[论文解读] How much physics is in a current-voltage curve? Inferring defect properties from photovoltaic device measurements

Rachel C. Kurchin, Jeremy R. Poindexter+4 more|arXiv (Cornell University)|Nov 22, 2019

Silicon and Solar Cell Technologies参考文献 34被引用 12

一句话总结

本文提出了一种贝叶斯推断框架，能够从已完成的光伏器件的标准电流-电压（JVTi）测量中提取缺陷复合参数，如捕获截面和陷阱能级。通过结合基于物理的器件仿真（PC1D）、高通量JVTi数据与贝叶斯统计方法，该方法能准确恢复与文献值一致的缺陷参数，实现对工业级及新兴光伏技术中缺陷的非破坏性、高精度表征。

ABSTRACT

Defect-assisted recombination processes are critical to understand, as they frequently limit photovoltaic (PV) device performance. However, the physical parameters governing these processes can be extremely challenging to measure, requiring specialized techniques and sample preparation. And yet the fact that they limit performance as measured by current-voltage (JV) characterization indicates that they must have some detectable signal in that measurement. In this work, we use numerical device models that explicitly account for these parameters with high-throughput JV measurements and Bayesian inference to construct probability distributions over recombination parameters, showing the ability to recover values consistent with previously-reported literature measurements. The Bayesian approach enables easy incorporation of data and models from other sources; we demonstrate this with temperature dependence of carrier capture cross-sections. The ability to extract these fundamental physical parameters from standardized, automated measurements on completed devices is promising for both established industrial PV technologies and newer research-stage ones.

研究动机与目标

• 开发一种从已完成光伏器件的标准、非破坏性电流-电压（JVTi）测量中提取基本缺陷参数的方法。
• 克服传统缺陷表征技术的局限性，这些技术耗时长、需要特殊样品，且可能无法反映最终器件状态。
• 证明可通过基于物理的建模与贝叶斯推断，从JVTi数据中可靠地推断缺陷辅助复合参数，如捕获截面和陷阱能级。
• 实现在无需特殊样品制备或先进光谱技术的前提下，对成熟及新兴光伏技术实现可扩展、自动化的缺陷分析。

提出的方法

• 本研究在已完成的晶硅太阳能电池上，对一系列温度（175–300 K）和光强（0.09–1 Sun）条件下的高通量电流-电压（JVTi）测量进行了分析。
• 采用PC1D进行基于物理的器件仿真，该模型模拟载流子输运与复合过程，包括显式包含缺陷参数的Shockley-Read-Hall（SRH）复合。
• 应用贝叶斯推断框架，构建三个关键缺陷参数——电子捕获截面（σₙ）、空穴捕获截面（σₚ）和陷阱能级（Eₜ）——的联合后验概率分布。
• 通过修改标准SRH模型，引入温度依赖的捕获截面，以考虑热速度和能量相关的捕获速率。
• 量化参数不确定性，并通过后验分布的边缘化分析，揭示出如迁移率-寿命乘积等新兴关系。
• 通过将推断参数与硅中间隙铁的文献值进行对比，验证了该方法的有效性，显示出高度一致性。

实验结果

研究问题

• RQ1 能否从已完成光伏器件的标准电流-电压（JVTi）测量中可靠地提取缺陷复合参数，如捕获截面和陷阱能级？
• RQ2 贝叶斯推断在多物理过程信号高度耦合的JVTi数据中，能在多大程度上解耦并恢复各个缺陷参数？
• RQ3 引入温度和光强依赖性如何提升缺陷参数估计的准确性和精度？
• RQ4 该方法是否能在无需特殊光谱技术或样品制备的前提下，恢复与已有文献值一致的缺陷参数？

主要发现

• 贝叶斯推断框架成功以高精度恢复了硅中间隙铁的缺陷参数，结果与先前报道的文献值高度一致。
• 即使在同时拟合多个缺陷参数的情况下，该方法仍能实现可靠的参数估计，并为每个参数提供不确定性量化。
• 最高后验概率的参数集合在所有温度和光强条件下均能准确复现实测的J-V曲线，且模拟的SRH寿命与实验趋势高度吻合。
• 引入温度依赖的捕获截面显著提升了模型精度，如图6所示的敏感性分析所证实。
• 后验分布的边缘化分析揭示了如迁移率-寿命乘积等新兴关系，这些关系无法通过传统技术直接测量。
• 该方法实现了对成品器件的非破坏性、高通量缺陷表征，避免了对晶圆或半成品进行复杂且耗时的光谱分析。