CN114127960B - 太阳能电池组的制造装置、太阳能电池组及太阳能电池组的制造方法 - Google Patents

太阳能电池组的制造装置、太阳能电池组及太阳能电池组的制造方法 Download PDF

Info

Publication number
CN114127960B
CN114127960B CN202080051007.XA CN202080051007A CN114127960B CN 114127960 B CN114127960 B CN 114127960B CN 202080051007 A CN202080051007 A CN 202080051007A CN 114127960 B CN114127960 B CN 114127960B
Authority
CN
China
Prior art keywords
solar cell
solar
solar cells
arrangement
color
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.)
Active
Application number
CN202080051007.XA
Other languages
English (en)
Other versions
CN114127960A (zh
Inventor
小泉玄介
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kaneka Corp
Original Assignee
Kaneka Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2019164480A external-priority patent/JP7355565B2/ja
Priority claimed from JP2019164482A external-priority patent/JP7412930B2/ja
Priority claimed from JP2019164481A external-priority patent/JP7412929B2/ja
Application filed by Kaneka Corp filed Critical Kaneka Corp
Publication of CN114127960A publication Critical patent/CN114127960A/zh
Application granted granted Critical
Publication of CN114127960B publication Critical patent/CN114127960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • H01L31/02—Details
    • H01L31/0216—Coatings
    • H01L31/02161—Coatings for devices characterised by at least one potential jump barrier or surface barrier
    • H01L31/02167—Coatings for devices characterised by at least one potential jump barrier or surface barrier for solar cells
    • H01L31/02168—Coatings for devices characterised by at least one potential jump barrier or surface barrier for solar cells the coatings being antireflective or having enhancing optical properties for the solar cells
    • 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
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • H01L31/04—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 adapted as photovoltaic [PV] conversion devices
    • H01L31/042—PV modules or arrays of single PV cells
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • 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)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明的课题在于提供一种人在目视确认时容易感觉到色彩平衡良好的太阳能电池组的制造装置。本发明的太阳能电池组的制造装置具有：配置操作部(12)配置各太阳能电池；和机器学习部(20)，太阳能电池组是将太阳能电池平面地排列而成的，太阳能电池在受光面形成有防反射膜，在太阳能电池之中存在因防反射膜的厚度或防反射膜的折射率不同而导致色彩要素产生偏差的太阳能电池，机器学习部(20)将各太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对太阳能电池的配置中的太阳能电池组的色彩平衡进行判定的结果，在进行制造时，机器学习部(20)基于各太阳能电池的色彩要素的信息来生成被预测为人在目视确认时判定为太阳能电池组的色彩平衡良好的太阳能电池的配置模型，配置操作部(12)构成为基于配置模型来配置各太阳能电池。

Description

太阳能电池组的制造装置、太阳能电池组及太阳能电池组的 制造方法
技术领域
本发明涉及太阳能电池组的制造装置、太阳能电池组以及太阳能电池组的制造方法。
背景技术
以往，公知有仅在背面侧设置电极、在受光面侧不设置电极的所谓的背接触型太阳能电池单元(例如专利文献1)。
对于背接触型太阳能电池单元而言，电极汇集在背面，因而能够增大太阳能电池的受光面，能够获取更多的光。
另外，对于使用背接触型太阳能电池单元的太阳能电池模块而言，连接各太阳能电池间的配线部件也设置于背面侧，因而在室内等能够给目视确认者带来外观均匀的印象。
背接触型太阳能电池单元为了将接收到的光限制在太阳能电池单元内而在受光面侧设置有防反射膜，外观的色彩要素主要由防反射膜决定。
专利文献1：日本特开2018-170482号公报
通常，在量产的太阳能电池单元的制造中，以相同条件同时在大量的太阳能电池单元的受光面成膜出防反射膜。然而，即使在各太阳能电池单元中以相同条件成膜出防反射膜的情况下，由于制造防反射膜时的成膜位置、加热温度等的影响，也存在在太阳能电池单元间防反射膜的厚度略微不同、防反射膜的折射率略微不同的情况，存在个体差异。
这种情况下，若随机排列太阳能电池单元并用配线部件连接来进行模块化，则存在如下情况：即虽然如图15的(a)那样在照度低的室内等几乎感觉不到，但如图15的(b)那样若太阳光照入则感觉到色彩不均。因此，在现有的太阳能电池模块中，当在太阳光下目视确认时，存在在太阳能电池单元间存在色彩不均、色彩平衡差、缺少色彩要素的统一性的问题。
另外，太阳能电池模块存在使用多张太阳能电池模块来形成1张壁面的情况。在这种情况下也同样，若在各太阳能电池模块处色彩平衡不同，则存在形成了壁面后的壁面整体的色彩平衡差、缺少色彩要素的统一性的问题。
发明内容
因此，本发明的目的之一在于提供一种即使当人在太阳光下目视确认的情况下也容易感觉到色彩平衡良好的太阳能电池组的制造装置。
本发明的目的之一在于提供一种即使当人在太阳光下目视确认的情况下也容易感觉到色彩要素的统一性良好的太阳能电池组以及太阳能电池组的制造方法。
本发明人接受上述课题并如以下那样进行了研究。
考虑通过简单地仅排列色彩要素接近的太阳能电池单元进行使用来使色彩平衡变好，解决上述的课题。然而，若简单地仅使用色彩要素接近的太阳能电池单元，则产生如下问题：即尽管性能没有异常，但产生无法使用的太阳能电池单元，成品率降低。因此，为了维持成品率，优选使用尽可能多的太阳能电池单元来制造太阳能电池模块。
然而，人脑将用眼睛识别到的影像识别为静止图像，并通过连接静止图像来识别运动。因此，存在眼睛的错觉(视错觉)，有时即使色彩均匀也看起来不均，或者即使色彩的分布不均匀也看起来均匀。
因此，本发明人考虑到利用该人眼的错觉来使用更多的太阳能电池单元。
然而，虽然存在人眼的错觉的趋势，但往往不清楚科学性的原理，实际只能以人判定出的结构为基础来考虑配置。因此，难以从庞大的太阳能电池的组合中人为地导出产生眼睛的错觉、色彩平衡看起来良好的组合。
因此，本发明人考虑到在制造装置装入机器学习程序，使该制造装置对太阳能电池单元的色彩及配置与人的色彩平衡的判定进行机器学习，从而使制造装置自身导出使人感觉到色彩平衡良好的配置。
基于上述想法导出的本发明的一个形态是太阳能电池组的制造装置，具有：配置操作部，配置构成太阳能电池组的多个太阳能电池；和机器学习部，上述太阳能电池组是将上述多个太阳能电池平面地排列而成的，上述多个太阳能电池具有受光面，在上述受光面侧具备防反射材料，在上述多个太阳能电池之中存在因上述防反射材料的厚度或上述防反射材料的折射率不同而导致色彩要素产生偏差的太阳能电池，上述机器学习部将上述多个太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对该多个太阳能电池的配置中的上述太阳能电池组的色彩平衡进行判定的结果，在制造上述太阳能电池组时，上述机器学习部基于各太阳能电池的色彩要素的信息来生成被预测为人在目视确认时判定为上述太阳能电池组的色彩平衡良好的上述太阳能电池的配置模型，上述配置操作部基于上述配置模型来配置各太阳能电池。
这里所说的“色彩平衡”不仅包括均匀性，在用太阳能电池构成图案、花纹的情况下，也包括图案、花纹的色彩平衡。
这里所说的“良好”是指正常或比正常好。例如，在用多个等级评价进行评价时指中等以上的评价。
本形态的太阳能电池是经过相同的制造工序而形成的太阳能电池，但防反射材料的厚度或防反射材料的折射率不同，从而在太阳能电池间产生色彩要素的错乱。
根据本形态，用机器学习部学习人的主观对色彩平衡的判断，机器学习部基于略微的色彩要素的错乱来生成被预测为人判定为太阳能电池组的色彩平衡良好的配置模型。因此，能够设定基于人眼的错觉的配置，无论色彩的偏差如何，均能够在太阳能电池组的制造中使用更多的太阳能电池。因此，与简单地排列色彩分布接近的太阳能电池的情况相比，能够提高成品率。
另外，根据本形态，能够在制造装置内进行接近人的感性的色彩平衡的判定，因而还能够实现太阳能电池的配置的自动化。
优选的实施方式构成为，上述太阳能电池组是上述多个太阳能电池被配线部件电连接而成的太阳能电池模块，各太阳能电池在与上述受光面相反的一侧被上述配线部件连接。
优选的形态构成为，上述太阳能电池是包括夹在2个密封部件间的多个太阳能电池单元的太阳能电池模块，上述受光面侧的密封部件具有透光性，在与上述太阳能电池单元之间夹装有上述防反射材料。
然而，在照度大的太阳光下，相比色度，眼睛更容易注意到亮度的偏差。
因此，优选的形态构成为，在上述多个太阳能电池之中存在因上述防反射材料的厚度或上述防反射材料的折射率不同而导致亮度产生偏差的太阳能电池，上述机器学习部将上述多个太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对该多个太阳能电池的配置中的上述太阳能电池组的亮度偏差进行判定的结果，在制造上述太阳能电池组时，上述机器学习部基于各太阳能电池的亮度的信息来生成被预测为人在目视确认时在上述太阳能电池组的上述多个太阳能电池的亮度偏差看起来小的配置模型。
优选的形态构成为，取得500个以上的太阳能电池的色彩要素分布，以实质上维持该色彩要素分布的方式从上述500个以上的太阳能电池中提取规定数量的太阳能电池，上述机器学习部将上述规定数量的太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对配置了提取出的规定数量的太阳能电池的太阳能电池组的色彩平衡进行判定的结果。
这里所说的“以实质上维持色彩要素分布的方式提取规定数量的太阳能电池”是指在取得作为样本的规定数量的太阳能电池的色彩分布时、色彩分布的趋势与总体的色彩要素分布的趋势一致。
优选的形态构成为，上述机器学习部能够基于各太阳能电池的色彩要素及配置的信息来预测判定结果，该判定结果人对目视确认时的上述太阳能电池组的色彩平衡进行判定的结果，上述太阳能电池组的制造装置具有第二机器学习部，上述第二机器学习部替换上述太阳能电池组中的上述多个太阳能电池的配置，将替换后的各太阳能电池的色彩要素及配置的信息赋予至上述机器学习部并使上述机器学习部判定上述太阳能电池组的色彩平衡，将上述多个太阳能电池的配置与上述机器学习部判定出的判定结果的相关关系作为教导数据来进行机器学习，在制造上述太阳能电池组时，上述第二机器学习部生成被预测为上述机器学习部判定为上述太阳能电池组的色彩平衡更良好的上述太阳能电池的第二配置模型，在上述第二机器学习部生成上述第二配置模型的情况下，上述配置操作部基于上述第二配置模型来配置各太阳能电池。
本发明的一个形态是太阳能电池组的制造装置，具有：配置操作部，配置构成太阳能电池组的多个太阳能电池；机器学习部；以及第二机器学习部，上述太阳能电池组是将上述多个太阳能电池平面地排列而成，上述多个太阳能电池具有受光面，在上述受光面侧具备防反射材料，在上述多个太阳能电池之中存在因上述防反射材料的厚度或上述防反射材料的折射率不同而导致色彩要素产生偏差的太阳能电池，上述机器学习部预先将上述多个太阳能电池的色彩要素及配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对上述太阳能电池组的色彩平衡进行判定的结果，上述机器学习部能够基于各太阳能电池的色彩要素及配置的信息来预测人对目视确认时的上述太阳能电池组的色彩平衡进行判定的判定结果，上述第二机器学习部替换上述太阳能电池组中的上述多个太阳能电池的配置，将替换后的各太阳能电池的色彩要素及配置的信息赋予至上述机器学习部并使上述机器学习部判定上述太阳能电池组的色彩平衡，将上述多个太阳能电池的配置与上述机器学习部判定出的判定结果的相关关系作为教导数据来进行机器学习，在制造上述太阳能电池组时，上述第二机器学习部生成被预测为上述机器学习部判定为上述太阳能电池组的色彩平衡更良好的上述太阳能电池的配置模型，上述配置操作部基于上述配置模型来配置各太阳能电池。
本形态的太阳能电池是经过相同的制造工序而形成的太阳能电池，但防反射材料的厚度或防反射材料的折射率不同，从而在太阳能电池间产生色彩要素的错乱。
本形态的机器学习部预先将太阳能电池的色彩要素及配置与人对太阳能电池组的色彩平衡进行判定的判定结果的相关关系作为教导数据来进行机器学习，具有接近人的主观的判定基准。
而且，根据本形态，用第二机器学习部基于以接近人的主观的基于机器学习部的色彩平衡的判定来进行机器学习，第二机器学习部生成被预测为人判定为太阳能电池组的色彩平衡良好的配置模型。因此，能够设定基于人眼的错觉的配置，能够在太阳能电池组的制造中使用更多的太阳能电池。因此，与简单地排列色彩分布接近的太阳能电池的情况相比，能够提高成品率。
另外，根据本形态，能够在制造装置内进行接近人的感性的色彩平衡的判定，因而还能够实现太阳能电池的配置的自动化。
并且，根据本形态，机器学习部将教导数据赋予至第二机器学习部，因此即使人不进行判定，也能够将教导数据赋予至第二机器学习部。
本发明的一个形态是机器学习程序，将上述配置模型赋予至配置操作部，该配置操作部基于配置模型来配置构成太阳能电池组的多个太阳能电池，上述太阳能电池组是将上述多个太阳能电池平面地排列而成的，多个太阳能电池具有受光面，在上述受光面侧具备防反射材料，在上述多个太阳能电池之中存在因上述防反射材料的厚度或上述防反射材料的折射率不同而导致色彩要素产生偏差的太阳能电池，上述机器学习程序将上述多个太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习且基于各太阳能电池的色彩要素的信息来生成被预测为人在目视确认时判定为上述太阳能电池组的色彩平衡良好的上述太阳能电池的配置模型，该判定结果是人对该多个太阳能电池的配置中的上述太阳能电池组的色彩平衡进行判定的结果。
本形态的太阳能电池是经过相同的制造工序而形成的太阳能电池，但防反射材料的厚度或防反射材料的折射率不同，从而在太阳能电池间产生色彩要素的错乱。
根据本形态，用机器学习部进行人的主观对色彩平衡的判断，机器学习部基于略微的色彩要素的错乱来生成被预测为人判定为太阳能电池组的色彩平衡良好的配置模型。因此，能够设定基于人眼的错觉的配置。
本发明的一个形态是太阳能电池组，平面地配置有总数为20个以上的太阳能电池，上述太阳能电池具有受光面，在上述受光面侧具备防反射材料，在上述太阳能电池之中存在因上述防反射材料的厚度或上述防反射材料的折射率不同而导致色彩要素产生偏差的太阳能电池，在从对直射日光照射下的上述太阳能电池进行照片拍摄而得的图像计算出的CIE1976(L＊、a＊、b＊)表色系统中满足以下的(1)或(2)的条件。
(1)各太阳能电池的亮度L＊的最大值与最小值之差为2.0以上，且邻接的太阳能电池的亮度L＊之差为1.5度以下。
(2)各太阳能电池的色度b＊的最大值与最小值之差为4.0以上，且邻接的太阳能电池的色度b＊之差为1.5以下。
对于本形态的太阳能电池组而言，各太阳能电池的亮度L＊、色度b＊中的至少任一色彩要素的绝对值大，太阳能电池整体的色彩要素存在偏差。即，若简单地排列，则没有色彩要素的统一性，产生色彩不均。
根据本形态，即使太阳能电池整体的色彩要素存在偏差，由于邻接的太阳能电池的亮度L＊、色度b＊中的至少任一色彩要素的差小，所以整体也具有存在一致性的均匀性，成为取得了色彩要素的统一性的太阳能电池组。
优选形态构成为，一个太阳能电池配置为与至少3个太阳能电池邻接，在从对直射日光照射下的上述太阳能电池进行照片拍摄而得的图像计算出的CIE1976(L＊、a＊、b＊)表色系统中满足以下的(3)或(4)的条件。
(3)满足上述(1)的条件，且上述一个太阳能电池与上述3个太阳能电池的亮度L＊之差为1.8以下。
(4)满足上述(2)的条件，且上述一个太阳能电池与上述3个太阳能电池的色度b＊之差为2.0以下。
优选形态构成为，上述太阳能电池的亮度L＊及色度b＊分别是在上述太阳能电池中在多个测定点测定出的平均值。
优选形态构成为，上述太阳能电池排列为棋盘状，邻接的太阳能电池的最短距离为5mm以下。
根据本形态，邻接的太阳能电池的间隔窄，为5mm以下，因此色彩平衡更良好。
优选形态构成为，上述太阳能电池是包括夹在2个密封部件间的多个太阳能电池单元的太阳能电池模块，上述受光面侧的密封部件具有透光性，在与上述太阳能电池单元之间夹装有上述防反射材料。
本发明的一个形态是太阳能电池组的制造方法，平面地配置多个太阳能电池来制造太阳能电池组，包括：太阳能电池形成工序，形成上述太阳能电池；色彩测定工序，测定上述太阳能电池的色彩要素；发送工序，将上述色彩测定工序中的测定结果发送至配置决定装置；配置决定工序，基于上述配置决定装置接收到的上述测定结果来决定构成上述太阳能电池组的上述太阳能电池的配置；以及配置工序，基于上述配置决定工序中的上述配置决定装置的决定来配置上述太阳能电池。
根据本形态，使用测定色彩要素的色彩测定工序中的测定结果来决定太阳能电池的配置，因此能够制造基于色彩要素的测定结果的色彩平衡良好的太阳能电池组。
优选实施方式构成为，在上述配置决定工序中，基于在过去的太阳能电池组测定的各太阳能电池的色彩要素与上述过去的太阳能电池组的各太阳能电池的色彩平衡的好坏并根据上述测定结果来决定上述太阳能电池的配置，以使各太阳能电池的色彩平衡良好。
优选形态构成为，上述太阳能电池具有识别部，所述太阳能电池组的制造方法包括：关联建立工序，将上述太阳能电池的识别部与上述测定结果建立关联；和收纳工序，将已在上述关联建立工序中与上述测定结果建立关联的太阳能电池收纳于收纳部件，在上述配置工序中，基于上述配置决定工序中的上述配置决定装置的决定来将已在上述关联建立工序中与上述测定结果建立关联的太阳能电池从上述收纳部件取出并进行配置。
优选形态构成为，在色彩测定工序中，在多个测定点测定上述太阳能电池的上述色彩要素，在配置决定工序中，使用在上述多个测定点测定出的色彩要素的平均值来决定上述太阳能电池的配置。
根据本发明的太阳能电池组的制造装置，即使在人在太阳光下目视确认的情况下，也容易感觉到色彩平衡良好。
根据本发明的太阳能电池组及太阳能电池组的制造方法，即使人在太阳光下目视确认的情况下，也容易感觉到色彩要素的统一性良好。
附图说明
图1是本发明的第一实施方式的模块制造装置的框图。
图2是示意性地表示用图1的模块制造装置能够制造的太阳能电池模块的说明图，其中，图2的(a)是从表面侧观察到的立体图，图2的(b)是从背表侧观察到的立体图。
图3是图2的(b)的太阳能电池模块的分解立体图。
图4是图3的太阳能电池模块的主要部分的立体图。
图5是图2的(b)的太阳能电池模块的剖视图。
图6是图1的深度学习部的说明图，其中，图6的(a)是表示神经元模型的示意图，图6的(b)是表示神经网络模型的示意图。
图7是表示用图1的制造部制造的总体太阳能电池单元与样本太阳能电池单元的关系的说明图，其中，图7的(a)是总体太阳能电池单元的相对于亮度的个数的图表，图7的(b)是样本太阳能电池单元的相对于亮度的个数的图表。
图8是模仿用图1的制造部制造的太阳能电池模块的太阳能电池单元的图像，其中，图8的(a)表示照射低照度的光的情况，图8的(b)表示用模拟太阳光照射光的情况。
图9是本发明的第二实施方式的壁面制造装置的框图。
图10是示意性地表示用图9的壁面制造装置能够制造的壁面构造的立体图。
图11是从其他方向观察图10的壁面构造的立体图。
图12是图11的太阳能电池模块的剖视图。
图13是本发明的第三实施方式的模块制造装置的框图。
图14是用本发明的其他实施方式的制造装置制造的太阳能电池模块的剖视图。
图15是模仿现有的太阳能电池模块的太阳能电池单元的图像，其中，图15的(a)表示照射低照度的光的情况，图15的(b)表示用模拟太阳光照射光的情况。
具体实施方式
以下，对本发明的第一实施方式的模块制造装置1详细进行说明。
本发明的第一实施方式的模块制造装置1制造图2所示的内置多个太阳能电池单元201(太阳能电池)的太阳能电池模块200(太阳能电池组)。
如图1那样，模块制造装置1具备制造部2、控制部3、测定部5。
模块制造装置1在控制部3设置有根据机器学习程序进行动作的深度学习部20，利用深度学习部20基于预先进行机器学习的结果来生成太阳能电池单元201的配置模型。而且，模块制造装置1的特征之一在于根据已生成的配置模型来配置太阳能电池单元201进行制造。
如图1那样，制造部2具备单元形成部10、收纳部11、配置操作部12、配线连接部15作为主要构件。除此之外，还具备密封太阳能电池单元201的密封部等各种装置，但与现有的结构同样，因而省略说明。
单元形成部10是形成太阳能电池单元201的部位，具有多个CVD装置等成膜装置。
收纳部11是暂时收纳已由测定部5测定过的太阳能电池单元201的收纳部件。收纳部11设置有多个能够收纳太阳能电池单元201的隔间。
配置操作部12是基于由控制部3的深度学习部20形成的配置模型从收纳部11取出规定的太阳能电池单元201来进行配置的部位。此外，也可以直接配置由单元形成部10形成的太阳能电池单元201。
配线连接部15是在由配置操作部12排列为规定配置的太阳能电池单元201、201间连接配线部件202的部位。
控制部3安装运算装置、控制装置、存储装置、输入输出装置，如图1那样，具备深度学习部20(机器学习部、配置决定装置)、存储部21、测定结果取得部22、输入输出部23作为主要构件。
控制部3也可以设置在与制造部2、测定部5不同的建筑物。在该情况下，优选为控制部3与制造部2、测定部5经由内部网等网络相互连接为可通信。另外，控制部3与制造部2、测定部5也可以经由因特网等连接。这样一来，能够在建筑物不同的多个据点一并管理制造部2及测定部5。
深度学习部20是能够基于机器学习程序来动作的机器学习部。
深度学习部20具有如下功能，即将各太阳能电池单元201的色彩要素及配置与人对太阳能电池模块200的色彩平衡进行判定的结果作为教导数据来自己进行机器学习的功能。深度学习部20能够基于机器学习的结果并根据由测定结果取得部22取得的各太阳能电池单元201的色彩要素来制作被预想为人判定为色彩平衡良好的太阳能电池单元201的配置模型。
深度学习部20能够按照后述的神经网络等的算法进行有教导学习。
这里，“有教导学习”是指通过大量地将教导数据即某个输入与结果的数据组赋予深度学习部20，学习这些数据集所具有的特征，并归纳性地获得根据输入推断结果的模型(误差模型)、即输入与结果的关系。
本实施方式的深度学习部20将各太阳能电池单元201的色彩要素、在太阳能电池模块200的各太阳能电池单元201的配置、人对该配置下的太阳能电池模块200的色彩平衡的判定结果建立关联，对太阳能电池单元201的色彩要素及各太阳能电池单元201的配置与人如何进行好坏判定的相关关系进行机器学习。然后，深度学习部20能够基于机器学习的结果并根据各太阳能电池单元201的色彩要素的信息来生成被预想为人判定为良好的配置模型。另外，在本实施方式的深度学习部20，还能够根据各太阳能电池单元201的色彩要素的信息来预测人对目视确认时的太阳能电池模块200的色彩平衡进行判定的判定结果。
关于本实施方式的深度学习部20的详细将后述。
存储部21是数据存积部，具备存储器、硬盘等存储装置，存储并存积深度学习部20的机器学习中使用的数据、在制造部2的太阳能电池单元201的制造中使用的过去及当前的制造参数、由测定部5测定出的各太阳能电池单元201的发电特性、色彩要素等各种测定参数、深度学习部20所生成的配置模型等。
测定结果取得部22是取得由测定部5测定出的发电特性、色彩要素等的测定结果并发送至存储部21以及/或者深度学习部20的部位。
输入输出部23是相对于制造部2进行输入输出的部位，是将由深度学习部20生成的配置模型输出至制造部2的配置操作部12的部位。
测定部5是测定由制造部2的单元形成部10形成的太阳能电池单元201的特性的部位，具备发电特性测定部30和色彩要素测定部31。
发电特性测定部30是测定太阳能电池单元201的发电特性的部位。
色彩要素测定部31是测定太阳能电池单元201的色彩要素的部位。
接着，对制造对象亦即太阳能电池模块200进行说明。
如图2、图3那样，太阳能电池模块200是在2个密封基材205、206之间配置被配线部件202电连接的多个太阳能电池单元201且密封基材205、206之间被用密封材料207、208填充而成的。
太阳能电池模块200呈板状，是太阳能电池单元201基于上述的配置模型平面地配置而成的，仅在比太阳能电池单元201靠背面侧设置有配线部件202。
如图2的(a)那样，本实施方式的太阳能电池模块200内置有总数为20个以上的太阳能电池单元201，太阳能电池单元201排列为棋盘状。
优选图4所示的太阳能电池模块200的纵向及横向上邻接的太阳能电池单元201、201间的最短距离L分别为5mm以下。
只要为该范围，就能够紧密地铺满太阳能电池单元201，能够提高单位设置面积的发电效率。
如图2的(b)那样，本实施方式的太阳能电池模块200在背面221侧具备模块侧识别部223。
模块侧识别部223是用于按照每个太阳能电池模块200分配固有的ID的部位，具体地为一维码或二维码。即，通过利用专用的读取装置识别模块侧识别部223，从而至少能够检测出分配给太阳能电池模块200的ID。
太阳能电池单元201是所谓的背接触型的太阳能电池，如图5那样，在背面221侧设置有电极层213、216，在受光面220侧没有电极层213、216。
具体而言，太阳能电池单元201在第一导电型半导体基板210(以下，也简称为半导体基板210)的受光面220侧具备防反射膜211(防反射材料)。另一方面，太阳能电池单元201在半导体基板210的背面221(与受光面220相反的一侧的主表面)侧依次层叠有第一导电型半导体层212及第一导电型侧电极层213。并且太阳能电池单元201在半导体基板210的背面221侧且与第一导电型半导体层212及第一导电型侧电极层213不同的部位层叠有第二导电型半导体层215及第二导电型侧电极层216。而且，太阳能电池单元201的色彩要素实质上由设置于受光面220侧的防反射膜211决定。
第一导电型半导体层212是与半导体基板210相同的导电型，且是与第二导电型半导体层215相反的导电型。即，对于太阳能电池单元201而言，在第一导电型半导体层212及半导体基板210为n型的情况下，第二导电型半导体层215为p型，在第一导电型半导体层212及半导体基板210为p型的情况下，第二导电型半导体层215为n型。
防反射膜211是将接受到的光限制在太阳能电池单元201内的反射密封材料。防反射膜211例如能够使用氮化硅等。
优选防反射膜211的折射率为密封材料207与半导体基板210的中间值。即优选防反射膜211的折射率超过密封材料207的折射率且不足半导体基板210的折射率。
在本实施方式中，在形成太阳能电池模块200的太阳能电池单元201中混有因制造时的防反射膜211的成膜位置、加热温度等的影响而导致防反射膜211的厚度、防反射膜211的折射率在太阳能电池单元201间略微不同的电池单元201。
如图4那样，太阳能电池单元201在背面221侧具有单元侧识别部217。
单元侧识别部217是用于分配固有的ID的部位，具体地为一维码或二维码。即，通过利用专用的读取装置识别单元侧识别部217，从而至少能够检测出分配给太阳能电池单元201的ID。
配线部件202是所谓的互连器(interconnector)，如图3那样，将邻接的太阳能电池单元201、201间物理连接及电连接。
第一密封基材205是密封太阳能电池单元201的密封部件，是具有透光性及绝缘性的透光性绝缘基板或透明绝缘片，例如能够使用玻璃制、透明树脂制的结构。
第二密封基材206是密封太阳能电池单元201的密封部件，是具有绝缘性的绝缘基板或绝缘片，例如能够使用玻璃制、树脂制的结构。
密封材料207、208是具有透光性及粘合性的透光性粘合材料，例如能够使用EVA等粘合片。
接着，对太阳能电池模块200的制造方法进行说明。
首先，用制造部2的单元形成部10形成太阳能电池单元201(太阳能电池形成工序、单元形成工序)。
具体而言，如可从图5读出那样，在半导体基板210的单面的一部分依次层叠第一导电型半导体层212及第一导电型侧电极层213，在同一面的其他部分依次层叠第二导电型半导体层215及第二导电型侧电极层216。而且，在半导体基板210的相反的面成膜出防反射膜211。
接着，对于在太阳能电池形成工序中形成的各太阳能电池单元201，利用发电特性测定部30测定发电特性，并同时利用色彩要素测定部31测定色彩要素(色彩测定工序)。
在本实施方式中，利用发电特性测定部30测定I-V特性、电阻等的发电特性，利用色彩要素测定部31测定各太阳能电池单元201的亮度。
将色彩测定工序中的各太阳能电池单元201的测定结果发送至控制部3的测定结果取得部22(发送工序)，用深度学习部20将各太阳能电池单元201的色彩测定工序中的测定结果与各太阳能电池单元201的单元侧识别部217建立关联，用存储部21进行存储(关联建立工序)。
根据需要结束关联建立工序，将测定结果和单元侧识别部217已建立关联的太阳能电池单元201收纳于收纳部11(收纳工序)。
此时，向收纳部11的收纳方式不特别限定。可以按制造顺序放入至收纳部11，也可以按照每个色彩要素进行分类并按照每个色彩要素放入至不同的收纳部11。
接着，控制部3的深度学习部20基于由测定结果取得部22接收到的测定结果来决定太阳能电池模块200内的太阳能电池单元201的配置(配置决定工序)。
在本实施方式中，利用深度学习部20，基于在过去的太阳能电池模块200测定出的各太阳能电池单元201的色彩要素及各太阳能电池单元201的配置与人对该过去的太阳能电池模块200的色彩平衡的好坏进行判定的结果并根据各太阳能电池单元201的用测定部5的测定结果来生成各太阳能电池单元201的配置模型，基于太阳能电池单元201的配置姿势来决定配置，以便人判定为形成的太阳能电池模块200的色彩平衡良好。
制造部2的配置操作部12从收纳部11取出太阳能电池单元201，基于在配置决定工序中由深度学习部20生成的配置模型来配置太阳能电池单元201(配置工序)。
在配置工序时或配置工序后，在邻接的太阳能电池单元201、201间连接配线部件202，将各太阳能电池单元201电连接(配线连接工序)。
此时，如可从图3、图5读出那样，配线部件202在邻接的太阳能电池单元201的背面221侧使第一导电型侧电极层213与第二导电型侧电极层216连接。即，配线部件202在太阳能电池单元201的受光面220侧是不连接的状态。
然后，用公知的方法适当地安装框架、连接器部件等来完成太阳能电池模块200。
接着，对本实施方式的深度学习部20进行说明。
深度学习部20按照4层以上的神经网络进行学习，，作为价值函数的近似算法，由实现装入有图6的(a)那样的神经元模型的神经网络的运算装置及存储器等构成。
即，如图6的(a)那样，神经元输出相对于m个输入xi(i为正整数)的输出y，各xi乘以与该输入xi对应的权重wi，输出用下述式(1)表达的输出y。此外，输入xi、输出y以及权重wi全部为向量。
[式1]
这里，b为偏移，f为激活函数。
如图6的(b)那样，本实施方式的深度学习部20的神经网络是深层神经网络，即具备输入层300、中间层301、输出层302，组合有上述的神经元(神经元N1～Np)作为中间层301，具有p层(p为4以上的正整数)的厚度。即，中间层301具有p层中间层D1～Dp。
本实施方式的神经网络被从输入层300输入S个输入X(X1～XS：S为正整数)，经过中间层301从输出层302输出T个结果Y(Y1～YT：T为正整数)。
具体而言，对于输入层300的输入X(X1～XS)乘以对应的权重W1并输入至中间层301的第一中间层D1的各神经元N1。第一中间层D1的神经元N1分别输出特征向量Z1，特征向量Z1乘以对应的权重W2并被输入至中间层301的第二中间层D2的各神经元N2。
特征向量Z1是权重W1与权重W2之间的特征向量，能够视为提取输入向量的特征量而得的向量。
特征向量Z1乘以对应的权重W2并被输入至中间层301的第二中间层D2的各神经元N2。
第二中间层D2的神经元N2分别输出特征向量Z2，特征向量Z2乘以对应的权重W3并被输入至中间层301的第三中间层D3的各神经元N3。
在中间层301的各中间层重复上述的处理，末端的第P中间层Dp的神经元Np分别输出特征向量Zp，将特征向量Zp输出至输出层302。其结果是，神经网络输出结果Y(Y1～YT)。
权重W1～Wp能够通过误差反向传播法来学习。误差反向传播法是对各神经元调整(学习)各自的权重W以便缩小输入输入x时的输出y与真实输出y(教导)的差量的方法。
接着，对用深度学习部20的机器学习的步骤进行说明。
首先，制造500个以上的太阳能电池单元201(以下，也称为总体太阳能电池单元201a)，计算出总体太阳能电池单元201a的各太阳能电池单元201的色彩要素的分布。
在本实施方式中，如图7那样计算出1000个总体太阳能电池单元201a的各太阳能电池单元201的亮度的分布。
接着，如图7那样，以实质上维持总体太阳能电池单元201a的亮度分布的方式从总体太阳能电池单元201a之中提取规定数量(例如30个)的太阳能电池单元201(以下，也称为样本太阳能电池单元201b)作为样本，随机排列样本太阳能电池单元201b，组装出太阳能电池模块200。
这里所说的“以实质上维持亮度分布的方式提取规定数量的太阳能电池”是指在取得作为样本的规定数量的太阳能电池的亮度分布时、亮度分布的趋势与总体的亮度分布的趋势一致。
向深度学习部20的输入层300输入各太阳能电池单元201的配置和各太阳能电池单元201的色彩要素，从输出层302取得色彩平衡的好坏的判定结果。另外，在另外的工序中使一个或多个判定人目视确认该太阳能电池模块200，进行好坏判定。
此时，在本实施方式中，判定人将亮度为判断基准，根据亮度的平衡来判定色彩平衡的好坏。
而且，将从深度学习部20的输出层302取得的好坏判定结果与判定人判定出的好坏判定结果进行比较，以好坏判定结果之差一致的方式调整权重，替换太阳能电池单元201的配置，进行机器学习。
接着，对用本实施方式的模块制造装置1制造出的太阳能电池模块200的代表性的物性进行说明。
对于太阳能电池模块200而言，在室内等照度小的场所中，如图8的(a)那样，整体的亮度低，整体看起来均衡，在室外等照度大的场所中，也如图8的(b)那样，整体上感觉不到色彩不均。
这里，作为物体色彩的表示方法，一般使用CIE1976(L＊、a＊、b＊)表色系统。然而，CIE1976(L＊、a＊、b＊)表色系统并不适合于将因对物体的照明环境的差别引起的外观的差别数值化的目的。
因此，如上所述在将在如室外的直射日光那样照度大的条件下特别显著的物体的外观数值化的目的中无法使用。
因此，发明人研究了将在室外环境中的直射日光下的物体色彩进行数值表达的方法。本说明书中的物体色彩的表示反映了上述研究的结果，具体而言，使用按以下条件测定出的数值。
准备太阳模拟器作为光源，向对象物垂直照射辐射强度为1000W/m2的AM1.5的光。准备照相机作为测定装置，在不向对象物引入镜面反射光的条件下，尽可能设置于正对的位置。
如以下那样进行照相机的设定，用照相机拍摄对象物的JPEG图像。从拍摄到的JPEG图像读出对象物的各像素的RGB值。使用光源D65 10°视场的白色点将读出的RGB值向CIE1976(L＊、a＊、b＊)表色系统变换。
〔照相机的设定〕
当在尼康(Nikon)制数码相机D5500安装了标准镜头NIKKOR18-55mm 1：3.5-5.6GI镜头的状态下，设为光圈为8、胶卷感光度为ISO400、快门速度为1/100秒、白平衡为“晴天”，画面控制为“标准”、色彩空间为sRGB、主动D-Lighting关闭、高动态范围关闭。
以下记载的CIE1976(L＊、a＊、b＊)表色系统中的色度坐标是用上述的方法将物体色彩数值化而得的坐标。
优选太阳能电池模块200在从对直射日光照射下的太阳能电池进行照片拍摄而得的图像计算出的CIE1976(L＊、a＊、b＊)表色系统中满足以下的(1)至(3)中的任一个条件。
(1)各太阳能电池单元201的亮度L＊的最大值与最小值之差为3.0以上，且邻接的太阳能电池单元201、201的亮度L＊之差为1.5以下。
(2)各太阳能电池单元201的色度a＊的最大值与最小值之差为2.0以上，且邻接的太阳能电池单元201、201的色度a＊之差为1.0以下。
(3)各太阳能电池单元201的色度b＊的最大值与最小值之差为5.0以上，且邻接的太阳能电池单元201、201的色度b＊之差为2.5以下。
优选太阳能电池模块200配置为以包围一个太阳能电池单元201的方式与至少3个太阳能电池单元201邻接，且一个太阳能电池单元201与3个太阳能电池单元201的关系在CIE1976(L＊、a＊、b＊)表色系统中满足以下的(4)～(6)中的任一个条件。
(4)满足(1)的条件，且一个太阳能电池单元201与3个太阳能电池单元201的亮度L＊之差为1.8以下。
(5)满足(2)的条件，且一个太阳能电池单元201与3个太阳能电池单元201的色度a＊之差为1.5以下。
(6)满足(3)的条件，且一个太阳能电池单元201与3个太阳能电池单元201的色度b＊之差为4.0以下。
此外，亮度L＊、色度a＊以及色度b＊的值可以是1个测定点处的值，也可以是在多个测定点进行测定出的平均值。
优先(6)的条件满足(3)的条件，且一个太阳能电池单元201与3个太阳能电池单元201的色度b＊之差为2.0以下。
如上所述，由本实施方式的模块制造装置1的制造部2制造的太阳能电池单元201是经过相同的制造工序而形成的太阳能电池单元201，但防反射膜211的厚度或防反射膜211的折射率不同，从而在太阳能电池单元201、201间产生色彩要素的错乱。
根据本实施方式的模块制造装置1，用深度学习部20进行人的主观对色彩平衡的判断，深度学习部20基于上述的太阳能电池单元201间的略微的色彩要素的错乱来生成被预测为人判定为太阳能电池模块200的色彩平衡良好的配置模型。因此，能够设定有基于人眼的错觉(视错觉)的均匀感的太阳能电池单元201的配置，能够在太阳能电池模块200的制造中使用更多的太阳能电池单元201。因此，与简单地排列色彩分布接近的太阳能电池单元的情况相比，能够提高成品率。
另外，根据本实施方式的模块制造装置1，能够在模块制造装置1内进行接近人的感性的色彩平衡的判定，因而不需要人判断配置，还能够实现太阳能电池单元201的配置的自动化。
根据本实施方式的太阳能电池单元201，在与受光面220相反的一侧、即背面221侧设置有配线部件202，因而配线部件202不成为太阳光等的接受的障碍，与配线部件202设置于受光面220侧的情况相比，能够提高发电效率。
根据本实施方式的模块制造装置1，将亮度偏差作为色彩平衡的判定基准，因此在室外等的太阳光下，能够使色彩平衡更良好，能够进一步提高外观设计性。
根据本实施方式的模块制造装置1，以趋势平滑化的总体太阳能电池单元201a的色彩分布实质上维持的方式取得样本太阳能电池单元201b，因而能够更高精度地进行机器学习。
对于本实施方式的太阳能电池模块200而言，各太阳能电池单元201的亮度L＊、色度a＊、色度b＊中的至少任一色彩要素的绝对值大，太阳能电池单元201整体的色彩要素存在偏差。即，若简单地排列，则没有色彩要素的统一性，产生色彩不均。
根据本实施方式的太阳能电池模块200，即使太阳能电池单元201整体的色彩要素存在偏差，由于邻接的太阳能电池单元201、201的亮度L＊、色度a＊、色度b＊中的至少任一色彩要素的差小，所以整体具有存在一致性的均匀性，成为取得了色彩要素的统一性的太阳能电池模块。
对于本实施方式的太阳能电池模块200而言，一个太阳能电池单元201和与一个太阳能电池单元201的各边邻接的太阳能电池单元201的亮度L＊、色度a＊、色度b＊中的至少任一色彩要素的差异小，因而成为更加取得了色彩要素的统一性的太阳能电池模块。
对于本实施方式的太阳能电池模块200而言，太阳能电池单元201排列为棋盘状，邻接的太阳能电池单元201、201间的间隔狭小，因此成为更加取得了色彩要素的统一性的太阳能电池模块。
根据本实施方式的太阳能电池模块200的制造方法，使用测定色彩要素的色彩测定工序中的测定结果来决定太阳能电池单元201的配置，因此能够制造基于色彩要素的测定结果的色彩平衡良好的太阳能电池模块200。
根据本实施方式的太阳能电池模块200的制造方法，在配置决定工序中，基于在过去的太阳能电池模块200测定出的各太阳能电池单元201的色彩要素与过去的太阳能电池模块200的各太阳能电池单元201的色彩平衡的好坏，根据色彩测定工序中的测定结果来决定太阳能电池单元201的配置，以使各太阳能电池单元201的色彩平衡良好。因此，与随机排列各太阳能电池单元的情况相比，各太阳能电池单元201的色彩平衡良好。
根据本实施方式的太阳能电池模块200的制造方法，在配置工序中，基于配置决定工序中的深度学习部20决定出的配置模型，将在关联建立工序中已与测定结果建立关联的太阳能电池单元201从收纳部11取出并进行配置。因此，能够在必要的时机取出收纳于收纳部11并暂时储存的太阳能电池单元201。
根据本实施方式的太阳能电池模块200的制造方法，在色彩测定工序中，同时测定太阳能电池单元201的色彩要素和发电特性，因此能够在放入至收纳部11之前去除缺陷品，能够缩短制造时间。
根据本实施方式的太阳能电池模块200的制造方法，在配置决定工序中，基于测定结果来决定将要配置的太阳能电池单元201的配置姿势(使哪个边朝向哪个位置等)。因此，能够在太阳能电池模块200中使用更多种类的太阳能电池单元201。
根据本实施方式的太阳能电池模块200的制造方法，在色彩测定工序中，在多个测定点测定太阳能电池单元201的色彩要素，在配置决定工序中，使用色彩要素的平均值来决定太阳能电池单元201的配置，因而能够更准确地决定太阳能电池单元201的配置。
接着，对本发明的第二实施方式的壁面制造装置400进行说明。此外，对与第一实施方式的模块制造装置1同样的结构，标注同一附图标记并省略说明。以下同样。
如图10那样，第二实施方式的壁面制造装置400形成将多个太阳能电池模块200(太阳能电池)平面地排列而成的壁面构造500(太阳能电池组)。
壁面制造装置400也与第一实施方式中的模块制造装置1同样，具备深度学习部20，利用深度学习部20基于预先进行机器学习的结果来生成太阳能电池模块200的配置模型。而且，壁面制造装置400的特征之一在于根据已生成的配置模型来配置太阳能电池模块200进行制造。
即，第一实施方式中的模块制造装置1用深度学习部20形成各太阳能电池单元201的配置模型，调整太阳能电池模块200的色彩平衡，相对于此，第二实施方式中的壁面制造装置400用深度学习部20调整各太阳能电池模块200的配置来调整壁面构造500的色彩平衡。
对于第一实施方式的模块制造装置1而言，本发明所涉及的“太阳能电池组”与太阳能电池模块200对应，“太阳能电池”与太阳能电池单元201对应，相对于此，对于第二实施方式的壁面制造装置400而言，本发明所涉及的“太阳能电池组”与壁面构造500对应，“太阳能电池”与太阳能电池模块200对应。
如图9那样，壁面制造装置400具备制造部402、控制部403、测定部5。
制造部402具备模块制造装置1和配置操作部412作为主要构件。
配置操作部412是基于由控制部403的深度学习部20形成的配置模型来配置太阳能电池模块200的部位。
控制部403具备深度学习部20、存储部21、测定结果取得部422、输入输出部23。
本实施方式的深度学习部20具有如下功能：即将各太阳能电池模块200的色彩要素及配置与人对壁面构造500的色彩平衡进行判定的结果作为教导数据来自己进行机器学习，深度学习部20能够基于机器学习的结果并根据由测定结果取得部422取得的各太阳能电池模块200的色彩要素来制作被预想为人判定为色彩平衡良好的太阳能电池模块200的配置模型。
对于深度学习部20中的机器学习的步骤，除了第一实施方式的太阳能电池单元201变为第二实施方式的太阳能电池模块200、第一实施方式的太阳能电池模块200变为第二实施方式的壁面构造500以外均同样，因而省略说明。
测定结果取得部422是取得由测定部5测定出的发电特性、色彩要素等的测定结果并发送至存储部21以及/或者深度学习部20的部位。
本实施方式的测定部5是测定由制造部402的模块制造装置1形成的太阳能电池模块200的特性的部位，具备发电特性测定部30和色彩要素测定部31，测定部30、31的测定对象是太阳能电池模块200。
接着，对制造对象亦即壁面构造500进行说明。
壁面构造500是如图11那样将多个太阳能电池模块200平面地配置并将各太阳能电池模块200通过设置在背面221的连接器部件502电连接而成的构造。本实施方式的壁面构造500将总数为20个以上的太阳能电池模块200排列为棋盘状。
邻接的太阳能电池模块200、200间的最短距离优选为5cm以下，更优选为2cm以下，特别优选为5mm以下。
只要为该范围，就能够紧密地铺满太阳能电池模块200，能够提高单位设置面积的发电效率。
如图12那样，本实施方式的太阳能电池模块200在受光面220侧的密封基材205形成有第二防反射膜501(防反射材料)。即，本实施方式的太阳能电池模块200在受光面220侧的密封基材205与太阳能电池单元201之间夹装有防反射膜211，并且以太阳能电池单元201为基准在受光面220侧的密封基材205的外侧面形成有第二防反射膜501。
接着，对壁面构造500的制造方法进行说明。
首先，用制造部402的模块制造装置1形成太阳能电池模块200(太阳能电池模块形成工序)。
此时，在受光面220侧的密封基材205的外侧面形成第二防反射膜501。
接着，对于在太阳能电池模块形成工序中形成的各太阳能电池模块200，利用发电特性测定部30测定发电特性，并同时利用色彩要素测定部31测定色彩要素(色彩测定工序)。
将色彩测定工序中的太阳能电池模块200的测定结果发送至控制部403的测定结果取得部422(发送工序)，用深度学习部20将太阳能电池模块200的色彩测定工序中的测定结果与各太阳能电池模块200的模块侧识别部223建立关联，用存储部21进行存储(关联建立工序)。
接着，控制部403的深度学习部20基于由测定结果取得部422接收到的测定结果来决定壁面构造500内的太阳能电池模块200的配置(配置决定工序)。
具体而言，与第一实施方式同样，利用深度学习部20，基于在过去的壁面构造500测定出的各太阳能电池模块200的色彩要素及各太阳能电池模块200的配置与人对该过去的壁面构造500的色彩平衡的好坏进行判定的结果并根据各太阳能电池模块200的用测定部5的测定结果来生成各太阳能电池模块200的配置模型，决定配置，以便人判定为形成的壁面构造500的色彩平衡良好。
制造部402的配置操作部412基于配置决定工序中由深度学习部20生成的配置模型来配置太阳能电池模块200(配置工序)。
如图11那样，在配置工序时或配置工序后，在邻接的太阳能电池模块200、200间连接设置于背面221的连接器部件502，将各太阳能电池模块200电连接(连接器连接工序)。
然后，用公知的方法适当地安装框格等来完成壁面构造500。
本实施方式的太阳能电池模块200是经过相同的制造工序而形成的太阳能电池模块200，但防反射膜211、501的厚度或防反射膜211、501的折射率不同，从而在太阳能电池模块200、200间产生色彩要素的错乱。
根据本实施方式的壁面制造装置400，用深度学习部20进行人的主观对色彩平衡的判断，深度学习部20基于上述的太阳能电池模块200间的略微的色彩要素的错乱来生成被预测为人判定为壁面构造500的色彩平衡良好的配置模型。因此，能够设定有基于人眼的错觉的均匀感的太阳能电池模块200的配置，能够在壁面构造500的制造中使用更多的太阳能电池模块200。因此，与简单地排列色彩分布接近的太阳能电池模块的情况相比，能够提高成品率。
另外，根据本实施方式的壁面制造装置400，能够在壁面制造装置400内进行接近人的感性的色彩平衡的判定，因而还能够实现太阳能电池模块200的配置的自动化。
根据本实施方式的壁面制造装置400，排列太阳能电池模块200来形成壁面构造500，因而色彩平衡、特别是色彩要素的统一性在大范围内良好。
对于本实施方式的壁面构造500而言，各太阳能电池模块200的亮度L＊、色度a＊、色度b＊中的至少任一色彩要素的绝对值大，太阳能电池模块200整体的色彩要素存在偏差。即，若简单地排列，则没有色彩要素的统一性，产生色彩不均。
根据本实施方式的壁面构造500，即使太阳能电池模块200整体的色彩要素存在偏差，由于邻接的太阳能电池模块200、200的亮度L＊、色度a＊、色度b＊中的至少任一色彩要素的差小，所以整体具有存在一致性的均匀性，成为取得了色彩要素的统一性的壁面构造。
根据本实施方式的壁面构造500的制造方法，使用测定色彩要素的色彩测定工序中的测定结果来决定太阳能电池模块200的配置，因此能够制造基于色彩要素的测定结果的色彩平衡良好的壁面构造500。
接着，对本发明的第三实施方式的制造装置600进行说明。
第三实施方式的制造装置600的控制部603的构造与第一实施方式的控制部3不同。
即，如图13那样，制造装置600的控制部603除了具备深度学习部20(机器学习部)、存储部21、测定结果取得部22、输入输出部23之外还具备第二深度学习部605(第二机器学习部)作为主要构件，第二深度学习部605生成太阳能电池单元201的配置模型。
第二深度学习部605替换太阳能电池模块200中的各太阳能电池单元201的配置，将替换后的各太阳能电池单元201的色彩要素的信息赋予至深度学习部20并使该深度学习部20判定太阳能电池模块200的色彩平衡，将多个太阳能电池单元201的配置与深度学习部20判定出的判定结果的相关关系作为教导数据来进行机器学习。
第二深度学习部605能够生成被预测为深度学习部20判定为太阳能电池模块200的色彩平衡更良好的太阳能电池单元201的配置模型(第二配置模型)。
第二深度学习部605与深度学习部20同样，按照4层以上的神经网络进行学习。第二深度学习部605的神经网络与深度学习部20同样，是深层神经网络，即具备输入层300、中间层301、输出层302，组合有上述的神经元(神经元N1～Np)作为中间层301，具有p层(p为4以上的正整数)的厚度的。
接着，对第二深度学习部605中的机器学习的步骤进行说明。
首先，制造总体太阳能电池单元201a，计算出总体太阳能电池单元201a的各太阳能电池单元201的色彩要素的分布。
接着，以实质上维持总体太阳能电池单元201a的亮度分布的方式从总体太阳能电池单元201a之中提取样本太阳能电池单元201b作为样本，随机排列样本太阳能电池单元201b，组装太阳能电池模块200。
向第二深度学习部605的输入层300输入各太阳能电池单元201的配置和各太阳能电池单元201的色彩要素，从输出层302取得色彩平衡的好坏的判定结果。另外，用深度学习部20对该太阳能电池模块200进行好坏判定。
然后，将从第二深度学习部605的输出层302取得的好坏判定结果与深度学习部20判定出的好坏判定结果进行比较，以好坏判定结果之差一致的方式调整权重，替换太阳能电池单元201的配置，进行机器学习。
本实施方式的深度学习部20预先将太阳能电池单元201的色彩要素及配置与人对太阳能电池模块200的色彩平衡进行判定的判定结果的相关关系作为教导数据来进行机器学习，具有接近人的主观的判定基准。
根据本实施方式的制造装置600，基于接近人的主观的深度学习部20对色彩平衡的判定来用第二深度学习部605进行机器学习，第二深度学习部605生成被预测为人判定为太阳能电池模块200的色彩平衡良好的配置模型。因此，能够设定基于人眼的错觉的配置，能够在太阳能电池模块200的制造中使用更多的太阳能电池单元201用于。因此，与简单地排列色彩分布接近的太阳能电池单元的情况相比，能够提高成品率。
根据本实施方式的制造装置600，深度学习部20将教导数据赋予至第二深度学习部605，因此即使人不进行判定，也能够将教导数据赋予至第二深度学习部605。
在上述的实施方式中，对使用在背面221侧设置有电极层213、216以及配线部件202的背接触型的太阳能电池单元201作为太阳能电池单元201的情况进行了说明，，但本发明并不限定于此。也能够使用在受光面220侧设置有电极层及配线部件的其他种类的太阳能电池单元作为太阳能电池单元201。
在上述的实施方式中，各太阳能电池单元201被配线部件202电连接，但本发明并不限定于此。也可以如图14那样，邻接的太阳能电池单元201、201的一部分重叠，电极层213、216彼此直接接触来电连接。
在上述的第一、三实施方式中，太阳能电池单元201在背面221侧设置有单元侧识别部217，但本发明并不限定于此。也可以在受光面220侧设置有单元侧识别部217。
在上述的第一实施方式中，对于太阳能电池单元201而言，通过在背面221侧设置单元侧识别部217来识别各太阳能电池单元201，但本发明并不限定于此。也可以根据生产线上的太阳能电池单元201的储存位置等信息来识别太阳能电池单元201。在该情况下，单元侧识别部217可以不设置于太阳能电池单元201上。
在上述的第二实施方式中，太阳能电池模块200在背面221侧设置有模块侧识别部223，但本发明并不限定于此。也可以在受光面220侧设置有模块侧识别部223。
在上述的第二实施方式中，对于太阳能电池模块200而言，通过在背面221侧设置模块侧识别部223来识别各太阳能电池模块200，但本发明并不限定于此。也可以根据生产线上的太阳能电池模块200的储存位置等信息来识别太阳能电池模块200。在该情况下，模块侧识别部223可以不设置于太阳能电池模块200上。
在上述的实施方式中，将一个导电型的半导体基板210和相反导电型的第二导电型半导体层215直接接合而形成pn结作为太阳能电池单元201，，但本发明并不限定于此。太阳能电池单元201也可以是在第一导电型半导体基板210与第二导电型半导体层215之间夹装有本征半导体层的异质结型太阳能电池单元。在该情况下，根据本征半导体层的厚度等，存在给太阳能电池单元201间的外观的色彩要素稍微带来影响的情况。在该情况下，深度学习部20还基于本征半导体层的影响来生成被预测为判定为色彩平衡良好的配置模型。
在上述的第一实施方式中，太阳能电池单元201的受光面220的全部被防反射膜211包覆，但本发明并不限定于此。也可以是太阳能电池单元201的受光面220的一部分被防反射膜211包覆。
在上述的第一实施方式中，使用人对太阳能电池模块200的色彩平衡分为多个等级进行判断的结果作为教导数据，但本发明并不限定于此。也可以使用人对太阳能电池模块200的色彩平衡仅判断好坏的结果作为教导数据。
在上述的第二实施方式中，在受光面220侧的密封基材205的表面形成有第二防反射膜501，但本发明并不限定于此。在受光面侧的密封基材205的表面也可以不形成第二防反射膜501。
在上述的第二实施方式中，使用太阳能电池单元201分别独立设置、由配线部件202电连接并被密封基材205、206密封的结构作为太阳能电池模块200，但本发明并不限定于此。也可以使用如薄膜太阳能电池单元那样在密封支承基板上成膜出层状的各太阳能电池单元的结构作为太阳能电池模块200。
在上述的第一、三实施方式中，在人、深度学习部20判定太阳能电池模块200的色彩平衡时，以亮度为基准来判定色彩平衡，但本发明并不限定于此。在人、深度学习部20判定太阳能电池模块200的色彩平衡时，可以以色度为基准来判定色彩平衡。另外，也可以以在太阳能电池单元201间形成的图案、花纹等为基准来判定色彩平衡。
同样，在第二实施方式中，在人判定壁面构造500的色彩平衡时，以亮度为基准来判定色彩平衡，但本发明并不限定于此。在人判定壁面构造500的色彩平衡时，可以以色度为基准来判定色彩平衡。另外，也可以以在太阳能电池模块200间形成的图案、花纹等为基准来判定色彩平衡。
在上述的实施方式中，对作为本发明的机器学习部、第二机器学习部而按照4层以上的深层神经网络的算法进行学习的深度学习部20、605的情况进行了说明，但本发明并不限定于此。也可以是按照3层以下的神经网络的算法进行学习的结构。
在上述的第一、二实施方式中，基于深度学习部20的机器学习的结果来决定太阳能电池单元201或太阳能电池模块200的配置，但本发明并不限定于此。也可以对照过去测定出的配置及色彩要素与人对此的判定结果来机械地决定配置。
只要包含在本发明的技术范围内，上述的实施方式能够在各实施方式间自由地置换、附加各构成部件。
附图标记说明：
1、600…模块制造装置；12、412…配置操作部；20…深度学习部(机器学习部)；31…色彩要素测定部；200…太阳能电池模块；201…太阳能电池单元；201a…总体太阳能电池单元；201b…样本太阳能电池单元；202…配线部件；205…第一密封基材；206…第二密封基材；207、208…密封材料；211…防反射膜；220…受光面；221…背面；400…壁面制造装置；500…壁面构造(太阳能电池组)；501…第二防反射膜；502…连接器部件；605…第二深度学习部(第二机器学习部)。

Claims (15)

1.一种太阳能电池组的制造装置，其特征在于，具有：
配置操作部，配置构成太阳能电池组的多个太阳能电池；和机器学习部，
所述太阳能电池组是将所述多个太阳能电池平面地排列而成的，
所述多个太阳能电池具有受光面，在所述受光面侧具备防反射材料，
在所述多个太阳能电池之中存在因所述防反射材料的厚度或所述防反射材料的折射率不同而导致色彩要素产生偏差的太阳能电池，
所述机器学习部将所述多个太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对该多个太阳能电池的配置中的所述太阳能电池组的色彩平衡进行判定的结果，
在制造所述太阳能电池组时，所述机器学习部基于各太阳能电池的色彩要素的信息来生成被预测为人在目视确认时判定为所述太阳能电池组的色彩平衡良好的所述太阳能电池的配置模型，
所述配置操作部基于所述配置模型来配置各太阳能电池。
2.根据权利要求1所述的太阳能电池组的制造装置，其特征在于，
所述太阳能电池组是所述多个太阳能电池被配线部件电连接而成的太阳能电池模块，
各太阳能电池在与所述受光面相反的一侧被所述配线部件连接。
3.根据权利要求1或2所述的太阳能电池组的制造装置，其特征在于，
所述太阳能电池是包括夹在2个密封部件间的多个太阳能电池单元的太阳能电池模块，
所述受光面侧的密封部件具有透光性，在与所述太阳能电池单元之间夹装有所述防反射材料。
4.根据权利要求1或2所述的太阳能电池组的制造装置，其特征在于，
在所述多个太阳能电池之中存在因所述防反射材料的厚度或所述防反射材料的折射率不同而导致亮度产生偏差的太阳能电池，
所述机器学习部将所述多个太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对该多个太阳能电池的配置中的所述太阳能电池组的亮度偏差进行判定的结果，
在制造所述太阳能电池组时，所述机器学习部基于各太阳能电池的亮度的信息来生成被预测为人在目视确认时在所述太阳能电池组的所述多个太阳能电池的亮度偏差看起来小的配置模型。
5.根据权利要求1或2所述的太阳能电池组的制造装置，其特征在于，
取得500个以上的太阳能电池的色彩要素的分布，以实质上维持该色彩要素的分布的方式从所述500个以上的太阳能电池中提取规定数量的太阳能电池，
所述机器学习部将所述规定数量的太阳能电池的配置与判定结果的相关关系作为教导数据来进行机器学习，该判定结果是人对配置了提取出的规定数量的太阳能电池的太阳能电池组的色彩平衡进行判定的结果。
6.根据权利要求1或2所述的太阳能电池组的制造装置，其特征在于，
所述机器学习部能够基于各太阳能电池的色彩要素及配置的信息来预测判定结果，该判定结果是人对目视确认时的所述太阳能电池组的色彩平衡进行判定的结果，
所述太阳能电池组的制造装置具有第二机器学习部，
所述第二机器学习部替换所述太阳能电池组中的所述多个太阳能电池的配置，将替换后的各太阳能电池的色彩要素及配置的信息赋予至所述机器学习部并使所述机器学习部判定所述太阳能电池组的色彩平衡，将所述多个太阳能电池的配置与所述机器学习部判定出的判定结果的相关关系作为教导数据来进行机器学习，
在制造所述太阳能电池组时，所述第二机器学习部生成被预测为所述机器学习部判定为所述太阳能电池组的色彩平衡更良好的所述太阳能电池的第二配置模型，
在所述第二机器学习部生成所述第二配置模型的情况下，所述配置操作部基于所述第二配置模型来配置各太阳能电池。
7.一种太阳能电池组，是使用权利要求1或2所述的太阳能电池组的制造装置来制造的太阳能电池组，平面地配置有总数为20个以上的太阳能电池，
所述太阳能电池组的特征在于，
在从对直射日光照射下的所述太阳能电池进行照片拍摄而得的图像计算出的CIE1976(L＊、a＊、b＊)表色系统中满足以下的(1)或(2)的条件，
(1)各太阳能电池的亮度L＊的最大值与最小值之差为2.0以上，且邻接的太阳能电池的亮度L＊之差为1.5度以下，
(2)各太阳能电池的色度b＊的最大值与最小值之差为4.0以上，且邻接的太阳能电池的色度b＊之差为1.5以下。
8.根据权利要求7所述的太阳能电池组，其特征在于，
一个太阳能电池配置为与至少3个太阳能电池邻接，
在从对直射日光照射下的所述太阳能电池进行照片拍摄而得的图像计算出的CIE1976(L＊、a＊、b＊)表色系统中满足以下的(3)或(4)的条件，
(3)满足所述(1)的条件，且所述一个太阳能电池与所述3个太阳能电池的亮度L＊之差为1.8以下，
(4)满足所述(2)的条件，并且所述一个太阳能电池与所述3个太阳能电池的色度b＊之差为2.0以下。
9.根据权利要求7所述的太阳能电池组，其特征在于，
所述太阳能电池的亮度L＊及色度b＊分别是在所述太阳能电池中在多个测定点测定出的平均值。
10.根据权利要求7所述的太阳能电池组，其特征在于，
所述太阳能电池排列为棋盘状，
邻接的太阳能电池的最短距离为5mm以下。
11.根据权利要求7所述的太阳能电池组，其特征在于，
所述太阳能电池是包括夹在2个密封部件间的多个太阳能电池单元的太阳能电池模块，
所述受光面侧的密封部件具有透光性，在与所述太阳能电池单元之间夹装有所述防反射材料。
12.一种太阳能电池组的制造方法，是使用权利要求1或2所述的太阳能电池组的制造装置来进行制造的太阳能电池组的制造方法，平面地配置多个太阳能电池来制造太阳能电池组，
所述太阳能电池组的制造方法的特征在于，包括：
太阳能电池形成工序，形成所述太阳能电池；
色彩测定工序，测定所述太阳能电池的色彩要素；
发送工序，将所述色彩测定工序中的测定结果发送至配置决定装置；
配置决定工序，基于所述配置决定装置接收到的所述测定结果来决定构成所述太阳能电池组的所述太阳能电池的配置；以及
配置工序，基于所述配置决定工序中的所述配置决定装置的决定来配置所述太阳能电池。
13.根据权利要求12所述的太阳能电池组的制造方法，其特征在于，
在所述配置决定工序中，基于在过去的太阳能电池组测定出的各太阳能电池的色彩要素与所述过去的太阳能电池组的各太阳能电池的色彩平衡的好坏并根据所述测定结果来决定所述太阳能电池的配置，以使各太阳能电池的色彩平衡良好。
14.根据权利要求12所述的太阳能电池组的制造方法，其特征在于，
所述太阳能电池具有识别部，
所述太阳能电池组的制造方法包括：关联建立工序，将所述太阳能电池的识别部与所述测定结果建立关联；和收纳工序，将已在所述关联建立工序中与所述测定结果建立关联的太阳能电池收纳于收纳部件，
在所述配置工序中，基于所述配置决定工序中的所述配置决定装置的决定来将已在所述关联建立工序中与所述测定结果建立关联的太阳能电池从所述收纳部件取出并进行配置。
15.根据权利要求12所述的太阳能电池组的制造方法，其特征在于，
在色彩测定工序中，在多个测定点测定所述太阳能电池的所述色彩要素，
在配置决定工序中，使用在所述多个测定点测定出的色彩要素的平均值来决定所述太阳能电池的配置。
CN202080051007.XA 2019-09-10 2020-06-15 太阳能电池组的制造装置、太阳能电池组及太阳能电池组的制造方法 Active CN114127960B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
JP2019-164480 2019-09-10
JP2019164480A JP7355565B2 (ja) 2019-09-10 2019-09-10 太陽電池群の製造装置、壁面構造の製造装置、並びに機械学習プログラム
JP2019164482A JP7412930B2 (ja) 2019-09-10 2019-09-10 太陽電池群の製造方法及び太陽電池モジュールの製造方法
JP2019164481A JP7412929B2 (ja) 2019-09-10 2019-09-10 太陽電池群及び壁面構造
JP2019-164482 2019-09-10
JP2019-164481 2019-09-10
PCT/JP2020/023379 WO2021049116A1 (ja) 2019-09-10 2020-06-15 太陽電池群の製造装置、太陽電池群、及び太陽電池群の製造方法

Publications (2)

Publication Number Publication Date
CN114127960A CN114127960A (zh) 2022-03-01
CN114127960B true CN114127960B (zh) 2024-03-26

Family

ID=74865634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080051007.XA Active CN114127960B (zh) 2019-09-10 2020-06-15 太阳能电池组的制造装置、太阳能电池组及太阳能电池组的制造方法

Country Status (3)

Country Link
US (1) US20220328714A1 (zh)
CN (1) CN114127960B (zh)
WO (1) WO2021049116A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113714150B (zh) * 2021-11-02 2022-04-19 晶科能源(海宁)有限公司 太阳能电池的分选方法及光伏组件
CN114597280B (zh) * 2022-05-05 2022-07-12 晶科能源(海宁)有限公司 太阳能电池、光伏组件

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11238897A (ja) * 1998-02-23 1999-08-31 Canon Inc 太陽電池モジュール製造方法および太陽電池モジュール
JP2001308360A (ja) * 2000-04-21 2001-11-02 Sharp Corp 太陽電池モジュール及びその製造方法
JP2003344163A (ja) * 2002-05-23 2003-12-03 Ohbayashi Corp 石材の分類方法およびこの石材の分類方法を用いた構造物の製造方法
CN103022239A (zh) * 2011-09-26 2013-04-03 茂迪股份有限公司 半导体元件的序号制定方法、制定设备及其辨识设备
CN103688370A (zh) * 2011-08-02 2014-03-26 三菱电机株式会社 太阳能电池单元的制造方法以及太阳能电池单元制造系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103218626B (zh) * 2012-01-20 2016-06-01 致茂电子股份有限公司 太阳能电池晶片分色的方法
US20160085944A1 (en) * 2014-09-18 2016-03-24 Enki Technology, Inc. Glass coating specification library
WO2017172611A1 (en) * 2016-03-28 2017-10-05 General Dynamics Mission Systems, Inc. System and methods for automatic solar panel recognition and defect detection using infrared imaging
EP3447258B1 (en) * 2017-08-25 2023-05-17 Johnson Controls Tyco IP Holdings LLP Central plant control system with equipment maintenance evaluation
SG11202108799QA (en) * 2019-02-26 2021-09-29 Lightmatter Inc Hybrid analog-digital matrix processors

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11238897A (ja) * 1998-02-23 1999-08-31 Canon Inc 太陽電池モジュール製造方法および太陽電池モジュール
JP2001308360A (ja) * 2000-04-21 2001-11-02 Sharp Corp 太陽電池モジュール及びその製造方法
JP2003344163A (ja) * 2002-05-23 2003-12-03 Ohbayashi Corp 石材の分類方法およびこの石材の分類方法を用いた構造物の製造方法
CN103688370A (zh) * 2011-08-02 2014-03-26 三菱电机株式会社 太阳能电池单元的制造方法以及太阳能电池单元制造系统
CN103022239A (zh) * 2011-09-26 2013-04-03 茂迪股份有限公司 半导体元件的序号制定方法、制定设备及其辨识设备

Also Published As

Publication number Publication date
US20220328714A1 (en) 2022-10-13
CN114127960A (zh) 2022-03-01
WO2021049116A1 (ja) 2021-03-18

Similar Documents

Publication Publication Date Title
CN114127960B (zh) 太阳能电池组的制造装置、太阳能电池组及太阳能电池组的制造方法
Lo et al. New integrated simulation tool for the optimum design of bifacial solar panel with reflectors on a specific site
EP3268951B1 (en) Tiled display device
CN101454905B (zh) 太阳能电池模块评价装置、评价方法以及制造方法
CN115552638A (zh) 具有提供仿木瓦外观的光散射封装物的光伏模块
JP7412929B2 (ja) 太陽電池群及び壁面構造
US20070277810A1 (en) Solar Panel
US20130206210A1 (en) Solar battery module, photovoltaic apparatus, and manufacturing method of solar battery module
Sridhar et al. A study of dye sensitized solar cells under indoor and low level outdoor lighting: comparison to organic and inorganic thin film solar cells and methods to address maximum power point tracking
CN104778345A (zh) 一种模拟光伏电池模型老化故障的非线性参数计算方法
Mafrica et al. A bio-inspired analog silicon retina with Michaelis-Menten auto-adaptive pixels sensitive to small and large changes in light
TW202204939A (zh) 用於可著色窗之預測模型化
JP7412930B2 (ja) 太陽電池群の製造方法及び太陽電池モジュールの製造方法
Ortiz Lizcano et al. Colored optic filters on c‐Si IBC solar cells for building integrated photovoltaic applications
CN108899336A (zh) 一种信号识别系统及其制备方法、电子设备
JP7355565B2 (ja) 太陽電池群の製造装置、壁面構造の製造装置、並びに機械学習プログラム
CN107483805A (zh) 一种摄像装置及电子设备
CN115829922A (zh) 一种检测电池片的间距的方法、装置、设备及介质
CN113714150B (zh) 太阳能电池的分选方法及光伏组件
CN111727509B (zh) 太阳能电池模块
CN104766898A (zh) 面板、用于制造面板的方法和方法
Ch et al. Enhancing Optimization of Photovoltaic Devices Performance using Artificial Neural Network (ANN) Comparing with Thermoelectric Generators (TEGs) to Improve Power Efficiency
WO2019201415A1 (en) Photovoltaic modules and methods of manufacture thereof
Gewohn et al. Predicting color and short-circuit current of colored BIPV modules
Liu et al. Overall Performance Losses and Activated Mechanisms in Double Glass and Glass-backsheet Photovoltaic Modules with Monofacial and Bifacial PERC Cells, under Accelerated Exposures

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