一种增强太阳能电池光吸收的微纳混合结构及制备方法

    公开(公告)号:CN113299776A

    公开(公告)日:2021-08-24

    申请号:CN202110384144.1

    申请日:2021-04-09

    Abstract: 本发明提供的是一种增强太阳能电池光吸收的微纳混合结构及制备方法。其特征是:金字塔结构硅片(a)通过化学腐蚀法制备得到微纳混合结构,简称黑硅(b),然后以黑硅(b)为模板,在其结构面上浇筑PDMS胶,得到黑硅和PDMS胶的混合结构体(c),最后通过脱模过程得到表面微纳混合结构PDMS薄膜(d)。本发明可用于硅薄膜太阳能电池或者其他玻璃封装表面光电子器件,是一种高效的表面陷光结构,能显著降低玻璃器件表面的光反射率,提升器件的光电转换效率。

    一种提升太阳电池表面光能俘获的微纳结构及制备方法

    公开(公告)号:CN113199683A

    公开(公告)日:2021-08-03

    申请号:CN202110468217.5

    申请日:2021-04-28

    Abstract: 本发明提供的是一种提升太阳电池表面光能俘获的微纳结构及制备方法。其特征是:首先将太阳能级玻璃衬底a经过微加工工艺制备成凹坑阵列结构玻璃b,接着在凹坑阵列结构上浇注PDMS溶胶形成PDMS溶胶与结构玻璃混合体c,最后将固化后的PDMS胶膜进行拔模,制备出带有表面微纳凸包阵列结构的PDMS胶膜d。本发明应用于薄膜太阳能电池的上表面形成表面陷光结构,相对于平板结构能有效减少光反射,增加光吸收,延长光程,加强表面光能俘获能力,最终提升太阳能电池的光电转化效率。本发明能重复多次的利用凹坑阵列结构玻璃制备表面微纳凸包阵列结构,具有工艺简单,降低成本的优点。

    一种用于硅薄膜电池表面的高深宽比陷光结构制备方法

    公开(公告)号:CN112968077A

    公开(公告)日:2021-06-15

    申请号:CN202110384304.2

    申请日:2021-04-09

    Abstract: 本发明提供的是一种用于硅薄膜电池表面的高深宽比陷光结构制备方法。其特征是:利用负光刻板,在玻璃基片表面高深宽凹坑阵列结构的工艺流程为:(a)溅射金属种子层、旋涂光刻胶;(b)光刻、显影;(c)电镀镍金属(Ni);(d)去胶;(e)刻蚀种子层;(f)反应离子刻蚀玻璃衬底;(g)氢氟酸(HF)刻蚀玻璃衬底;(h)去金属层。该方法将可以在玻璃表面制备出高深宽比的凹坑阵列,有利于降低反射延长光程。本发明可用于表面凹坑阵列结构,高效的表面陷光结构,既能减少电池表面的光能损失,又能减少电池内部光能逃逸,同时还能延长光在电池吸收层中的光程,从而提升硅薄膜太阳能电池效率。

    一种基于卷积神经网络的空间外差干涉图降噪方法

    公开(公告)号:CN117152015A

    公开(公告)日:2023-12-01

    申请号:CN202311146843.8

    申请日:2023-09-07

    Abstract: 本发明提供的是一种基于卷积神经网络的空间外差干涉图降噪方法。包括以下步骤:根据空间外差光谱技术1制作无噪空间外差干涉图,将无噪空间外差干涉图与相应的噪声空间外差干涉图作为一个训练样本,以此组建训练集2;构建空间外差干涉图降噪的卷积神经网络3,该网络主要包括三种结构层:第一、卷积层和激活函数,第二、卷积层和批归一化以及激活函数,第三、卷积层;利用训练集2训练卷积神经网络3得到训练好的网络模型4;应用时,将含有噪声的空间外差干涉图5输入训练好的网络模型4获得噪声图像6,将含有噪声的空间外差干涉图5减去噪声图像6得到降噪空间外差干涉图7;本发明能快速有效地去除空间外差干涉图的噪声,修复被噪声损坏的干涉条纹,并极大地保留被测目标对象所蕴涵的光谱信息。

    一种基于深度学习的特定空间外差光谱滤波方法

    公开(公告)号:CN119310031A

    公开(公告)日:2025-01-14

    申请号:CN202411450975.4

    申请日:2024-10-17

    Abstract: 本发明提供的是一种基于深度学习的特定空间外差光谱滤波方法。包括以下步骤:首先,使用空间外差光谱仪收集存在杂波的空间外差干涉图,以及相应的无杂波的空间外差干涉图;接着,采用傅里叶变换将存在杂波的空间外差干涉图和无杂波的空间外差干涉图转换为存在杂波的空间外差光谱和无杂波的空间外差光谱;然后,将存在杂波的空间外差光谱和无杂波的空间外差光谱作为输入和输出组建训练集,并将训练集导入深度神经网络进行训练,获得训练好后的滤波网络模型;最后,将空间外差光谱仪在实际探测过程中收集的实测存在杂波的空间外差干涉图,经过傅里叶变换为实测存在杂波的空间外差光谱后,将其导入训练好的滤波网络模型就可以获得滤波后的空间外差光谱。本发明能快速有效地对特定空间外差光谱进行滤波处理,去除特定杂波的光谱信息,并极大地保留所测目标对象特征波段的光谱信息。

    基于深度神经网络的噪声空间外差干涉光谱信息校正方法

    公开(公告)号:CN117928734A

    公开(公告)日:2024-04-26

    申请号:CN202410116551.8

    申请日:2024-01-29

    Abstract: 本发明提供的是基于深度神经网络的噪声空间外差干涉光谱信息校正方法。该方法包括以下步骤:利用空间外差光谱技术探测目标获取无噪空间外差干涉图以及对应的噪声空间外差干涉图;将无噪空间外差干涉图经傅里叶变换等获得理想空间外差光谱;以噪声空间外差干涉图和对应的无噪空间外差干涉图提取的理想空间外差光谱组建训练集;将训练集导入构建的深度神经网络进行训练;经过多次参数调整和迭代优化得到训练好的网络模型;应用时,将空间外差光谱技术探测到的噪声空间外差干涉图导入训练好的网络模型;训练好的网络模型直接输出校正后的降噪空间外差光谱;本发明能简化噪声处理流程,准确高效地从噪声空间外差干涉图中提取校正后的目标光谱信息。

    一种双面纹理陷光结构钙钛矿太阳能电池

    公开(公告)号:CN114005942A

    公开(公告)日:2022-02-01

    申请号:CN202111366089.X

    申请日:2021-11-18

    Abstract: 本发明提供的是一种双面纹理陷光结构钙钛矿太阳能电池。其特征是:它由前电极层2、电子传输层3、钙钛矿层4、空穴传输层5、背电极层6依次沉积在制备好的纹理结构玻璃1的底部组成。本发明的钙钛矿太阳能电池,其顶部的纹理结构表面形成高效的抗反射,入射太阳光7发生散射后进入电池内部,然后底部的纹理结构将进一步“捕获”入射光于钙钛矿层4中,增强电池对入射光的吸收能力,减少光能逃逸,延长光程,最终提升电池的短路电流和光电转换效率。

    一种基于深度神经网络的空间外差干涉光谱信息提取方法

    公开(公告)号:CN117928733A

    公开(公告)日:2024-04-26

    申请号:CN202410116332.X

    申请日:2024-01-29

    Abstract: 本发明提供的是一种基于深度神经网络的空间外差干涉光谱信息提取方法。该方法包括以下步骤:利用空间外差光谱技术探测已知光谱信息的目标获取空间外差干涉图及其相应的空间外差光谱,以此组建训练集;将空间外差干涉图和空间外差光谱导入构建的深度神经网络进行训练;经过多次参数调整和迭代优化得到训练好的网络模型;应用时,利用空间外差光谱技术获取探测目标的空间外差干涉图;然后将探测目标的空间外差干涉图导入训练好的网络模型;最后,训练好的网络模型直接从空间外差干涉图中提取出空间外差光谱。该发明可以简化傅里叶变换等一系列的信息处理流程,准确高效地实现端到端提取特定空间外差干涉图中所含目标的光谱信息。

Patent Agency Ranking