MétaCan
Menu
Retour à la cohorte
Enregistrement W2923222777 · doi:10.1364/ao.58.002505

Reducing shadowing losses in silicon solar cells using cellulose nanocrystal: polymer hybrid diffusers

2019· article· en· W2923222777 sur OpenAlexafffund
Qiwei Xu, Lingju Meng, Xihua Wang

Notice bibliographique

RevueApplied Optics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates Bio Solutions
Mots-clésMaterials scienceOptoelectronicsSiliconPolydimethylsiloxaneSolar cellPolymer solar cellCrystalline siliconOpticsDiffuser (optics)PolymerNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Gridline shadowing is one of the main factors affecting the performance of silicon solar cells. In this demonstration, a straightforward, scalable approach is reported to reduce shadowing losses from metallic contacts on silicon solar cells by employing cellulose nanocrystals (CNC) mixed in a polymer- polydimethylsiloxane. The method is highly compatible with current solar cell module manufacturing. The CNC:polymer (CNP) hybrid diffusers, offering highly efficient broadband light diffusion, are applied atop the metallization areas to deflect the light impinging on metallic gridlines toward uncovered active areas on the solar cell. Simulations showed that the CNP diffuser is an excellent candidate for reducing shadowing losses within a wide range of incident angles, as it can reduce more than 30% of shadowing losses at normal incidence, and nearly 50% of the lost light can be recycled at the incident angle of 60°. Taking advantage of reduced shadowing losses, a new 6-busbar technology based on the CNP diffusers is proposed with lower manufacturing complexity and higher overall efficiency.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,197
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207