CN114598263A - 太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 - Google Patents
太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114598263A CN114598263A CN202210067518.1A CN202210067518A CN114598263A CN 114598263 A CN114598263 A CN 114598263A CN 202210067518 A CN202210067518 A CN 202210067518A CN 114598263 A CN114598263 A CN 114598263A
- Authority
- CN
- China
- Prior art keywords
- solar cell
- electroluminescence
- volt
- image
- quantum efficiency
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000005401 electroluminescence Methods 0.000 claims abstract description 93
- 238000002347 injection Methods 0.000 claims description 39
- 239000007924 injection Substances 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000001194 electroluminescence spectrum Methods 0.000 claims description 18
- 239000000523 sample Substances 0.000 claims description 17
- 239000000758 substrate Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000004832 voltammetry Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004020 luminiscence type Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000005457 Black-body radiation Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 238000011946 reduction process Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims 1
- 230000003071 parasitic effect Effects 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 3
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 17
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 16
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- 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
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Photovoltaic Devices (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种太阳能电池伏安特性的自动检测方法,利用太阳能电池的绝对电致发光图像,自动检测太阳能电池的伏安特性,且检测结果不受额外接触电阻、寄生电阻等因素的影响。相对于传统利用CCD照相机获取太阳能电池相对电致发光图像的检测方法,本发明的检测方法能够直接获取太阳能电池的绝对电致发光强度分布信息;另一方面,本发明的检测方法主要利用电池的绝对电致发光特性来直接定量的获取电池的内部电压信息,由于电致发光特性不受电池内部串联电阻、外部电极接触电阻以及检测装置寄生电阻的影响,克服了传统检测方法受电池内部串联电阻、外部电极接触电阻以及检测装置寄生电阻影响较大的缺陷,本发明检测方法更加可靠。
Description
技术领域
本发明属于电池检测技术领域,涉及一种太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质。
背景技术
传统的太阳能电池伏安特性检测方法,是利用太阳光模拟器发出的模拟太阳光照射在电池片上,检测电池片两端电流信号随电压信号的变化关系即伏安特性曲线,经过数据采集和处理,评估太阳能电池的短路电流、开路电压、填充因子、转换效率及串并联电阻等重要的光伏性能参数。然而,检测时需要用探针接触太阳能电池的正负电极,因此不可避免会产生串联接触电阻;此外,检测装置及线缆亦会引入串联寄生电阻。这些额外的因素都会影响太阳能电池真实伏安特性的检测,进而影响对太阳能电池的评价。
电致发光成像检测方法是一种广泛运用于太阳能电池领域的评估技术,能够解决传统太阳能电池光伏性能检测方法受串联寄生电阻影响大的问题。通过给太阳能电池注入正向电流使之发光,可以借助光电探测器或者结合CCD照相机和遮光板采集太阳能电池的电致发光强度,从而进一步得到太阳能电池的光伏性能。然而,对于较大面积的太阳能电池片或组件,其表面的电致发光强度并不均匀,无论利用光电探测器还是利用CCD照相机结合遮光板,都只能获取电池局部的电致发光强度并将其视为电池整体的电致发光强度,降低了太阳能电池光伏性能检测的可靠性和结果的可用性,利用照相机只能采集太阳能电池的相对电致发光强度,并不能获取绝对的强度分布信息。
发明内容
为了解决现有技术存在的不足,本发明的目的是一种太阳能电池伏安特性的自动检测检测方法,利用太阳能电池的绝对电致发光图像,自动检测太阳能电池的伏安特性,且检测结果不受额外接触电阻、寄生电阻等因素的影响。
本发明提供了一种太阳能电池伏安特性自动检测方法,包括如下步骤:
步骤一:向太阳能电池片的电极施加任意正向注入电流;
步骤二:将光谱仪探头置于所述太阳能电池片的表面且不与太阳能电池片相接触处,测量所述太阳能电池片的电致发光光谱,以确认发光波段;
步骤三:测量所述太阳能电池片的外量子效率及其随波长的变化关系;
步骤四:将CCD照相机置于所述太阳能电池片的正上方,使得太阳能电池片的表面区域能够被CCD照相机完整捕获;
步骤五:输出从小到大的一系列正向注入电流,并控制所述CCD照相机,在每个注入电流密度下分别测量所述太阳能电池片表面区域的电致发光图像;
步骤六:读取获得的太阳能电池片的电致发光图像、电致发光光谱和外量子效率;
步骤七:通过高斯滤波和大津算法对输入电致发光图像进行阈值化处理后,获得阈值化图像中白色轮廓所对应的外接矩形区域即为太阳能电池在电致发光图像中的有效区域;
步骤八:根据步骤七中获得的太阳能电池的有效区域,对太阳能电池有效区域的电致发光图像进行绝对电致发光强度校准,获得不同注入电流下电池有效区域的绝对电致发光图像;
步骤九:遍历每个注入电流密度下的太阳能电池绝对电致发光图像,根据太阳能电池绝对电致发光强度与内部电压的互易关系,计算太阳能电池在不同注入电流密度下的内部电压,并获得光照工作条件下注入电流密度与内部电压的变化关系,输出太阳能电池的伏安特性。
本发明还提出了一种太阳能电池伏安特性的自动检测系统,应用于上述方法,所述系统包括:信号采集装置、信号输入模块、电池定位校准模块和伏安特性输出模块;其中,
所述信号采集装置,包括:基板、太阳能电池片、电流电压源、CCD照相机、光谱仪探头、光谱仪、太阳能电池量子效率检测仪和计算机;
所述信号输入模块,用于读取信号采集装置获取的太阳能电池片的电致发光图像、电致发光光谱和外量子效率;
所述电池定位校准模块,用于定位太阳能电池片电致发光图像的有效区域,并进行绝对电致发光强度校准;
所述伏安特性输出模块,用于根据绝对电致发光强度与太阳能电池内部电压的关系,输出伏安特性。
所述信号采集装置中,各个组件的连接方式为:所述基板设置于所述太阳能电池片的底部,用于固定太阳能电池片,并与电池片的背面电极实现接触;所述电流电压源的输出端与所述太阳能电池片的正面电极和基板相连接,基板与太阳能电池片背部电极连接,形成闭合回路,用于向太阳能电池片输出不同密度的注入电流;所述CCD照相机置于所述太阳能电池片的正上方,CCD照相机和太阳能电池片的距离设置为太阳能电池片的范围能够被CCD照相机完全捕获,用于获得太阳能电池片的电致发光图像;所述光谱仪探头置于太阳能电池片的表面一定距离处,靠近但不与太阳能电池片接触,用于探测太阳能电池片的电致发光光谱;所述太阳能电池量子效率检测仪用于测量太阳能电池片的外量子效率;所述CCD照相机、光谱仪和太阳能电池量子效率检测仪的输出端与计算机连接,用于所述信号输入模块的数据读取。
所述信号采集装置中,所述光谱仪的波长检测范围覆盖所述太阳能电池片的光谱响应范围;其测量光谱的方式为利用光谱仪探头的探测。
所述信号采集装置中,所述CCD照相机的波长灵敏范围覆盖所述太阳能电池片的光谱响应范围。
所述信号采集装置中,所述太阳能电池量子效率检测仪测量外部量子效率波长检测范围覆盖所述太阳能电池片的光谱响应范围。
所述电池定位校准模块中,电池片电致发光图像的有效区域定义为:使用指定窗口大小的高斯滤波和大津算法对输入电致发光图像进行阈值化处理后,阈值化图像中白色区域的轮廓所在外接矩形区域。所述高斯滤波是指一种线性平滑算法,用于图像处理的降噪过程,从而改善太阳能电池边缘的毛刺,获得信噪比更高的电致发光图像;所述高斯滤波的窗口大小为S,S为正整数;所述大津算法是一种自适应选择阈值的算法,使用该方法可以使程序自动给电致发光图像设定阈值,从而获得阈值化的图像;阈值的设定与图像的灰度特性有关,采用该阈值时,阈值化图像的黑色和白色两类区域之间满足类间方差最大,且阈值化的错误概率最小。具体来说,大津算法被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。
所述大津算法是按图像的灰度特性,将图像分成背景(黑色)和前景(白色)两部分。通常用“方差”作为灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分(即黑白两部分)的差别越大。因此,使类间方差最大的分割(分割即阈值选取)意味着错分概率最小。
因此大津算法做出了使类间方差最大的阈值选取。
所述电池定位校准模块中,有效区域内任一像素点的绝对电致发光强度校准方法为:任一像素点的绝对电致发光强度=衰减片倍数×校准因子×(该像素点灰度值-该图像最低灰度值)/曝光时间。其中,所述衰减倍数、曝光时间和校准因子通过计算机键入所述检测系统;所述电致发光图像各像素点的灰度值及最低灰度值通过计算机视觉软件读取。
所述伏安特性输出模块中,绝对电致发光强度与太阳能电池内部电压的关系为:
其中V(I)为太阳能电池在注入电流I时的内部电压,I为注入电流密度,k为玻尔兹曼常数,T为开尔文温度,q为电子电量,φ(I)为单位面积的绝对电致发光强度,单位为光子数/平方厘米/秒,EQE为实验测得的太阳能电池外量子效率,<EQE>EL为电池在电致发光光谱的波长范围内的平均量子效率,为黑体辐射光谱的光子密度随光子能量的分布,h为普朗克常数,c为真空光速,Eg为电池的禁带宽度,E为能量。
所述伏安特性输出模块中,太阳能电池在光照工作条件下的注入电流密度IL为:
IL=Isun-I=(q∫EQE(E)SAM1.5G(E)dE)-I,其中Isun为在空气质量AM1.5G的光谱SAM1.5G条件下的电流密度,I为注入电流密度,V(I)与IL的关系即光照条件下太阳能电池的伏安特性。
所述伏安特性输出模块中,输出的太阳能电池伏安特性包括以下参数中的一种或几种:伏安特性曲线、开路电压、填充因子和转换效率;其中,计算机自动输出内部电压V(I)与在空气质量AM1.5G的光谱SAM1.5G条件下的注入电流密度IL的变化关系,为太阳能电池的伏安特性曲线;伏安特性曲线与电压轴的交点,为开路电压;填充因子=伏安特性曲线上各点与坐标轴所构成最大矩形的面积/(开路电压×Isun);转换效率=填充因子×(开路电压×Isun)/空气质量AM1.5G太阳光辐照的功率密度;所述空气质量AM1.5G太阳光辐照的功率密度为1000W/m2。
本发明还提出了一种设备,包括:存储器和处理器;所述存储器上存储有计算机程序,当所述计算机程序被所述处理器执行时,实现上述太阳能电池伏安特性的自动检测方法。
本发明还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述太阳能电池伏安特性的自动检测方法。
本发明的有益效果包括:一方面,相对于传统利用CCD照相机获取太阳能电池相对电致发光图像的检测方法,本发明的检测方法能够直接获取太阳能电池的绝对电致发光强度分布信息;另一方面,本发明的检测方法主要利用电池的绝对电致发光特性来直接定量的获取电池的内部电压信息,由于电致发光特性不受电池内部串联电阻、外部电极接触电阻以及检测装置寄生电阻的影响,克服了传统检测方法受电池内部串联电阻、外部电极接触电阻以及检测装置寄生电阻影响较大的缺陷,本发明检测方法更加可靠。
同时,现有技术只能检测太阳能电池局部的电致发光强度,并将其视为电池整体的发光以用于光伏性能检测,对于电致发光强度分布不均匀的电池片检测误差较大,本发明的检测方法利用电池整体的电致发光图像直接检测太阳能电池光伏性能,与现有技术相比提高了光伏性能检测的可靠性和结果的可用性。
附图说明
图1为本发明所述太阳能电池伏安特性的自动检测系统的系统框图。
图2为本发明所述方法的流程示意图。
图3为本发明所述太阳能电池伏安特性的自动检测系统中信号采集装置的结构组成示意图。
图4为光谱仪采集的GaAs太阳能电池片的电致发光光谱。
图5为太阳能电池量子效率检测仪采集的GaAs太阳能电池片的外量子效率随波长变化关系图。
图6为未经绝对电致发光强度校准的GaAs太阳能电池片在正向注入电流密度为5、10、20mA/cm2时的电致发光图像。
图7为电池定位校准模块获得的GaAs太阳能电池片在正向注入电流密度为5、10、20mA/cm2时的绝对电致发光图像。
图8为利用本发明所述方法获得的GaAs太阳能电池伏安特性曲线。
图9为利用本发明所述方法与传统利用太阳光模拟器照射太阳能电池方法测量的伏安特性曲线对比图。
图10为利用本发明所述方法与利用光电探测器测量的GaAs太阳能电池伏安特性曲线对比图。
具体实施方式
结合以下具体实施例和附图,对发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明的太阳能电池伏安特性的自动检测方法,包括如下步骤:
步骤一:计算机8控制电流电压源3向所述太阳能电池片2的电极施加任意正向注入电流;
步骤二:将所述光谱仪探头5置于所述太阳能电池片2的表面且不与太阳能电池片2相接触处,计算机8控制所述光谱仪6测量所述太阳能电池片2的电致发光光谱,以确认发光波段;
步骤三:计算机8控制所述太阳能电池量子效率检测仪7测量所述太阳能电池片2的外量子效率及其随波长的变化关系;
步骤四:将所述CCD照相机4置于所述太阳能电池片2的正上方,使得太阳能电池片2的表面区域能够被CCD照相机4完整捕获;
步骤五:计算机8控制电流电压源3自动输出从小到大的一系列正向注入电流,并控制所述CCD照相机4,在每个注入电流密度下分别测量所述太阳能电池片2表面区域的电致发光图像;
步骤六:信号输入模块自动读取信号采集装置获得的太阳能电池片2的电致发光图像、电致发光光谱和外量子效率,并将上述数据信息传输给电池定位校准模块;
步骤七:电池定位校准模块通过高斯滤波和大津算法对输入电致发光图像进行阈值化处理后,获得阈值化图像中白色轮廓所对应的外接矩形区域即为太阳能电池在电致发光图像中的有效区域;
步骤八:根据步骤七中获得的太阳能电池的有效区域,电池定位校准模块对太阳能电池有效区域的电致发光图像进行绝对电致发光强度校准,获得不同注入电流下电池有效区域的绝对电致发光图像,并将结果传输给伏安特性输出模块;
步骤九:伏安特性输出模块遍历每个注入电流密度下的太阳能电池绝对电致发光图像,根据太阳能电池绝对电致发光强度与内部电压的互易关系,计算太阳能电池在不同注入电流密度下的内部电压,并获得光照工作条件下注入电流密度与内部电压的变化关系,输出太阳能电池的伏安特性。
如图1所示,本发明的一种太阳能电池伏安特性的自动检测系统包括:信号采集装置、信号输入模块、电池定位校准模块、伏安特性输出模块。
其中,所述信号采集装置,包括:基板1、太阳能电池片2、电流电压源3、CCD照相机4、光谱仪探头5、光谱仪6、太阳能电池量子效率检测仪7和计算机8;
其中,信号输入模块用于读取信号采集装置获取的太阳能电池片的电致发光图像、电致发光光谱和外量子效率;
其中,电池定位校准模块用于定位太阳能电池片电致发光图像的有效区域,并进行绝对电致发光强度校准;
其中,伏安特性检测模块用于根据绝对电致发光强度与太阳能电池内部电压的关系,自动得到太阳能电池的伏安特性。
如图3所示,本发明的一种太阳能电池伏安特性的自动检测系统中信号采集装置包括:基板1、太阳能电池片2、电流电压源3、CCD照相机4、光谱仪探头5、光谱仪6、太阳能电池量子效率检测仪7和计算机8;所述基板1设置于所述太阳能电池片2的底部,用于固定太阳能电池片2,并与电池的背面电极实现接触;所述电流电压源3的输出端与所述太阳能电池片2的正面电极和基板相连接,基板与太阳能电池片2背部电极连接,形成闭合回路,用于向太阳能电池片2输出不同密度的注入电流;所述CCD照相机4置于所述太阳能电池片2的正上方,CCD照相机4和太阳能电池板2的距离设置为太阳能电池片2的范围能够被CCD照相机4完全捕获,用于获得太阳能电池片2的电致发光图像;所述光谱仪探头5与所述光谱仪6相连,置于靠近太阳能电池片2的表面且不与太阳能电池片2相接触处,用于探测太阳能电池片2的电致发光光谱;所述太阳能电池量子效率检测仪7用于测量太阳能电池片2的外量子效率;所述CCD照相机4、光谱仪6和太阳能电池量子效率检测仪7的输出端与计算机8连接,用于所述信号输入模块的数据读取,通过运行计算机8存储的自动检测算法,将太阳能电池片2的电致发光图像直接校准为绝对电致发光强度,根据太阳能电池的绝对电致发光强度与其内部电压的关系,得到太阳能电池片2的光伏性能。
CCD照相机4的波长灵敏范围覆盖所述太阳能电池片2的光谱响应范围。
光谱仪6的波长检测范围覆盖所述太阳能电池片2的光谱响应范围。
太阳能电池量子效率检测仪7的外量子效率波长检测范围覆盖所述太阳能电池片2的光谱响应范围。
计算机8包括设备控制部件及存储器存储的自动检测算法。设备控制部件主要用于控制电流电压源3输出不同的注入电流或电压,控制CCD照相机4采集电致发光图像,控制光谱仪6采集电致发光光谱,以及控制太阳能电池量子效率检测仪7采集外量子效率等。
实施例
以尺寸为4cm×2cm的砷化镓(GaAs)太阳能电池片伏安特性的自动检测为例进行说明,参见图2所示的流程说明,具体步骤如下:
步骤一:将GaAs太阳能电池片2与其他信号采集装置按图3的方式连接。利用太阳能电池的正向导通特性,计算机8控制电流电压源3对GaAs太阳能电池片2注入10mA/cm2电流,产生辐射复合;
步骤二:将光谱仪探头5置于GaAs太阳能电池片2的表面且不与太阳能电池片2相接触处,计算机8控制光谱仪6测量如图4所示的GaAs太阳能电池片2的电致发光光谱;
步骤三:计算机8控制太阳能电池量子效率检测仪7测量如图5所示的GaAs太阳能电池片2的外量子效率及其随波长的变化关系;
步骤四:将所述CCD照相机4置于GaAs太阳能电池片2的正上方,使得太阳能电池片2的表面区域能够被CCD照相机4完整捕获;
步骤五:计算机8控制电流电压源3自动输出从0到30mA/cm2的一系列正向注入电流,并控制CCD照相机4,在每个注入电流密度下分别测量GaAs太阳能电池片2表面区域的电致发光图像;
步骤六:信号输入模块自动读取信号采集装置获得的GaAs太阳能电池片2的电致发光图像、电致发光光谱和外量子效率,并将上述数据信息传输给电池定位校准模块;
步骤七:电池定位校准模块通过窗口大小为25的高斯滤波和大津算法对输入电致发光图像进行阈值化处理后,获得阈值化图像中白色轮廓所对应的外接矩形区域即为太阳能电池在电致发光图像中的有效区域;参见图6,分别对应GaAs太阳能电池片在正向注入电流密度为5、10、20mA/cm2时的电致发光图像有效区域,此时的电致发光强度随注入电流密度的增加无明显变化趋势;
步骤八:根据步骤七中获得的太阳能电池的有效区域,电池定位校准模块对太阳能电池有效区域的电致发光图像进行绝对电致发光强度校准,获得不同注入电流下电池有效区域的绝对电致发光图像,并将结果传输给伏安特性输出模块;参见图7,分别对应GaAs太阳能电池片在正向注入电流密度为5、10、20mA/cm2时的绝对电致发光图像,此时绝对电致发光强度随注入电流密度的增加而明显增加;
步骤九:伏安特性输出模块遍历每个注入电流密度下的太阳能电池绝对电致发光图像,根据太阳能电池绝对电致发光强度与内部电压的互易关系,计算太阳能电池在不同注入电流密度下的内部电压,并获得光照工作条件下注入电流密度与内部电压的变化关系,输出如图8“本发明检测方法”所示的太阳能电池的伏安特性曲线。
参阅图9,对于利用太阳光模拟器照射太阳能电池的传统检测方法,由于不同检测装置接触电阻的不同,会导致同一电池的伏安特性出现很大的差异,如图9中“传统检测方法R=0欧”、“传统检测方法R=10欧”对应的伏安特性曲线所示;而对于利用本发明所述的自动检测方法,检测装置接触电阻的不同对同一电池得到的伏安特性没有影响,如图9中“本发明检测方法R=0欧”、“本发明检测方法R=10欧”对应的伏安特性曲线所示。
参阅图10,对于现有利用光电探测器检测太阳能电池光伏性能的技术,由于电池表面的电致发光强度不均匀,当以不同局部区域视为电池整体发光的时候,会导致同一电池的伏安特性曲线出现较大的偏差,如图10中“现有技术-区域A”、“现有技术-区域B”对应的伏安特性曲线所示;而对于利用本发明所述的自动检测方法,电池整体的电致发光图像直接被用于检测光伏性能,不受电池电致发光强度不均匀的影响,如图10中“本发明检测方法”对应的伏安特性曲线所示。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。
Claims (13)
1.一种太阳能电池伏安特性的自动检测方法,其特征在于,包括如下步骤:
步骤一:向太阳能电池片(2)的电极施加任意正向注入电流;
步骤二:将光谱仪探头(5)置于所述太阳能电池片(2)的表面且不与太阳能电池片(2)相接触处;测量所述太阳能电池片(2)的电致发光光谱,以确认发光波段;
步骤三:测量所述太阳能电池片(2)的外量子效率及其随波长的变化关系;
步骤四:将CCD照相机(4)置于所述太阳能电池片(2)的正上方,使得太阳能电池片(2)的表面区域能够被CCD照相机(4)完整捕获;
步骤五:输出从小到大的一系列正向注入电流,并控制所述CCD照相机(4),在每个注入电流密度下分别测量所述太阳能电池片(2)表面区域的电致发光图像;
步骤六:读取获得的太阳能电池片(2)的电致发光图像、电致发光光谱和外量子效率;
步骤七:通过高斯滤波和大津算法对输入电致发光图像进行阈值化处理后,获得阈值化图像中白色轮廓所对应的外接矩形区域即为太阳能电池在电致发光图像中的有效区域;
步骤八:根据步骤七中获得的太阳能电池的有效区域,对太阳能电池有效区域的电致发光图像进行绝对电致发光强度校准,获得不同注入电流下电池有效区域的绝对电致发光图像;
步骤九:遍历每个注入电流密度下的太阳能电池绝对电致发光图像,根据太阳能电池绝对电致发光强度与内部电压的互易关系,计算太阳能电池在不同注入电流密度下的内部电压,并获得光照工作条件下注入电流密度与内部电压的变化关系,输出太阳能电池的伏安特性。
2.如权利要求1所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述方法采用太阳能电池伏安特性的自动检测系统,所述系统包括:信号采集装置、信号输入模块、电池定位校准模块和伏安特性输出模块;其中,
所述信号采集装置,包括:基板(1)、太阳能电池片(2)、电流电压源(3)、CCD照相机(4)、光谱仪探头(5)、光谱仪(6)、太阳能电池量子效率检测仪(7)和计算机(8);
所述信号输入模块,用于读取信号采集装置获取的太阳能电池片的电致发光图像、电致发光光谱和外量子效率;
所述电池定位校准模块,用于定位太阳能电池片电致发光图像的有效区域,并进行绝对电致发光强度校准;
所述伏安特性输出模块,用于根据绝对电致发光强度与太阳能电池内部电压的关系,输出伏安特性。
3.如权利要求2所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述信号采集装置中,各个组件的连接方式为:所述基板(1)设置于所述太阳能电池片(2)的底部,用于固定太阳能电池片(2),并与电池的背面电极实现接触;所述电流电压源(3)的输出端与所述太阳能电池片(2)的正面电极和基板相连接,基板与太阳能电池片(2)背部电极连接,形成闭合回路,用于向太阳能电池片(2)输出不同密度的注入电流;所述CCD照相机(4)置于所述太阳能电池片(2)的正上方,CCD照相机(4)和太阳能电池板(2)的距离设置为太阳能电池片(2)的范围能够被CCD照相机(4)完全捕获,用于获得太阳能电池片(2)的电致发光图像;所述光谱仪探头(5)与所述光谱仪(6)相连,置于靠近太阳能电池片(2)的表面且不与太阳能电池片(2)相接触处,用于探测太阳能电池片(2)的电致发光光谱;所述太阳能电池量子效率检测仪(7)用于测量太阳能电池片(2)的外量子效率;所述CCD照相机(4)、光谱仪(6)和太阳能电池量子效率检测仪(7)的输出端与计算机(8)连接,用于所述信号输入模块的数据读取。
4.如权利要求2所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述光谱仪(6)的波长检测范围覆盖所述太阳能电池片(2)的光谱响应范围;其测量光谱的方式为利用光谱仪探头(5)的探测。
5.如权利要求1所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述CCD照相机(4)的波长灵敏范围覆盖所述太阳能电池片(2)的光谱响应范围。
6.如权利要求2所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述信号采集装置中,所述太阳能电池量子效率检测仪(7)测量外部量子效率波长检测范围覆盖所述太阳能电池片(2)的光谱响应范围。
7.如权利要求1所述的太阳能电池伏安特性的自动检测方法,其特征在于,电池片电致发光图像的有效区域定义为:使用高斯滤波和大津算法对输入的电致发光图像进行阈值化处理后,阈值化图像中白色区域的轮廓所在外接矩形区域;所述高斯滤波是指一种线性平滑算法,用于图像处理的降噪过程,从而改善太阳能电池边缘的毛刺,获得信噪比更高的电致发光图像;所述高斯滤波的窗口大小为S,S为正整数;所述大津算法是一种自适应选择阈值的算法,使用该方法可以使程序自动给电致发光图像设定阈值,从而获得阈值化的图像。
8.如权利要求2所述的太阳能电池伏安特性的自动检测方法,其特征在于,所述电池定位校准模块中,有效区域内任一像素点的绝对电致发光强度校准方法为:任一像素点的绝对电致发光强度=衰减片倍数×校准因子×(该像素点灰度值-该图像最低灰度值)/曝光时间;其中,所述衰减倍数、曝光时间和校准因子通过计算机(8)键入所述检测系统;所述电致发光图像各像素点的灰度值及最低灰度值通过计算机视觉软件读取。
10.如权利要求1所述的太阳能电池伏安特性的自动检测方法,其特征在于,太阳能电池在光照工作条件下的注入电流密度IL为:
IL=Isun-I=(q∫EQE(E)SAM1.5G(E)dE)-I,其中Isun为在空气质量AM1.5G的光谱SAM1.5G条件下的电流密度,I为注入电流密度,V(I)与IL的关系即光照条件下太阳能电池的伏安特性。
11.如权利要求1所述的太阳能电池伏安特性的自动检测方法,其特征在于,输出的太阳能电池伏安特性包括以下参数中的一种或几种:伏安特性曲线、开路电压、填充因子和转换效率;
其中,计算机自动输出内部电压V(I)与在空气质量AM1.5G的光谱SAM1.5G条件下的注入电流密度IL的变化关系,为太阳能电池的伏安特性曲线;
所述伏安特性曲线与电压轴的交点,为开路电压;
填充因子=伏安特性曲线上各点与坐标轴所构成最大矩形的面积/(开路电压×Isun);
转换效率=填充因子×(开路电压×Isun)/空气质量AM1.5G太阳光辐照的功率密度;所述空气质量AM1.5G太阳光辐照的功率密度为1000W/m2。
12.一种太阳能电池伏安特性的自动检测设备,其特征在于,包括:存储器和处理器;
所述存储器上存储有计算机程序,当所述计算机程序被所述处理器执行时,实现如权利要求1-11之任一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-11之任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210067518.1A CN114598263A (zh) | 2022-01-20 | 2022-01-20 | 太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210067518.1A CN114598263A (zh) | 2022-01-20 | 2022-01-20 | 太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114598263A true CN114598263A (zh) | 2022-06-07 |
Family
ID=81804593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210067518.1A Pending CN114598263A (zh) | 2022-01-20 | 2022-01-20 | 太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114598263A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589063A (zh) * | 2024-01-18 | 2024-02-23 | 宁德时代新能源科技股份有限公司 | 尺寸检测方法及尺寸检测系统 |
-
2022
- 2022-01-20 CN CN202210067518.1A patent/CN114598263A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589063A (zh) * | 2024-01-18 | 2024-02-23 | 宁德时代新能源科技股份有限公司 | 尺寸检测方法及尺寸检测系统 |
CN117589063B (zh) * | 2024-01-18 | 2024-05-14 | 宁德时代新能源科技股份有限公司 | 尺寸检测方法及尺寸检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7847237B2 (en) | Method and apparatus for testing and evaluating performance of a solar cell | |
US7601941B2 (en) | Method and apparatus for evaluating solar cell and use thereof | |
Bedrich et al. | Quantitative electroluminescence imaging analysis for performance estimation of PID-influenced PV modules | |
EP3416283A1 (en) | Battery pack string fault identification method in photoelectric system, apparatus and device | |
Helbig et al. | Quantitative electroluminescence analysis of resistive losses in Cu (In, Ga) Se2 thin-film modules | |
Ebner et al. | Defect analysis in different photovoltaic modules using electroluminescence (EL) and infrared (IR)-thermography | |
US9124214B2 (en) | Method for spatially determining the series resistance of a semiconductor structure | |
CN113169710B (zh) | 太阳能电池模块内的太阳能电池单元的工作电压的推测方法及太阳能电池单元工作电压推测系统 | |
Köntges et al. | Quantitative analysis of PV-modules by electroluminescence images for quality control | |
CN114598263A (zh) | 太阳能电池伏安特性的自动检测方法、设备、计算机可读存储介质 | |
Liu et al. | Luminescence imaging analysis of light harvesting from inactive areas in crystalline silicon PV modules | |
CN108092624B (zh) | 一种太阳能电池开路电压分布的检测装置及其检测方法 | |
Kaminski et al. | Light beam induced current and infrared thermography studies of multicrystalline silicon solar cells | |
Li et al. | Evaluation of two‐dimensional electrical properties of photovoltaic modules using bias‐dependent electroluminescence | |
US11581849B2 (en) | Measurement method of subcell photocurrents and their matching degree of a multi-junction photovoltaic cell | |
CN107919854B (zh) | 一种太阳能电池iv特性的检测装置及其检测方法 | |
CN114584070A (zh) | 一种太阳能电池伏安特性的自动检测系统 | |
Puranik et al. | Progress in module level quantitative electroluminescence imaging of crystalline silicon PV module: A review | |
Dumbrell et al. | Metal induced contact recombination measured by quasi-steady-state photoluminescence | |
Fischer et al. | Scanning IQE-measurement for accurate current determination on very large area solar cells | |
JP5288557B2 (ja) | 薄膜太陽電池の評価方法、評価装置および製造方法、並びに透明導電膜電極における直列抵抗の評価方法および評価装置 | |
CN115833747A (zh) | 基于最大功率点追踪的光伏老化检测方法及装置 | |
CN114565560A (zh) | 太阳能电池缺陷导致性能损耗的自动评估方法、设备、计算机可读存储介质 | |
JP6781985B2 (ja) | 太陽電池の評価方法及び評価装置並びに太陽電池の評価用プログラム | |
CN114826150A (zh) | 一种太阳能电池缺陷导致性能损耗的自动评估系统 |
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 |