用于对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，并根据如下公式(2)得到所述第一修正因子，根据如下公式(3)得到所述第二修正因子，根据如下公式(4)得到所述第三修正因子：
其中，Kjsc为所述第一修正因子，Kvoc为所述第二修正因子，Kpmax为所述第三修正因子，L为所述染料敏化剂的最低无占据能级，H为所述染料敏化剂的最高占据能级，Er为所述电解质的氧化还原电势，Ec为所述基底的导带底能级，Edd为所述基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级。
可选地，所述确定模块32，用于根据如下公式(5)得到所述短路电流密度：
其中，Jsc为所述短路电流密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，e为元电荷，Kjsc为所述第一修正因子；
所述确定模块32，用于根据如下公式(6)得到所述输出电流和输出电压的关系表达式：
其中，V为所述输出电压，I为所述输出电流，Kvoc为所述第二修正因子，kB为波尔兹曼常数，T0＝350K为所述温度常数，e为元电荷，Jsc为所述短路电流密度，Kjsc为所述第一修正因子，hbase为所述基底的厚度，Nc为所述基底的导带态密度，kv＝9×1016为所述修正常数。
可选地，所述确定模块32，用于根据如下公式(7)得到所述第一能量转换效率：
其中，η为所述第一能量转换效率，Pmax′＝Pmax·Kpmax，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Kpmax为所述第三修正因子。
可选地，所述确定模块32，还用于根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压。
可选地，所述确定模块32，还用于根据如下公式(8)得到所述光电子密度和所述等效光电子密度：
其中，nc为所述光电子密度，nc′为所述等效光电子密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，hbase为所述基底的厚度；
所述确定模块32，用于根据如下公式(9)得到所述开路电压：
其中，Voc为所述开路电压，kB为波尔兹曼常数，T0＝350K为所述温度常数，nc′为所述等效光电子密度，Nc为所述基底的导带态密度，e为元电荷，T为所述工作温度，nc为所述光电子密度，Kvoc为所述第二修正因子。
可选地，所述确定模块32，还用于根据如下公式(10)得到理论填充因子：
其中，FF′为所述理论填充因子，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Jsc为所述短路电流密度，Voc为所述开路电压。
可选地，所述确定模块32，还用于根据如下公式(11)得到第二能量转换效率：
其中，η′为所述第二能量转换效率，Jsc为所述短路电流密度，Voc为所述开路电压，Pinj为所述太阳光的光照强度，FF为试验填充因子。
本发明实施例提供的预测染料敏化太阳能电池性能的装置，可执行上述方法实施例，其具体实现原理和技术效果，可参见上述方法实施例，本实施例此处不再赘述。
本发明中可以根据上述方法示例对预测染料敏化太阳能电池性能的装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明各实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种预测染料敏化太阳能电池性能的方法，其特征在于，包括：
对染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率；
对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子；
根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度；
根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式；
根据所述输出电流和输出电压的关系表达式和所述第三修正因子，得到修正后的最大功率；
根据所述修正后的最大功率和所述太阳光的光照强度，确定第一能量转换效率。
2.根据权利要求1所述的方法，其特征在于，所述对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率，包括：
对所述染料敏化剂进行太阳光光照量化处理，并根据如下公式(1)得到所述各波长光捕获率：
LHE(λ)＝∫ε(λ)·ρ·dx·e-ε(λ)ρx 公式(1)；
其中，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，ε(λ)为波长为λ的光谱，ρ为所述染料敏化剂的载荷，x为所述基底的厚度。
3.根据权利要求1所述的方法，其特征在于，所述对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子，包括：
对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，并根据如下公式(2)得到所述第一修正因子，根据如下公式(3)得到所述第二修正因子，根据如下公式(4)得到所述第三修正因子：
其中，Kjsc为所述第一修正因子，Kvoc为所述第二修正因子，Kpmax为所述第三修正因子，L为所述染料敏化剂的最低无占据能级，H为所述染料敏化剂的最高占据能级，Er为所述电解质的氧化还原电势，Ec为所述基底的导带底能级，Edd为所述基底的分波态密度的导数图中在费米能级EF正方向的第一个峰值处对应的能级。
4.根据权利要求1所述的方法，其特征在于，所述根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度，包括：
根据如下公式(5)得到所述短路电流密度：
其中，Jsc为所述短路电流密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，e为元电荷，Kjsc为所述第一修正因子；
所述根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式，包括：
根据如下公式(6)得到所述输出电流和输出电压的关系表达式：
其中，V为所述输出电压，I为所述输出电流，Kvoc为所述第二修正因子，kB为波尔兹曼常数，T0＝350K为所述温度常数，e为元电荷，Jsc为所述短路电流密度，Kjsc为所述第一修正因子，hbase为所述基底的厚度，Nc为所述基底的导带态密度，kv＝9×1016为所述修正常数。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述修正后的最大功率和太阳光的光照强度，确定第一能量转换效率，包括：
根据如下公式(7)得到所述第一能量转换效率：
其中，η为所述第一能量转换效率，Pmax′＝Pmax·Kpmax，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Kpmax为所述第三修正因子。
6.根据权利要求1所述的方法，其特征在于，还包括：
根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压。
7.根据权利要求6所述的方法，其特征在于，还包括：
根据如下公式(8)得到所述光电子密度和所述等效光电子密度：
其中，nc为所述光电子密度，nc′为所述等效光电子密度，SI(λ)为波长为λ的光能量密度，LHE(λ)为波长为λ的光捕获率，λ为所述太阳光的波长，h为普朗克常量，c为真空中光速，hbase为所述基底的厚度；
所述根据所述温度常数、工作温度、光电子密度、等效光电子密度、所述基底的参数和所述第二修正因子，确定开路电压，包括：
根据如下公式(9)得到所述开路电压：
其中，Voc为所述开路电压，kB为波尔兹曼常数，T0＝350K为所述温度常数，nc′为所述等效光电子密度，Nc为所述基底的导带态密度，e为元电荷，T为所述工作温度，nc为所述光电子密度，Kvoc为所述第二修正因子。
8.根据权利要求6或7所述的方法，其特征在于，还包括：
根据如下公式(10)得到理论填充因子：
其中，FF′为所述理论填充因子，Pmax为根据所述输出电流I和输出电压V的关系表达式得到的最大功率，Jsc为所述短路电流密度，Voc为所述开路电压。
9.根据权利要求6或7所述的方法，其特征在于，还包括：
根据如下公式(11)得到第二能量转换效率：
其中，η′为所述第二能量转换效率，Jsc为所述短路电流密度，Voc为所述开路电压，Pinj为所述太阳光的光照强度，FF为试验填充因子。
10.一种预测染料敏化太阳能电池性能的装置，其特征在于，所述装置包括：
处理模块，用于对所述染料敏化剂进行太阳光光照量化处理，得到各波长光捕获率；
所处理模块，还用于对由所述染料敏化剂、电解质和基底建立的染料敏化太阳能电池模型进行能级量化处理，得到第一修正因子、第二修正因子和第三修正因子；
确定模块，用于根据所述太阳光的各波长光能量密度、所述各波长光捕获率和所述第一修正因子，确定短路电流密度；
所述确定模块，还用于根据所述第二修正因子、所述短路电流密度、所述第一修正因子、所述基底的参数、温度常数和修正常数，确定输出电流和输出电压的关系表达式；
所述确定模块，还用于根据所述输出电流和输出电压的关系表达式和所述第三修正因子，得到修正后的最大功率；
所述确定模块，还用于根据所述修正后的最大功率和所述太阳光的光照强度，确定第一能量转换效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810142282.7A CN108269692B (zh) | 2018-02-11 | 2018-02-11 | 预测染料敏化太阳能电池性能的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810142282.7A CN108269692B (zh) | 2018-02-11 | 2018-02-11 | 预测染料敏化太阳能电池性能的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108269692A true CN108269692A (zh) | 2018-07-10 |
| CN108269692B CN108269692B (zh) | 2020-02-14 |
Family
ID=62773949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810142282.7A Expired - Fee Related CN108269692B (zh) | 2018-02-11 | 2018-02-11 | 预测染料敏化太阳能电池性能的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108269692B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110459273A (zh) * | 2019-05-20 | 2019-11-15 | 上海大学 | 一种基于第一性原理的快速预报染料敏化太阳能电池总光电转化效率方法 |
| CN111737851A (zh) * | 2020-05-19 | 2020-10-02 | 浙江大学 | 基于光子限制效应的太阳能电池及光电器件 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103135056A (zh) * | 2011-11-25 | 2013-06-05 | 新德科技股份有限公司 | 电池容量预测装置及其预测方法 |
| CN105632769A (zh) * | 2015-12-30 | 2016-06-01 | 中国科学院上海硅酸盐研究所 | 一种全自动的染料敏化太阳能电池染料敏化设备 |
| CN106908733A (zh) * | 2017-02-09 | 2017-06-30 | 北京空间飞行器总体设计部 | 一种卫星蓄电池产品在轨性能分析方法 |
| CN107066713A (zh) * | 2017-03-31 | 2017-08-18 | 广东佳纳能源科技有限公司 | 一种预测锂离子电池材料电化学性能的仿真方法 |
-
2018
- 2018-02-11 CN CN201810142282.7A patent/CN108269692B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103135056A (zh) * | 2011-11-25 | 2013-06-05 | 新德科技股份有限公司 | 电池容量预测装置及其预测方法 |
| CN105632769A (zh) * | 2015-12-30 | 2016-06-01 | 中国科学院上海硅酸盐研究所 | 一种全自动的染料敏化太阳能电池染料敏化设备 |
| CN106908733A (zh) * | 2017-02-09 | 2017-06-30 | 北京空间飞行器总体设计部 | 一种卫星蓄电池产品在轨性能分析方法 |
| CN107066713A (zh) * | 2017-03-31 | 2017-08-18 | 广东佳纳能源科技有限公司 | 一种预测锂离子电池材料电化学性能的仿真方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110459273A (zh) * | 2019-05-20 | 2019-11-15 | 上海大学 | 一种基于第一性原理的快速预报染料敏化太阳能电池总光电转化效率方法 |
| CN111737851A (zh) * | 2020-05-19 | 2020-10-02 | 浙江大学 | 基于光子限制效应的太阳能电池及光电器件 |
| CN111737851B (zh) * | 2020-05-19 | 2024-01-26 | 浙江大学 | 基于光子限制效应的太阳能电池 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108269692B (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chiba et al. | Dye-sensitized solar cells with conversion efficiency of 11.1% | |
| Kato et al. | Degradation analysis of dye-sensitized solar cell module after long-term stability test under outdoor working condition | |
| Kato et al. | Improvement in long-term stability of dye-sensitized solar cell for outdoor use | |
| Rodenas et al. | Quantum dot based heterostructures for unassisted photoelectrochemical hydrogen generation | |
| Tripathi et al. | Charge transfer and recombination kinetics in dye-sensitized solar cell using static and dynamic electrical characterization techniques | |
| Rong et al. | Monolithic all-solid-state dye-sensitized solar module based on mesoscopic carbon counter electrodes | |
| Liao et al. | Enhancing the efficiency of CdS quantum dot-sensitized solar cells via electrolyte engineering | |
| Parisi et al. | Development of dye sensitized solar cells: A life cycle perspective for the environmental and market potential assessment of a renewable energy technology | |
| Onodera et al. | Modeling of dye-sensitized solar cells based on TiO2 electrode structure model | |
| Yuan et al. | Electrochemically deposited CoS films as counter electrodes for efficient quantum dot-sensitized solar cells | |
| CN108269692A (zh) | 预测染料敏化太阳能电池性能的方法和装置 | |
| Yeoh et al. | Aging effect in dye-sensitized solar cells sealed with thermoplastic films | |
| CN108306617A (zh) | 一种理想太阳能电池最大功率点参数的求解方法 | |
| Tian et al. | Influence of capacitance characteristic on I–V measurement of dye-sensitized solar cells | |
| Mohamed et al. | Factors affect dye sensitized solar cells performance | |
| Ameri et al. | A semi-empirical analysis of dye adsorption and electron transport in dye sensitized solar cells (DSSCs) | |
| lourens Tanihaha et al. | Fabrication and characterization of dye-sensitized solar cell using blackberry dye and titanium dioxide nanocrystals | |
| CN113053467B (zh) | 一种有机-无机钙钛矿材料带隙调控方法 | |
| Tian et al. | Analysis on dye-sensitized solar cell's efficiency improvement | |
| Krawczak et al. | The effect of electrode immersion time and ageing on N719 dye-sensitized solar cells performance | |
| CN107742581B (zh) | 一种基于混合溶剂提高吸附量制备量子点太阳电池的方法 | |
| Varga et al. | Application development with finite element method to calculate photogeneration rate and open-circuit voltage of dye sensitized solar cell | |
| CN110459273B (zh) | 一种基于第一性原理的快速预报染料敏化太阳能电池总光电转化效率方法 | |
| Massoud | INDIGENOUS DEVELOPMENT OF DYE-SENSITIZED SOLAR CELLS AND PERFORMANCE EVALUATION UNDER TEXAS ENVIRONMENT | |
| Chaudhari et al. | Experimental performance of glass based synthetic dye sensitized solar cell |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200214 Termination date: 20210211 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |