JP7412930B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7412930B2 JP7412930B2 JP2019164482A JP2019164482A JP7412930B2 JP 7412930 B2 JP7412930 B2 JP 7412930B2 JP 2019164482 A JP2019164482 A JP 2019164482A JP 2019164482 A JP2019164482 A JP 2019164482A JP 7412930 B2 JP7412930 B2 JP 7412930B2
- Authority
- JP
- Japan
- Prior art keywords
- solar cell
- color
- solar
- solar cells
- manufacturing
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims description 110
- 238000000034 method Methods 0.000 title claims description 53
- 238000005259 measurement Methods 0.000 claims description 90
- 238000007789 sealing Methods 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 19
- 210000004027 cell Anatomy 0.000 description 385
- 238000013135 deep learning Methods 0.000 description 76
- 239000010408 film Substances 0.000 description 32
- 239000004065 semiconductor Substances 0.000 description 27
- 238000010801 machine learning Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 19
- 238000009826 distribution Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 14
- 239000000758 substrate Substances 0.000 description 14
- 210000002569 neuron Anatomy 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000004308 accommodation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000003566 sealing material Substances 0.000 description 4
- 230000003667 anti-reflective effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 229910052581 Si3N4 Inorganic materials 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- Photovoltaic Devices (AREA)
Description
バックコンタクト型の太陽電池セルは、裏面に電極が集約されるため、太陽電池の受光面を大きくでき、より多くの光を取り込むことが可能となっている。
また、バックコンタクト型の太陽電池セルを用いた太陽電池モジュールは、各太陽電池間を接続する配線部材も裏面側に設けられるため、室内等では、視認者に見た目が均一な心証を与えることができる。
モジュール製造装置1は、図1のように、製造部2と、制御部3と、測定部5を備えている。
モジュール製造装置1は、制御部3に機械学習プログラムで動作するディープラーニング部20が設けられ、ディープラーニング部20によりあらかじめ機械学習された結果に基づいて太陽電池セル201の配置モデルが生成されるものである。そして、モジュール製造装置1は、生成された配置モデルに従って太陽電池セル201を配置して製造することを特徴の一つとする。
収容部11は、測定部5で測定された太陽電池セル201を一時的に収容する収容部材である。収容部11は、太陽電池セル201を収容可能な部屋が複数設けられている。
配置操作部12は、制御部3のディープラーニング部20で形成された配置モデルに基づいて収容部11から所定の太陽電池セル201を取り出して配置する部位である。なお、セル形成部10で形成された太陽電池セル201を直接配置してもよい。
配線接続部15は、配置操作部12で所定の配置に並べられた太陽電池セル201,201間に配線部材202を接続する部位である。
制御部3は、製造部2や測定部5と異なる建屋に設けられていてもよい。この場合、制御部3は、製造部2や測定部5とイントラネット等のネットワークを介して通信可能に相互接続されていることが好ましい。また、制御部3は、製造部2や測定部5とインターネット等を介して接続されていてもよい。こうすることで、建屋の異なる複数拠点で製造部2及び測定部5を一括管理することもできる。
ディープラーニング部20は、各太陽電池セル201の色要素及び配置と、人が太陽電池モジュール200の色のバランスを判定した結果を教師データとして自ら機械学習をする機能をもち、機械学習の結果に基づいて、測定結果取得部22で取得した各太陽電池セル201の色要素から人が色のバランスが良好と判定すると予想される太陽電池セル201の配置モデルを作成可能となっている。
ディープラーニング部20は、後述するニューラルネットワーク等のアルゴリズムに則して教師あり学習を行うことが可能となっている。
ここで、「教師あり学習」とは、教師データ、すなわち、ある入力と結果のデータの組を大量にディープラーニング部20に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル(誤差モデル)、すなわち、入力と結果の関係性を帰納的に獲得するものである。
本実施形態のディープラーニング部20の詳細については、後述する。
発電特性測定部30は、太陽電池セル201の発電特性を測定する部位である。
色要素測定部31は、太陽電池セル201の色要素を測定する部位である。
太陽電池モジュール200は、板状であって、上記した配置モデルに基づいて太陽電池セル201が平面的に配置されたものであり、太陽電池セル201よりも裏面側にのみ配線部材202が設けられたものである。
図4に示される太陽電池モジュール200の縦方向及び横方向に隣接する太陽電池セル201,201間の最短距離Lは、それぞれ5mm以下であることが好ましい。
この範囲であれば、密に太陽電池セル201を敷き詰めることができ、設置面積当たりの発電効率を向上できる。
モジュール側識別部223は、太陽電池モジュール200ごとに固有のIDを割り当てる部位であり、具体的に一次元コード又は二次元コードである。すなわち、専用の読取装置によってモジュール側識別部223を識別することで少なくとも太陽電池モジュール200に割り当てられたIDを検出可能となっている。
具体的には、太陽電池セル201は、第1導電型半導体基板210の受光面220側に反射防止膜211(反射防止材)を備えている。一方、太陽電池セル201は、第1導電型半導体基板210の裏面221(受光面220とは反対側の主面)側に第1導電型半導体層212及び第1導電型側電極層213がこの順に積層されている。さらに太陽電池セル201は、第1導電型半導体基板210の裏面221側であって第1導電型半導体層212及び第1導電型側電極層213とは別の部位に第2導電型半導体層215及び第2導電型側電極層216が積層されている。そして、太陽電池セル201の色要素は、受光面220側に設けられた反射防止膜211で実質的に決定されている。
第1導電型半導体層212は、第1導電型半導体基板210と同一の導電型であって第2導電型半導体層215と逆の導電型となっている。すなわち、太陽電池セル201は、第1導電型半導体層212及び第1導電型半導体基板210がn型の場合、第2導電型半導体層215がp型となり、第1導電型半導体層212及び第1導電型半導体基板210がp型の場合、第2導電型半導体層215がn型となる。
セル側識別部217は、固有のIDを割り当てる部位であり、具体的に一次元コード又は二次元コードである。すなわち、専用の読取装置によってセル側識別部217を識別することで少なくとも太陽電池セル201に割り当てられたIDを検出可能となっている。
第2封止基材206は、太陽電池セル201を封止する封止部材であって、絶縁性を有する絶縁基板又は絶縁シートであり、例えば、ガラス製や樹脂製のものが使用できる。
具体的には、図5から読み取れるように、第1導電型半導体基板210の片面の一部に第1導電型半導体層212及び第1導電型側電極層213をこの順に積層し、同一面の他の部分に第2導電型半導体層215及び第2導電型側電極層216をこの順に積層する。そして、第1導電型半導体基板210の反対の面に反射防止膜211を製膜する。
本実施形態では、発電特性測定部30によってI-V特性や抵抗などを測定し、色要素測定部31によって各太陽電池セル201の明度を測定する。
このとき、収容部11への収容形態は特に限定されない。製造順に収容部11に入れても良いし、色要素ごとに分別し、色要素ごとに異なる収容部11に入れてもよい。
本実施形態では、ディープラーニング部20によって過去の太陽電池モジュール200で測定した各太陽電池セル201の色要素及び各太陽電池セル201の配置と、人が当該過去の太陽電池モジュール200の色のバランスの良否を判定した結果に基づいて、各太陽電池セル201の測定部5での測定結果から、形成する太陽電池モジュール200の色のバランスが良好であると人が判定するように各太陽電池セル201の配置モデルを生成し、太陽電池セル201の配置姿勢を踏まえて配置を決定する。
このとき、配線部材202は、図3から読み取れるように、隣接する太陽電池セル201の裏面221側で第1導電型側電極層213と第2導電型側電極層216を接続させる。すなわち、配線部材202は、太陽電池セル201の受光面220側では配線部材202が接続されない状態となっている。
すなわち、ニューロンは、図6(a)のように、m個の入力xi(iは正の整数)に対する出力yを出力するものであり、各xiには、この入力xiに対応する重みwiが掛けられ、下記式(1)により表現される出力yを出力する。なお、入力xi、出力y、及び重みwiは全てベクトルである。
本実施形態のニューラルネットワークは、入力層300からS個の入力X(X1~XS:Sは、正の整数)が入力され、中間層301を経て、出力層302からT個の結果Y(Y1~YT:Tは、正の整数)が出力される。
特徴ベクトルZ1は、中間層301の第2中間層D2の各ニューロンN2に対して、対応する重みW2がかけられて入力される。
第2中間層D2のニューロンN2は、それぞれ特徴ベクトルZ2を出力し、特徴ベクトルZ2は、中間層301の第3中間層D3の各ニューロンN3に対して、対応する重みW3がかけられて入力される。
中間層301の各中間層で上記の処理が繰り返されていき、末端の第P中間層DpのニューロンNpは、それぞれ特徴ベクトルZpを出力し、特徴ベクトルZpは、出力層302に出力される。その結果、ニューラルネットワークは、結果Y(Y1~YT)を出力する。
重みW1~Wpは、誤差逆伝搬法により学習可能なものである。誤差逆伝搬法は、各ニューロンについて、入力xが入力されたときの出力yと真の出力y(教師)との差分を小さくするように、それぞれの重みWを調整(学習)する手法である。
本実施形態では、図7のように、1000個の母集団太陽電池セル201aの各太陽電池セル201の明度の分布を算出する。
このとき、本実施形態では、人は、明度を判断基準とし、明度のバランスから色のバランスの良否を判定する。
したがって前述のように屋外での直射日光のように照度の大きい条件で特に顕著となる物体の見え方を数値化する目的では使用できない。
光源としてソーラシミュレータを用意し、放射強度1000W/m2のAM1.5の光を対象物に垂直照射する。測定装置としてカメラを用意し、対象物に向け正反射光が入らない条件でできるだけ正対する位置に設置する。
ニコン製デジタルカメラD5500に標準レンズNIKKOR 18-55mm 1:3.5-5.6 GIレンズを装着した状態で絞り8、フィルム感度ISO400、シャッタスピード1/100秒、ホワイトバランス「晴天」、ピクチャーコントロール「スタンダード」、色空間sRGB、アクティブD-ライティングOFF、ハイダイナミックレンジOFFとする。
(1)各太陽電池セル201の明度L*の最大値と最小値の差が3.0以上であって、かつ隣接する太陽電池セル201,201の明度L*の差が1.5以下である。
(2)各太陽電池セル201の色度a*の最大値と最小値の差が2.0以上であり、かつ隣接する太陽電池セル201,201の色度a*の差が1.0以下である。
(3)各太陽電池セル201の色度b*の最大値と最小値の差が5.0以上であり、かつ隣接する太陽電池セル201,201の色度b*の差が2.5以下である。
太陽電池モジュール200は、一の太陽電池セル201を囲むように少なくとも3つの太陽電池セル201と隣接して配されており、一の太陽電池セル201と3つの太陽電池セル201の関係は、CIE1976(L*,a*,b*)表色系において、以下の(4)~(6)のいずれかの条件を満たすことが好ましい。
(4)(1)の条件を満たし、かつ一の太陽電池セル201と3つの太陽電池セル201との明度L*の差が1.8以下である。
(5)(2)の条件を満たし、かつ一の太陽電池セル201と3つの太陽電池セル201との色度a*の差が1.5以下である。
(6)(3)の条件を満たし、かつ一の太陽電池セル201と3つの太陽電池セル201との色度b*の差が4.0以下である。
なお、明度L*、色度a*、及び色度b*の値は、一つの測定点での値であってもよいし、複数の測定点で測定した平均値であってもよい。
本実施形態のモジュール製造装置1によれば、人の主観による色のバランスの判断をディープラーニング部20で行い、ディープラーニング部20が、上記した太陽電池セル201間のわずかな色要素の乱れを踏まえて、人が太陽電池モジュール200の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚(錯視)を踏まえた均質感のある太陽電池セル201の配置を設定でき、より多くの太陽電池セル201を太陽電池モジュール200の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
また、本実施形態のモジュール製造装置1によれば、モジュール製造装置1内で人の感性に近い色のバランスの判定ができるため、太陽電池セル201の配置の自動化も可能である。
本実施形態の太陽電池モジュール200によれば、太陽電池セル201全体の色要素にばらつきがあっても、隣接する太陽電池セル201,201の明度L*、色度a*、色度b*の少なくともいずれかの色要素の差が小さいため、全体としてまとまりのある均質性のあり、色要素の統一性が取れた太陽電池モジュールとなる。
壁面製造装置400も第1実施形態でのモジュール製造装置1と同様、ディープラーニング部20を備えており、ディープラーニング部20によりあらかじめ機械学習された結果に基づいて太陽電池モジュール200の配置モデルが生成されるものである。そして、モジュール製造装置1は、生成された配置モデルに従って太陽電池モジュール200を配置して製造することを特徴の一つとする。
すなわち、第1実施形態でのモジュール製造装置1は、ディープラーニング部20で各太陽電池セル201の配置モデルを形成し、太陽電池モジュール200の色のバランスを調整したのに対して、第2実施形態での壁面製造装置400は、ディープラーニング部20で各太陽電池モジュール200の配置を調整して壁面構造500の色のバランスを調整する。
製造部402は、主要構成要素として、モジュール製造装置1と、配置操作部412を備えている。
本実施形態のディープラーニング部20は、各太陽電池モジュール200の色要素及び配置と、人が壁面構造500の色のバランスを判定した結果を教師データとして自ら機械学習をする機能をもち、機械学習の結果に基づいて、測定結果取得部422で取得した各太陽電池モジュール200の色要素から人が色のバランスが良好と判定すると予想される太陽電池モジュール200の配置モデルを作成可能となっている。
ディープラーニング部20での機械学習の手順については、第1実施形態の太陽電池セル201が第2実施形態の太陽電池モジュール200となり、第1実施形態の太陽電池モジュール200が第2実施形態の壁面構造500になったこと以外は同様であるため、説明は省略する。
この範囲であれば、密に太陽電池モジュール200を敷き詰めることができ、設置面積当たりの発電効率を向上できる。
このとき、受光面220側の封止基材205の外側面に第2反射防止膜501を形成する。
具体的には、第1実施形態と同様、ディープラーニング部20によって過去の壁面構造500で測定した各太陽電池モジュール200の色要素及び各太陽電池モジュール200の配置と、人が当該過去の壁面構造500の色のバランスの良否を判定した結果に基づいて、各太陽電池モジュール200の測定部5での測定結果から、形成する壁面構造500の色のバランスが良好であると人が判定するように各太陽電池モジュール200の配置モデルを生成し、配置を決定する。
本実施形態の壁面製造装置400によれば、人の主観による色のバランスの判断をディープラーニング部20で行い、ディープラーニング部20が、上記した太陽電池モジュール200間のわずかな色要素の乱れを踏まえて、人が壁面構造500の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚を踏まえた均質感のある太陽電池モジュール200の配置を設定でき、より多くの太陽電池モジュール200を壁面構造500の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
また、本実施形態の壁面製造装置400によれば、壁面製造装置400内で人の感性に近い色のバランスの判定ができるため、太陽電池モジュール200の配置の自動化も可能である。
本実施形態の壁面構造500によれば、太陽電池モジュール200全体の色要素にばらつきがあっても、隣接する太陽電池モジュール200,200の明度L*、色度a*、色度b*の少なくともいずれかの色要素の差が小さいため、全体としてまとまりのある均質性のあり、色要素の統一性が取れた壁面構造となる。
すなわち、製造装置600の制御部603は、図13のように、主要構成要素として、ディープラーニング部20(機械学習部)と、記憶部21と、測定結果取得部22と、入出力部23に加えて、第2ディープラーニング部605(第2機械学習部)を備えており、太陽電池セル201の配置モデルを第2ディープラーニング部605が生成する。
第2ディープラーニング部605は、太陽電池モジュール200における各太陽電池セル201の配置を入れ替えて、入れ替えたときの各太陽電池セル201の色要素の情報をディープラーニング部20に与えて太陽電池モジュール200の色のバランスを判定させ、複数の太陽電池セル201の配置とディープラーニング部20が判定した判定結果との相関関係を教師データとして機械学習するものである。
第2ディープラーニング部605は、ディープラーニング部20が太陽電池モジュール200の色のバランスがより良好と判定すると予測される太陽電池セル201の配置モデルを生成可能となっている。
第2ディープラーニング部605の入力層300に、各太陽電池セル201の配置と各太陽電池セル201の色要素を入力し、出力層302から色のバランスの良否の判定結果を取得する。また、ディープラーニング部20でこの太陽電池モジュール200について良否判定をする。
そして、第2ディープラーニング部605の出力層302から取得した良否判定結果と、ディープラーニング部20が判定した良否判定結果を比較し、良否判定結果の差が一致するように重みを調整し、太陽電池セル201の配置を入れ替えていき、機械学習する。
本実施形態の製造装置600によれば、人の主観に近いディープラーニング部20による色のバランスの判定を元に第2ディープラーニング部605で機械学習し、人が太陽電池モジュール200の色のバランスが良好と判定すると予測される配置モデルを第2ディープラーニング部605が生成する。そのため、人の目の錯覚を踏まえた配置を設定でき、より多くの太陽電池セル201を太陽電池モジュール200の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
本実施形態の製造装置600によれば、ディープラーニング部20が第2ディープラーニング部605に教師データを与えるので、人が判定しなくても、第2ディープラーニング部605に教師データを与えることができる。
同様に、第2実施形態では、人が壁面構造500の色のバランスを判定する際に、明度を基準として色のバランスを判定していたが、本発明はこれに限定されるものではない。人が壁面構造500の色のバランスを判定する際に、色度を基準として色のバランスを判定してもよい。また、太陽電池モジュール200間で形成される図柄や模様等を基準に色のバランスを判定してもよい。
2,402,603 製造部
3,403 制御部
5,405 測定部
10 セル形成部
11 収容部
12,412 配置操作部
15 配線接続部
20 ディープラーニング部(配置決定装置)
21 記憶部
22,422 測定結果取得部
23 入出力部
30 発電特性測定部
31 色要素測定部
200 太陽電池モジュール
201 太陽電池セル
202 配線部材
205 第1封止基材
206 第2封止基材
207,208 封止材
211 反射防止膜
217 セル側識別部
220 受光面
221 裏面
223 モジュール側識別部
500 壁面構造(太陽電池群)
501 第2反射防止膜
502 コネクター部材
605 第2ディープラーニング部(配置決定装置)
Claims (6)
- 複数の太陽電池を平面的に配置して太陽電池群を製造する太陽電池群の製造方法であって、
前記太陽電池を形成する太陽電池形成工程と、
前記太陽電池の色要素を測定する色測定工程と、
前記色測定工程での測定結果を配置決定装置に送信する送信工程と、
前記配置決定装置が受信した前記測定結果に基づいて前記太陽電池群を構成する前記太陽電池の配置を決定する配置決定工程と、
前記配置決定工程での前記配置決定装置の決定に基づいて前記太陽電池を配置する配置工程を含み、
前記配置決定工程において、過去の太陽電池群で測定した各太陽電池の色要素と、前記過去の太陽電池群の各太陽電池の人が判定した色のバランスの良否の判定結果に基づいて、前記測定結果から各太陽電池の人が色のバランスが良好と判定するように前記太陽電池の配置を決定する、太陽電池群の製造方法。 - 前記太陽電池は、識別部を有し、
前記太陽電池の識別部と前記測定結果と紐付けする紐付け工程と、前記紐付け工程で前記測定結果に紐付けされた太陽電池を収容部材に収容する収容工程を含み、
配置工程では、前記配置決定工程での前記配置決定装置の決定に基づいて、前記紐付け工程で前記測定結果に紐付けされた太陽電池を前記収容部材から取り出して配置する、請求項1に記載の太陽電池群の製造方法。 - 前記色測定工程において、前記太陽電池の発電特性も測定する、請求項1又は2に記載の太陽電池群の製造方法。
- 前記配置決定工程において、前記測定結果に基づいて配置する前記太陽電池の配置姿勢を決定する、請求項1乃至3のいずれか1項に記載の太陽電池群の製造方法。
- 色測定工程において、前記太陽電池の前記色要素を複数の測定点で測定し、
配置決定工程において、前記複数の測定点で測定した色要素の平均値を使用して前記太陽電池の配置を決定する、請求項1乃至4のいずれか1項に記載の太陽電池群の製造方法。 - 前記太陽電池は、2つの封止部材に挟まれた複数の太陽電池セルを含む太陽電池モジュールである、請求項1乃至5のいずれか1項に記載の太陽電池群の製造方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 |
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 |
CN202080051007.XA 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 |
US17/753,351 US20220328714A1 (en) | 2019-09-10 | 2020-06-15 | Solar cell group manufacturing device, solar cell group, and method for manufacturing solar cell group |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021044345A JP2021044345A (ja) | 2021-03-18 |
JP7412930B2 true JP7412930B2 (ja) | 2024-01-15 |
Family
ID=74863091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019164482A Active 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7412930B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20240028203A (ko) * | 2022-08-24 | 2024-03-05 | 성균관대학교산학협력단 | 벌크이종접합형 유기광전지 성능 예측 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218626A (zh) | 2012-01-20 | 2013-07-24 | 致茂电子股份有限公司 | 太阳能电池晶片分色的方法 |
CN108304878A (zh) | 2018-02-05 | 2018-07-20 | 河北工业大学 | 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法 |
-
2019
- 2019-09-10 JP JP2019164482A patent/JP7412930B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218626A (zh) | 2012-01-20 | 2013-07-24 | 致茂电子股份有限公司 | 太阳能电池晶片分色的方法 |
CN108304878A (zh) | 2018-02-05 | 2018-07-20 | 河北工业大学 | 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021044345A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Konstantzos et al. | Daylight glare evaluation with the sun in the field of view through window shades | |
JP7412929B2 (ja) | 太陽電池群及び壁面構造 | |
Lo et al. | New integrated simulation tool for the optimum design of bifacial solar panel with reflectors on a specific site | |
WO2021049116A1 (ja) | 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 | |
Aoun et al. | Evaluation of mathematical methods to characterize the electrical parameters of photovoltaic modules | |
Deline et al. | Photovoltaic shading testbed for module-level power electronics | |
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 | |
CN105577982A (zh) | 一种图像处理的方法及终端 | |
Razongles et al. | Bifacial photovoltaic modules: measurement challenges | |
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 | |
Riedel-Lyngskær et al. | A spatial irradiance map measured on the rear side of a utility-scale horizontal single axis tracker with validation using open source tools | |
Ortiz Lizcano et al. | Colored optic filters on c‐Si IBC solar cells for building integrated photovoltaic applications | |
Vogt et al. | Introducing a comprehensive physics-based modelling framework for tandem and other PV systems | |
Wheeler et al. | Degradation pathway models for photovoltaics module lifetime performance | |
CN103119426B (zh) | 利用热分析分析光电分层系统的方法 | |
CN106289065A (zh) | 侦测方法以及应用该侦测方法的光学装置 | |
McIntosh et al. | Determination and evaluation of a backsheet’s intrinsic reflectance | |
KR20210074167A (ko) | 태양광 발전량 예측 시스템 | |
CN115344018A (zh) | 一种led器件的生产控制方法及系统 | |
US11835385B2 (en) | Geometrically and spectrally resolved albedometers for bifacial modules | |
CN107666283A (zh) | 太阳光发电系统评价装置和评价方法 | |
Wheeler et al. | Statistical and domain analytics for informed study protocols | |
CN115829922B (zh) | 一种检测电池片的间距的方法、装置、设备及介质 | |
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 | |
TW201011267A (en) | Optical inspection system and method for confirming and comparing samples at early stage of solar cell inspection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230913 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7412930 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |