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技术

本发明专利技术公开了一种太阳能电池缺陷导致性能损耗的自动评估方法，所述方法包括：读取太阳能电池片的电致发光光谱、外量子效率和在不同注入电流密度下的电致发光图像，确定太阳能电池在电致发光图像中的准确位置；定义某一注入电流密度对应的电致发光图像中的缺陷区；计算各缺陷区的预测电致发光强度并替换缺陷区原始电致发光强度；分别根据注入电流密度和预测或者实际内部电压的关系曲线，输出太阳能电池的预测或者实际伏安特性，并进行性能损耗的对比和评估。本发明专利技术还公开了一种太阳能电池缺陷导致性能损耗的自动评估系统。本发明专利技术能够定量获得太阳能电池缺陷所引起的器件性能损耗情况，有利于制造人员对工艺的针对性改进，并降低高效太阳能电池的研发成本。降低高效太阳能电池的研发成本。

【技术实现步骤摘要】
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


[0001]本专利技术属于电池检测
，涉及一种太阳能电池伏安特性的自动评估方法、设备、计算机可读存储介质。

技术介绍

[0002]为了获得更高转换效率的太阳能电池，在实际生产中需要不断改变工艺参数，以对比采用不同制造工艺生产的样品性能。然而，太阳能电池材料本身以及在生产和制造的过程中，会不可避免的产生或引入一些缺陷，导致转换效率的异常降低，影响了不同样品性能对比的可靠性。因此，设法人为地消除缺陷对太阳能电池的影响，量化缺陷所导致的太阳能电池性能损耗情况，有利于制造人员对工艺的针对性改进，降低高效太阳能电池的研发成本。

技术实现思路

[0003]为了解决现有技术存在的不足，本专利技术基于电致发光成像检测技术及图像恢复技术，提出了一种太阳能电池缺陷导致性能损耗的自动评估系统及其方法。
[0004]本专利技术提供了一种太阳能电池缺陷导致性能损耗的自动评估方法，包括如下步骤：
[0005]步骤一、读取太阳能电池片的电致发光光谱、外量子效率和在不同注入电流密度下的电致发光图像；
[0006]所述太阳能电池电致发光图像用CCD照相机或CMOS照相机拍摄得到，所述电致发光光谱由光谱仪获得，所述外量子效率由太阳能电池外量子效率测试仪获得；所述注入电流密度的范围为0到太阳能电池的短路电流密度；所述太阳能电池的短路电流密度与太阳能电池的材料类型、制造工艺有关。
[0007]步骤二、通过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，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准确位置；
[0008]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经过高斯滤波后的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。
[0009]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。
[0010]因此大津算法做出了使类间方差最大的阈值选取。
[0011]步骤三、根据步骤二中获得的太阳能电池的准确位置，选择某一注入电流密度下电致发光图像，遍历整个电致发光图像获得所有的缺陷区D1到D
i
；
[0012]所述缺陷区的定义为该区域的电致发光强度同时满足以下条件：1)该区域内存在一个电致发光强度最低的点P
i
，点P
i
的强度值低于指定区域N1平均强度值的1/k1，k1为一个给定的系数；2)该区域内所有点的强度值均低于指定区域N2平均强度值的1/k2，k2为一个给定的系数；i为正整数；
[0013]指定区域N1和N2是以点P
i
为中心，指定不同边长或半径的方形或圆形区域，且缺陷区D
i
包含于N1和N2；对于同一个电致发光图像，多个缺陷区的边长或者半径保持一致，且不同缺陷区的N1或者不同缺陷区的N2各自不发生重叠；所述系数k1和k2均为大于1的实数。
[0014]步骤四、根据步骤三获得的所有缺陷区D1到D
i
，将缺陷区的电致发光强度逐一替换为缺陷区预测的电致发光强度，获得太阳能电池无缺陷时的预测电致发光图像；
[0015]所述缺陷区D
i
预测的电致发光强度定义为：区域N2中除缺陷区D
i
以外部分的平均电致发光强度。
[0016]步骤五、按照注入电流密度从小到大的顺序，依次选择对应的电致发光图像，按照步骤三和步骤四的方法，获得每个注入电流密度下的预测电致发光图像；
[0017]步骤六、计算电池在每个注入电流密度下的实际和预测电致发光强度，根据太阳能电池内部电压与实际或者预测电致发光强度与内部电压的互易关系，获得注入电流密度与实际或者预测内部电压的关系曲线，输出太阳能电池的实际或者预测理想伏安特性曲线；
[0018]所述电池的理想电致发光强度定义为：电池理想电致发光图像上所有像素点的平均电致发光强度；
[0019]步骤七、根据步骤五中获得的实际或者预测伏安特性曲线，获得电池的实际或者预测性能参数，并对比评估实际性能参数和预测性能参数之间的差异大小，其差异即为电池缺陷对性能的损耗。
[0020]预测理想伏安特性优于实际伏安特性的程度，代表了缺陷对太阳能电池质量的影响大小；所述电池的实际电致发光强度定义为：电池实际电致发光图像上所有像素点的平均电致发光强度。
[0021]所述实际或者预测电致发光强度与电池内部电压的关系为：
[0022][0023]其中，V(I)为太阳能电池在注入电流I时的内部电压，k为玻尔兹曼常数，T为开尔文温度，q为电子电量，为实际或者预测电致发光强度，F(I)为衰减倍数，A(I)为校准因子，R
n
(I)为像素点n的像素值，R
min
(I)为该图像最低像素值，t(I)为曝光时间，S为电池面积，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，E
g
为电池的禁带宽度，E为能量；太阳能电池在光照工作条件下，I
sun＝q
∫EQE(E)S
AM1.5G
(E)dE，I
sun
为在空气质量AM1.5G的光谱S
AM1.5G
条件下的电流密度，内部电压V(I)与(I
sun
‑
I)的关系即光照条件下太阳能电池的伏安特性。
[0024]所述用于对比评估的太阳能电池性能参数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等。
[0025]其中计算机自动寻找伏安特性曲线与电压轴的交点，为开路电压；
[0026]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
×
I
sun
)；
[0027]转换效率＝填充因子
×
(开路电压
×
I
sun
)/空气质量AM1.5G太阳光辐照的功本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳能电池缺陷导致性能损耗的自动评估方法，其特征在于，包括如下步骤：步骤一、读取太阳能电池片的电致发光光谱、外量子效率和在不同注入电流密度下的电致发光图像；步骤二、通过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，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准确位置；步骤三、根据步骤二中获得的太阳能电池的准确位置，选择某一注入电流密度对应的电致发光图像，遍历整个电致发光图像获得所有的缺陷区D1到D
i
；步骤四、根据步骤三获得的所有缺陷区D1到D
i
，将缺陷区的电致发光强度逐一替换为缺陷区的预测电致发光强度，获得太阳能电池无缺陷时的预测电致发光图像；步骤五、按照注入电流密度从小到大的顺序，依次选择对应的电致发光图像，按照步骤三和步骤四的方法，获得每个注入电流密度下的预测电致发光图像；步骤六、计算电池在每个注入电流密度下的实际和预测电致发光强度，根据太阳能电池内部电压与实际或者预测电致发光强度的互易关系，获得注入电流密度与实际或者预测内部电压的关系曲线，输出太阳能电池的实际或者预测理想伏安特性曲线；步骤七、根据步骤五中获得的实际或者预测伏安特性曲线，获得电池的实际或者预测性能参数，并对比评估实际性能参数和预测性能参数之间的差异大小，其差异即为电池缺陷对性能的损耗。2.如权利要求1所述的自动评估方法，其特征在于，步骤一中，所述太阳能电池电致发光图像用CCD照相机或CMOS照相机拍摄得到，所述电致发光光谱由光谱仪获得，所述外量子效率由太阳能电池外量子效率测试仪获得；所述注入电流密度的范围为0到太阳能电池的短路电流密度；所述太阳能电池的短路电流密度与太阳能电池的材料类型、制造工艺有关。3.如权利要求1所述的自动评估方法，其特征在于，步骤二中，所述高斯滤波是指线性平滑算法，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；所述大津算法是自适应选择阈值的算法，使用该方法自动给电致发光图像设定阈值，从而获得阈值化的图像。4.如权利要求1所述的自动评估方法，其特征在于，步骤三中，所述缺陷区的定义为该区域的电致发光强度同时满足以下条件：1)该区域内存在一个电致发光强度最低的点P
i
，点P
i
的强度值低于指定区域N1平均强度值的1/k1，k1为一个给定的系数；2)该区域内所有点的强度值均低于指定区域N2平均强度值的1/k2，k2为一个给定的系数；i为正整数。5.如权利要求4所述的自动评估方法，其特征在于，指定区域N1和N2是以点P
i
为中心，指定不同边长或半径的方形或圆形区域，且缺陷区D
i
包含于N1和N2；对于同一个电致发光图像，...

【专利技术属性】
技术研发人员：陈少强，王酉杨，李丽颖，许瑾佳，胡小波，翁国恩，罗显佳，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：