Идентификация и экстракция параметров фотобетаэлементов экспериментальными данными
(Стр. 144-160)

Статья обобщает методику идентификации и экстракции электрофизических характеристик солнечных элементов для различных моделей на основе экспериментальных данных и эквивалентных одно-, двух-, трех-диодных схем. Предложена методика на основе компьютерного моделирования в аналитической системе Wolfram Mathematica и в системе компьютерной алгебры Mathcad. Методика позволяет сравнивать теоретические и экспериментальные данные и работать с различными моделями в обоих направлениях – от эксперимента к теории и наоборот. Также были проведены экспериментальные работы по созданию солнечных элементов на базе пористого кремния с просветляющими покрытиями (ZnS, DyF3, ZnS + DyF3) и с гетеропереходами SiC/Si. Проведены измерения ВАХ и ВВХ экспериментальных фотопреобразователей, а также их поверхностные сопротивления со сторон легирования фосфором и бором по формированию p-n-перехода. Главной целью исследования является разработка методологии оптимизации солнечных элементов и представление методов моделирования и анализа, которые могут быть использованы в разработках фотобетапреобразователей для обеспечения максимальной мощности.

Долгополов М.В., Чипура А.С., Шишкин И.А. Идентификация и экстракция параметров фотобетаэлементов экспериментальными данными // Computational Nanotechnology. 2023. Т. 10. № 3. C. 144-160. DOI: 10.33693/2313-223X-2023-10-3-144-160. EDN: TAGTVX

Афанасьев В.П., Теруков Е.И., Шерченков А.А. Тонкопленочные солнечные элементы на основе кремния. 2-е изд. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2011. 168 с.
Колтун М.М. Солнечные элементы / отв. ред. Н.C. Лидоренко. М.: Наука, 1987. 190 с.
Mohammadreza Ebrahimi S., Salahshour E., Malekzadeh M., Gordillo F. Parameters identification of PV solar cells and modules using flexible particle swarm optimization algorithm // Energy. 2019. Vol. 179. Pp. 358–372.
Bonanno F., Capizzi G., Napoli C. et al. A radial basis function neural network based approach for the electrical characteristics estimation of a photovoltaic module // Appl. Energy. 2012. Vol. 97. Pp. 956–961.
Jordehi A.R. Parameter estimation of solar photovoltaic (PV) cells: A review // Renew. Sustain. Energy Rev. 2016. Vol. 61. Pp. 354–371.
Pillai D.S., Rajasekar N. Metaheuristic algorithms for PV parameter identification: A comprehensive review with an application to threshold setting for fault detection in PV systems // Renew. Sustain. Energy Rev. 2018. Vol. 82. Pp. 3503–3525.
Carrero C., Ramirez O., Rodrigez I., Platero C.A. Accurate and fast convergence method for parameter estimation of PV generators based on three main points of the I-V curve // Renew. Energy. 2011. Vol. 36. No. 11. Pp. 2972–2977.
Долгополов М.В., Елисов М.В., Раджапов С.А., Чипура А.C. Модели масштабирования электрических свойств фото- и бета-преобразователей с наногетеропереходами // Computational Nanotechnology. 2023. Т. 10. № 1. C. 138–146.
Ishaque K., Salam Z. An improved modeling method to determine the model parameters of photovoltaic (PV) modules using differential evolution (DE) // Sol. Energy. 2011. Vol. 85. Pp. 2349–2359.
Ishaque K., Salam Z., Syafaruddin. A comprehensive MATLAB Simulink PV systemsimulator with partial shading capability based on two-diode model’ // Sol. Energy. 2011. Vol. 85. No. 9. Pp. 2217–2227.
Tong N.T., Pora W. A parameter extraction technique exploiting intrinsic properties of solar cells // Appl. Energy. 2016. Vol. 176. P. 104e15.
Chen Y., Sun Y,. Meng Z. An improved explicit double-diode model of solar cells: Fitness verification and parameter extraction // Energy Convers. Manag. 2018. Vol. 169. P. 345e58.
Ćalasan M., Abdel Aleem S.H.E., Zobaa A.F. On the root mean square error (RMSE) calculation for parameter estimation of photovoltaic models: A novel exact analytical solution based on Lambert W function // Energy Conversion and Management. 2020. No. 210. P. 112716.
Wolf P., Benda V. Identification of PV solar cells and modules parameters by combining statistical and analytical methods // Solar Energy. 2013. Vol. 93. Pp. 151–157.
Zagrouba M., Sellami A., BouaÏcha M., Ksouri M. Identification of PV solar cells and modules parameters using the genetic algorithms: application to maximum power extraction // Solar Energy. 2010. Vol. 84. Pp. 860–866.
Chaibi Y., Salhi M., El-Jouni A., Essadki A. A new method to extract the equivalent circuit parameters of a photovoltaic panel // Solar Energy. 2018. Vol. 163. Pp. 376–386.
Cheddadi F., Cheddadi Y., Errahimi F., Gaga A. Numerical approach for parameter extraction of a photovoltaic module based on datasheet and five parameters model // International Journal of Digital Signals and Smart Systems. 2021. No. 5. Pp. 167–181.
Cheddadi Y., Cheddadi F., Errahimi F., Es-Sbai N. Extremum Seeking Control-based Global maximum power point tracking algorithm for PV array under partial shading conditions. In: International Conference on Wireless Technologies, Embedded and Intelligent Systems (WITS). Fez, Morocco, 2017. Pp. 1–6.
Fahim S.R., Hasanien H.M., Turky R.A. et al. Comprehensive review of photovoltaic modules models and algorithms used in parameter extraction // Energies. 2022. No. 15.P. 8941.
Rawa M., Calasan M., Abusorrah A, et al. Single diode solar cells-improved model and exact current-voltage analytical solution based on lambert’s W function // Sensors. 2022. No. 22. P. 4173.
Лунин Л.С., Пащенко А.C. Моделирование и исследование характеристик фотоэлектрических преобразователей на основе GaAs и GaSb // Журнал технической физики. 2011. Т. 81. № 9. C. 71–76.
Муминов Р.А., Имамов Э.З., Рахимов Р.Х., Аскаров М.А. Факторы эффективной генерации электричества в солнечном элементе с наногетеропереходами // Computational Nanotechnology. 2023. Т. 10. № 1. C. 119–127.
Имамов Э.З., Муминов Р.А., Рахимов Р.Х. и др. Моделирование электрических свойств солнечного элемента с многими наногетеропереходами // Computational Nanotechnology. 2022. Т. 9. № 4. C. 70–77.
Латухина Н.В., Лизункова Д.А., Шишкин И.А., Паранин В.Д. Оптические и электрические свойства одно- и двухслойных покрытий фоточувствительных структур с пористым слоем // XVI Всероссийский молодежный Самарский конкурс-конференция научных работ по оптике и лазерной физике: сб. тр. конф. Самара, 13–17 ноября 2018 г. Самара: Физический институт им. П.Н. Лебедева Российской академии наук. 2018. C. 136–141.
Чепурнов В.И., Долгополов М.В., Гурская А.В., Латухина Н.В. Способ получения пористого слоя гетероструктуры карбида кремния на подложке кремния. Патент на изобретение RU 2653398 C2, 08.05.2018. Заявка № 2016129598 от 19.07.2016.
Пикус Г.Е. Основы теории полупроводниковых приборов М.: Наука. 1965. 448 с
Banwell T. C., Jayakumar A. Exact analytical solution for current flow through diode with series resistance // Electro-nics Lett. 2000. No. 36. Pp. 291–292.
Latukhina N.V., Lizunkova D.A., Rogozhina G.A., Shishkin I.A. Multilayer structure based porous silicon for solar cells // AIP Conference Proceedings. 2020. No. 2276. Рp. 020039-1–020039-4.
Shishkina D.A., Poluektova N.A., Shishkin I.A. Photovoltaic characteristics of structures with porous silicon obtained by various technological plans // Journal of Physics: Conference Series. 2021. Vol. 2086. No. 1. P. 01210.
Чепурнов В.И., Пузырная Г.В., Гурская А.В. и др. Экспериментальное исследование полупроводниковых структур источника питания на углероде-14 // Физика волновых процессов и радиотехнические системы. 2019. Т. 22. № 3. C. 55–67.

вольтамперная характеристика, идентификация и экстракция параметров, солнечные элементы, карбид кремния, пористый кремний, монокристаллический модуль, математическое моделирование, фотоэлектрический элемент, фотоэлектрическая система, энергоэффективность, оптимизация, адаптивное управление, отслеживание точки максимальной мощности, условие частичного затенения, управление поиском экстремума, эквивалентная схема.