Diurnal Changes and Machine Learning Analysis of Perovskite Modules Based on Two Years of Outdoor Monitoring

Titel in Übersetzung: Tageszeitliche Veränderungen und maschinelle Lernanalyse von Perowskit-Modulen auf der Grundlage eines zweijährigen Outdoor-Monitoring

V. Paraskeva, Matthew Norton, Andreas Livera, Andreas Kyprianou, Maria Hadjipanayi, E. Peraticos, Aranzazu Aguirre, Santhosh Ramesh, Tamara Merckx, Rita Ebner, T. Aernouts, A. Krishna, George E. Georghiou

Publikation: Beitrag in FachzeitschriftArtikelBegutachtung

Abstract

Die Langzeitstabilität ist die größte Herausforderung für die Kommerzialisierung
der Perowskit-Photovoltaik, die durch begrenzte Daten für den Außenbereich und unklare
Korrelationen zwischen Innen- und Außentests. In dieser Studie berichten wir über die
Außenstabilitätstests von Perowskit-Minimodulen, die über einen Zeitraum von zwei Jahren
Zeitraum durchgeführt wurden. Wir haben eine detaillierte Analyse der Leistungsveränderungen im Tagesverlauf
Wir haben eine detaillierte Analyse der Leistungsveränderungen über den Tag hinweg durchgeführt und sowohl die tageszeitliche Verschlechterung als auch die nächtliche Erholung quantifiziert.
Außerdem haben wir das XGBoost-Regressionsmodell zur Vorhersage der Leistung
Leistung. Unsere statistische Analyse der umfangreichen Alterungsdaten zeigte, dass alle getesteten Perowskit
getesteten Perowskit-Konfigurationen eine tägliche Degradation und Erholung aufwiesen und eine
lineare Beziehung zwischen diesen Phasen über alle Umgebungsbedingungen hinweg. Unser
Vorhersagemodell, das sich auf wesentliche Umweltparameter konzentriert, prognostiziert genau
die Leistungsabgabe der Mini-Module mit einem nRMSE von 6,76 % genau vorhergesagt, was auf sein
Potenzial zur Vorhersage der Lebensdauer von Perowskit-basierten Geräten.
Titel in ÜbersetzungTageszeitliche Veränderungen und maschinelle Lernanalyse von Perowskit-Modulen auf der Grundlage eines zweijährigen Outdoor-Monitoring
OriginalspracheEnglisch
Seiten (von - bis)5081-5091
Seitenumfang11
FachzeitschriftACS Energy Letters
Volume9
Issue2024, 9, 5081-5091
DOIs
PublikationsstatusVeröffentlicht - 26 Sept. 2024

Research Field

  • Hybrid Power Plants

Fingerprint

Untersuchen Sie die Forschungsthemen von „Tageszeitliche Veränderungen und maschinelle Lernanalyse von Perowskit-Modulen auf der Grundlage eines zweijährigen Outdoor-Monitoring“. Zusammen bilden sie einen einzigartigen Fingerprint.

Diese Publikation zitieren