Concentrating optical system optimization for 3- and 4-junction solar cells: impact of illumination profiles
Notice bibliographique
Résumé
Optical component designs for concentrating photovoltaic systems with three different multijunction solar cells (MJSCs) are optimized to yield maximum system efficiencies under standard test conditions, specifically uniform illumination. Optimization uses an integrated optoelectrical approach with ray tracing of the optical train to generate an irradiance profile for input to the cell’s distributed circuit model. These cells, a three-junction lattice-matched (3JLM) solar cell, a three-junction lattice-mismatched inverted metamorphic (3JIMM) solar cell, and a four-junction lattice-matched (4JLM) solar cell, were individually designed for maximum efficiency at 1000×. The optical train introduces losses, modifies the spectrum, and produces a spatially nonuniform profile across the cell. We decouple spectral modification from spatial nonuniformity to separately determine their individual impacts on system efficiencies, finding the optimal set of optical design parameters for each case. Spectral modification yields modest loss penalties (from 1.0% to 1.6%, relative to the MJSC), but the impact of nonuniformity is more significant and cell dependent, with relative loss penalties of 1.1%, 3.8%, and 2.3%, for 3JLM, 3JIMM, and 4JLM, respectively. While spectral modification does not significantly impact design parameters, spatial nonuniformity does, with absolute losses of 1% and 3.4% if 3JIMM and 4JLM cells are used in a 3JLM optimized system, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».