ptj/BMWi Project Verbundvorhaben PrOperPhotoMiLe SOLAR.NET.ERA
Verbundvorhaben: PrOperPhotoMile ; Teilvorhaben: Perowskit-Photovoltaik:
Verbundvorhaben: PrOperPhotoMile - Auf dem Weg zur Vorhersage der Betriebslebensdauer von Perowskit-Photovoltaik; Teilvorhaben: Ermittlung von Beschleunigungsfaktoren in Perowskit-Photovoltaik durch maschinelles Lernen
Aim of the Project - Overview
Perowskit-Solarzellen (PSZ) basierend auf Metall-Haloiden haben die Entwicklung der Photovoltaik in den letzten Jahren stark vorangetrieben.
Im Moment erreichen sie einen Wirkungsgrad von über 25 % bei niedrigen Kosten und einfacher Herstellung.
Weiterhin kann die Kombination von Perowskiten mit vorhandenen Siliziumsolarzellen in einer sogenannten Tandemarchitektur entscheidend zu einer CO2-neutralen Wirtschaft und somit zur Energiewende beitragen.
Allerdings stellt die begrenzte Lebensdauer von PSZ ein großes Fragezeichen hinsichtlich einer möglichen Kommerzialisierung dar.
Daher sind beschleunigte Stabilitätstests für PSZ erforderlich, um vielversprechende Materialien und Solarzellen-Architekturen zu identifizieren sowie deren maximale Lebensdauer vorherzusagen.
Trotz weltweiten Bemühungen in Bezug auf Stabilitätsuntersuchungen ist eine große Varianz zwischen verschiedenen Solarzellentypen, experimentellen Verfahren und berichteten Prozessparametern festzustellen.
Die Antragsteller haben vor kurzem ein Konsens-Papier veröffentlicht, das Richtlinien für den Test der PSZ-Stabilität und für die Berichterstattung von zukünftigen Datenerhebungen vorgibt.
Die Analyse großer Datenmengen stellt jedoch eine ebenso große Herausforderung dar.
Die Entwicklung eines Alterungsprotokolls für Perowskit-Solarzellen, um die Degradation zu testen und Beschleunigungsfaktoren zu definieren, ist ebenfalls ein herausforderndes Problem.
Zugrunde liegt die Komplexität des Bauelements, die große Zahl an Einflußparametern und die verbundenen großen Datenmengen.
Die Technischen Universität München (TUM) soll neue Machine-Learning-Modelle entwickeln, um die Entdeckung von Korrelationen zwischen verschiedenen Degradationsparametern zu automatisieren und die wichtigsten Beschleunigungsfaktoren zu finden.
Die Ausführung dieser Aufgabe erfordert die Entwicklung neuartiger Machine- Learning-Architekturen und strukturierter Datenbanken für den Degradationsprozess von Perowskit-Solarzellen.
Publications
Funding and Duration
Zuwendungsgeber: Bundesministerium für Wirtschaft und Energie (BMWi.IIC6)
Projektträger: Forschungszentrum Jülich GmbH (PT-J.ESE1)
Duration: Förderzeitraum: 2020-11-01 – 2023-10-31
Cooperation Partners
Participating organizations:
TUM Department of Electrical and Computer Engineering
Further Information
Contact: Prof. Alessio Gagliardi, Ioannis Kouroudis
Homepage: Simulation of Nanosystems for Energy Conversion