Multispektrale Bildanalyse und maschinelles Lernen für PV-Qualitätssicherung
Für die Untersuchung von Solarzellen im Labormassstab und zur Gewinnung räumlich aufgelöster Informationen über die Zellqualität wird ein multispektraler Bildgebungsaufbau entwickelt. Mithilfe von maschinellem Lernen (ML) werden Parameter für ein physikalisches FEM-Modell ermittelt, das als digitaler Zwilling für weitere Optimierungen dient.
Mitwirkende: M. Battaglia, E. Comi, C. Kirsch, E. Knapp, B. Ruhstaller
Partner: Fluxim AG, Solaronix AG
Finanzierung: Innosuisse
Dauer: 2022–2024
An Solarzellentechnologien der nächsten Generation wird intensiv geforscht, um die Effizienz weiter zu steigern und die Kosten der photovoltaischen Energieerzeugung zu senken. Bei der Herstellung großflächiger Solarzellen steigt die Wahrscheinlichkeit des Auftretens von Defekten aufgrund der Inhomogenität der abgeschiedenen Schichten. Um den Übergang von der Zellforschung im Labormassstab zur Entwicklung und Produktion von Modulen im industriellen Massstab zu beschleunigen, sind zuverlässige Charakterisierungsmethoden entscheidend.
Mit ihren räumlich aufgelösten Informationen ermöglichen bildgebende Verfahren eine detailliertere Charakterisierung von Defekten und Ungleichmässigkeiten in neuartigen Solarzellen. Bestehende bildgebende Verfahren werden oft nicht gleichzeitig durchgeführt und korreliert, um eine bestimmte Zelle zu untersuchen. Darüber hinaus erfolgt die Verarbeitung der Bilder selten mit einem physikalischen Modellierungsansatz, sondern mit traditionellen Routinen zur Erkennung von Merkmalen.
Unser Ziel ist es, einen störungsfreien Messaufbau zu schaffen, der Elektrolumineszenz (EL), Dark-Lock-Infrarot-Thermografie (DLIT), Photolumineszenz (PL) und visuelle Bildgebung (Vis) in einem Gerät kombiniert und mit einer Simulationspipeline verbindet, die einen digitalen Zwilling der Zelle erzeugt. Die zugrundeliegenden Modellparameter werden mit Hilfe von maschinellem Lernen aus den Bildern geschätzt.
Die Solaronix AG als Hersteller von Solarzellen und -modulen auf Perowskit-Basis hat ein großes Interesse daran, ein Werkzeug für die zerstörungsfreie Analyse von Solarzellen zur Verfügung zu haben, sei es für die Entwicklung oder die Qualitätskontrolle. Die Aufgabe der Solaronix AG in diesem Projekt wird es sein, Solarzellen und Mini-Module verschiedener Typen und Größen für die Validierung des Messaufbaus und die weitere Analyse ihrer Zellen bereitzustellen.
Eine neue Geschäftsmöglichkeit für die Fluxim AG besteht in der Erweiterung bestehender Simulationssoftware und der Entwicklung eines neuen Messaufbaus im Rahmen ihres Angebots an Werkzeugen für die PV-Forschung und Entwicklung. Die Fluxim AG verfügt über profunde Erfahrung in der Entwicklung von All-in-one-Messplattformen, die durch Simulationen ergänzt werden, und möchte mit diesem Projekt in den Bereich der fortgeschrittenen Bildgebung einsteigen.
Das Projekt baut auf den vielversprechenden Ergebnissen eines Vorgängerprojekts auf, in dem die 2D+1D-Simulationssoftware Laoss den Bereich der elektrischen und thermischen Kleinsignale erweitert, und Modelle des maschinellen Lernens (ML) der Solarzelle mit Trainingsdaten entwickelt wurde. Die synthetischen Trainingsbilder, wurden mit dem physikalischen Modell hinter Laoss berechnet. In diesem Nachfolgeprojekt wollen wir einen Prototyp eines multispektralen Bildgebungssystems mit integrierter Modellierung entwickeln.