具有碲钼多层复合薄膜的碲化镉太阳电池，属于新能源材料与器件领域。这种太阳电池采用一种碲钼多层复合薄膜作为碲化镉太阳电池的无铜过渡层。一方面，由于过渡层具有碲的析出相，因此在碲化镉退火后，无需采用湿法工艺获得富碲层。如果采用干法工艺，也无需单独沉积一碲层。另一方面，过渡层具有碲化钼的主相，作为p型半导体，与碲化镉价带不连续很小，可起到很好的过渡作用，实现碲化镉与金属电极间的欧姆接触。采用上述结构的太阳电池，避免了化学腐蚀，实现了低电阻接触，可有效提高太阳电池的性能和改善器件的长效稳定性。

本成果通过溶液中的柠檬酸和乙二醇发生聚合酯化反应生产聚酯，有机醇盐中的Ti-O键均匀的分散和固定在聚酯网络中，在退火时聚酯分解产生大量极其微小的气孔，从而形成了粒径小、比表面积大的结构。同时由于P25 的TiO2粉末在聚酯中不可能完全均匀分布，因此，在退火后表面出现了不规则的纳米粒子堆积凸起形成的孔道；而通过双层成膜方式，使其粒子分布更均匀，连接性更好，从而表现出更大的填充因子和较好的光电转换。用其制得的太阳能电池在低光强下具有很高的转换效率，光电性能实验结果表明，用本发明所得薄膜制得的太阳能电池，在5mW/cm2的弱光照下，光电转化效率高达11.83%，尤其适合在日照强度低的地区使用。

铜铟镓硒CIGS是由铜、铟、镓、硒等金属元素组成的直接带隙化合物半导体材料，其对可见光的吸收系数为所有薄膜电池材料中最高(104-105cm-1)。目前CIGS电池的光电转化效率是各种薄膜太阳能电池之首(19.9％)，接近于市场主流产品晶体硅太阳能电池转换效率，而成本却是其1/3。与高效率高成本的晶体硅太阳能电池和低效率低成本的非晶硅薄膜太阳能电池相比，CIGS薄膜太阳能电池以其性能稳定、抗辐射能力强、光电转换效率高等优势被国际上称为相当具有潜力和下一代廉价的太阳能电池，已成为光伏领域

目前常用的太阳能反应接收器为碟式太阳能反应接收器。然而，由于接收器一侧接收经过抛物面聚光器汇聚反射的太阳光照射，另一侧不接收太阳光辐射，导致接收器内表面产生极大的温度梯度。从而导致该碟式太阳能反应接收器催化剂无法完全处于最适催化反应温度下，影响热能反应进程，难以高效地进行太阳能与化石燃料的热化学互补。 成果为自主设计发明了一种新型碟式太阳能反应接收器。在该反应接收器中催化室是由多层催化剂载体形成的凹形结构，且每层催化剂载体设有多个孔洞，每层催化剂载体中的孔洞表面孔隙率不同涂敷催化剂的材料不同，使得催化剂能够处于最适反应温度，优化了碟式太阳能反应接收器的温度分布，提高了热化学互补的反应效率，使得该碟式太阳能反应接收器更加经济、安全。 创新点 在现有的碟式太阳能反应接收器基础上，创新性地改进其结构和布置。将催化室分为多层催化剂载体形成的凹形结构，各层结构不同，每层所述催化剂载体中的孔洞表面涂敷的催化剂的材料、质量、孔隙率不同。每层的催化剂都能够处于最适反应温度范围，从而保证每层催化剂都能在较适宜的温度下进行高效的太阳能热化学反应。 市场前景 氢能因具有清洁无污染、可储存、高热值等优势，成为最具潜力的二次能源以及清洁能源载体。氢能可以广泛应用于交通、工业、建筑和电力等各个领域缓解了能源危机、减轻环境污染。但在我国高效制氢滤氢技术仍有待提高。该成果提出的碟式太阳能反应接收器可稳定高效地用于热化学反应制氢将氢能作为太阳能的载体，将制氢和太阳能利用相结合完全适应国家“双碳”目标下的发展方向。克服了太阳能分散、间断以及不稳定的缺点提升了太阳能的品位。所以其拥有广阔的发展和利用前景。

欧洲太阳能协会主席赫尔曼・舍尔博士日前认为，世界经济应该从依靠矿物资源向太阳资源转变，太阳型世界经济将推动第二次工业革命 。太阳能发电是一项高新技术，以太阳能为资源基础的生产将是一种可持续的发展模式从阳光直接转变成电流的太阳电池也将不再是昂贵的市场空缺。全球太阳能产品的年销售额达14亿美元，其中12亿美元来自太阳能电池的销售。太阳能工业的年增长率估计在20

一、仪器介绍     太阳能的利用指太阳能的直接转化，利用半导体器件的光伏效应原理，把太阳辐射能转化为电能成为光伏技术。利用光伏技术设计的太阳能发电系统主要有太阳能电池片（组件），控制器和逆变器三大部分组成，他们主要有电子元器件构成，不涉及机械结构，所以，光伏发电设备极为精炼。为了使学生对基本特性理性认识的基础上，推出此实验仪从直流到交流，从低压到高压，从大电压小电流到小电压大电流，针对各种可能用到的电源情况，我们分成不同的实验，分块进行演示，我们这款仪器实质就是一个mini太阳能发电站。       三、实验内容 （一）太阳能电池特性实验   1、了解并掌握太阳能电池的原理及结构；   2、测量太阳能电池暗特性；   3、测量太阳能电池光照特性：短路电流与光照强度关系；     以上是对单晶硅、多晶硅及非晶硅太阳能电池的测量 （二）太阳能电池应用实验   1、同种类型太阳能电池板串并联实验：    2、分别在电池板串并联情况下对超级电容充电，记录充电完成的时间，    3、太阳能电池匹配负载实验；    4.太阳能电池板匹配输出实验；    5、DC-DC模块输出实验；   6、DC-AC逆变与交流负载试验；

一种宽光谱、强吸收的表面光伏型光探测器的制备方法，其作法是：以钛箔为阳极，铂为阴极，对钛箔进行氧化，得非晶态TiO2纳米管阵列；经处理后，得TiO2纳米管阵列；将钛箔置于高温反应釜内，再将Na2S2O3、Bi(NO3)3水溶液注入密封反应釜，热处理得Bi2S3-TiO2纳米管阵列；在Bi2S3-TiO2纳米管阵列表面覆盖FTO，引出电极，在未生成Bi2S3-TiO2纳米管阵列的钛箔上引出电极，将FTO与钛箔及其Bi2S3-TiO2纳米管阵列的接触边缘封装即得本发明的光探测器。该方法能耗低，工艺、设备简单；制得物适用光谱范围大，适合做光谱分析；还可以做光敏开关等光电器件，具有广阔的应用前景。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

CIGS 薄膜太阳电池具有效率高，无衰退、抗幅射、寿命长等特点，采用非真空技术可以进一步降低这种电池的成本，预计可达到0.3$/W。 本项目产品结构为：衬底/Mo/CIGS/CdS/i-ZnO/ZnO:Al/Ni-Al；其中光吸收层 CIGS 薄膜为 p 型半导体，其表面贫 Cu 呈 n 型与缓冲层CdS 和 i-ZnO 共同成为 n 层，构成浅埋式 p-n 结。太阳光照射在电池上产生电子与空穴，被 p-n 结的自建电场分离，从而输出电能。工艺流程：普通钠钙玻璃清洗→Mo 的溅射沉积→非真空法分步电沉积Cu-In-Ga 金属预置层→快速加热硒硫化处理（RTP）→化学水浴法沉积 CdS 或 ZnS→本征 ZnO 溅射沉积→ZnO:Al 透明导电膜的溅射沉积→Ni/Al 电极沉积，等。