高级搜索

基于SCAPS-1D的钙钛矿太阳能电池性能的数值模拟与性能优化比较理论分析

,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

李诗文, 周豹, 赵啟融, 杨小波, 谢再新, 段卓琦, 赵恩铭, 胡永茂. 基于SCAPS-1D的钙钛矿太阳能电池性能的数值模拟与性能优化比较理论分析[J]. 物理学报, 2025, 74(12): 127701-1. doi: 10.7498/aps.74.20250335
引用本文: 李诗文, 周豹, 赵啟融, 杨小波, 谢再新, 段卓琦, 赵恩铭, 胡永茂. 基于SCAPS-1D的钙钛矿太阳能电池性能的数值模拟与性能优化比较理论分析[J]. 物理学报, 2025, 74(12): 127701-1. doi: 10.7498/aps.74.20250335
shu
Shiwen LI, Bao ZHOU, Qirong ZHAO, Xiaobo YANG, Zaixin XIE, Zhuoqi DUAN, Enming ZHAO, Yongmao HU. Numerical simulation and comparative theoretical analysis of performance optimization for perovskite solar cells based on SCAPS-1D[J]. Acta Physica Sinica, 2025, 74(12): 127701-1. doi: 10.7498/aps.74.20250335
Citation: Shiwen LI, Bao ZHOU, Qirong ZHAO, Xiaobo YANG, Zaixin XIE, Zhuoqi DUAN, Enming ZHAO, Yongmao HU. Numerical simulation and comparative theoretical analysis of performance optimization for perovskite solar cells based on SCAPS-1D[J]. Acta Physica Sinica, 2025, 74(12): 127701-1. doi: 10.7498/aps.74.20250335
shu

基于SCAPS-1D的钙钛矿太阳能电池性能的数值模拟与性能优化比较理论分析

  • 1.

    大理大学工程学院, 大理　671000

  • 2.

    昆明理工大学, 昆明　650500

    • 作者简介: 李诗文:15981219737@163.com .
    通讯作者: E-mail:bzhou3@163.com.; 

  • 中图分类号: 77.84.Bw, 88.40.H–, 88.40.hj

Numerical simulation and comparative theoretical analysis of performance optimization for perovskite solar cells based on SCAPS-1D

  • 1.

    School of Engineering, Dali Unversity, Dali 671000, China

  • 2.

    Kunming University of Science and Technology, Kunming 650500, China

    • Corresponding author: E-mail:bzhou3@163.com.; 

  • MSC: 77.84.Bw, 88.40.H–, 88.40.hj

  • 摘要: 数值模拟方法为钙钛矿太阳能电池的器件优化提供了高效的研究手段. 本研究利用SCAPS-1D软件, 采用数值模拟方法, 基于FTO/SnO2/钙钛矿层/Cu2O/Au型太阳能电池, 采用7种不同无铅和含铅的材料作为钙钛矿层, 进行器件模拟研究并优化钙钛矿层厚度、界面缺陷态密度、载流子密度对太阳能电池性能的影响. 经过对比分析得出, 在7种钙钛矿太阳能电池器件中, Cs2PtI6钙钛矿太阳能电池的功率转换效率最高, 达到27.95%. 这为设计高效、稳定的太阳能电池提供了参考.
    Abstract: Perovskite solar cells have become a research hotspot in the photovoltaic field due to their excellent photoelectric performance and low-cost preparation processes. However, the environmental toxicity of traditional lead-containing perovskite materials and the optimization of device performance encounter key problems that limit their commercial applications. Numerical simulation methods provide an efficient and cost-effective approach for optimizing perovskite solar cell devices, allowing for rapid material screening and structural parameter optimization, thereby reducing experimental trial-and-error costs. Based on SCAPS-1D, this work systematically investigates the performance of solar cells with the structure FTO/SnO2/perovskite layer/Cu2O/Au by using numerical simulation. Seven different lead-free and lead-containing perovskite materials are selected as the light-absorbing layer. By the comparative analysis of their photoelectric characteristics, this work explores the influences of perovskite layer thickness, electron transport layer thickness, hole transport layer thickness, interface defect state density, and carrier concentration on device performance. Furthermore, temperature testing and J-V and QE curve analyses are conducted on the optimized perovskite solar cells. The results indicate that excessive thickness of the perovskite layer increases carrier recombination rate, thereby reducing cell efficiency. The optimized Cs2PtI6-based perovskite solar cell exhibits the best performance, with a power conversion efficiency of 27.95%, which is much higher than those of other lead-free and some lead-containing perovskite devices. Under extreme temperature conditions of 600 K, the PCE of Cs2PtI6 remains around 50% of its value at room temperature (300 K). This study reveals the influences of different perovskite materials and device parameters on photovoltaic performance through systematic numerical simulation analysis, providing a theoretical basis for designing efficient and stable perovskite solar cells.
  • 加载中

  • 图 1  用于仿真的太阳能电池模型

    Figure 1.  Solar cell model used for simulation.

    下载: 全尺寸图片 幻灯片

    图 2  钙钛矿层厚度对FTO/SnO2/钙钛矿层/Cu2O/Au性能参数的影响　(a) Voc; (b) Jsc; (c) FF; (d) PCE

    Figure 2.  Effect of perovskite layer thickness on the performance parameters of FTO/SnO2/Perovskite Layer/Cu2O/Au: (a) Voc; (b) Jsc; (c) FF; (d) PCE.

    下载: 全尺寸图片 幻灯片

    图 3  L1/L2缺陷态密度对FTO/SnO2/钙钛矿层/Cu2O/Au性能参数的影响　(a) Voc; (b) Jsc; (c) FF; (d) PCE

    Figure 3.  Influence of L1/L2 defect state density on the performance parameters of FTO/SnO2/Perovskite Layer/Cu2O/Au: (a) Voc; (b) Jsc; (c) FF; (d) PCE.

    下载: 全尺寸图片 幻灯片

    图 4  ND对FTO/SnO2/钙钛矿层/Cu2O/Au的性能参数的影响　(a) Voc; (b) Jsc; (c) FF; (d) PCE

    Figure 4.  Effect of ND on the performance parameters of FTO/SnO2/Perovskite Layer/Cu2O/Au: (a) Voc; (b) Jsc; (c) FF; (d) PCE.

    下载: 全尺寸图片 幻灯片

    图 5  NA对FTO/SnO2/钙钛矿层/Cu2O/Au性能参数的影响　(a) Voc; (b) Jsc; (c) FF; (d) PCE

    Figure 5.  Effect of NA on the performance parameters of FTO/SnO2/Perovskite Layer/Cu2O/Au: (a) Voc; (b) Jsc; (c) FF; (d) PCE.

    下载: 全尺寸图片 幻灯片

    图 6  (a)温度对FF的影响; (b) 温度对PCE的影响

    Figure 6.  (a) Effect of temperature on FF; (b) effect of temperature on PCE.

    下载: 全尺寸图片 幻灯片

    图 7  不同钙钛矿材料优化后的太阳能电池的J-V特性

    Figure 7.  J-V characteristics of solar cells optimized with different perovskite materials.

    下载: 全尺寸图片 幻灯片

    图 8  不同钙钛矿材料优化后的QE曲线

    Figure 8.  QE curves of solar cells optimized with different perovskite materials.

    下载: 全尺寸图片 幻灯片

    表 1  模拟研究中使用的PSCs物理参数

    Table 1.  Physical parameters of PSCs used in simulation studies.

    Parameter SnO2 Cu2O Cs2BiAgI6 CsPbI3 Cs2PtI6 CsGeI3 PeDA2MA5Pb6I19 MASnI3 FAMAPbI3
    Layer thickness/nm 100 100 100 100 100 100 100 100 100
    Bandgap/eV 3.3 2.17 1.6 1.694 1.37 1.6 1.6 1.35 1.53
    Electron affinity/eV 4 3.2 3.9 3.95 4.3 3.52 3.98 4.17 4
    Relative permittivity 9 6.6 6.5 6 4.8 18 25 6.5 9
    Effective conduction band
    density/(1017 cm–3)    		 2.2 2500 100 1100 0.003 10 7.5 10 100
    Effective valence band
    density /(1017 cm–3)    		 2.2 2500 100 800 1 100 18 100 50
    Electron mobility/(cm2·V–1·s–1) 20 80 2 25 62.6 20 1.4 1.6 5
    Hole mobility/(cm2·V–1·s–1) 10 80 2 25 62.6 20 0.3 1.6 3
    Donor concentration/(1017 cm–3) 10 0 0 0.01 0.00001 1 0 0 0.2
    Acceptor concentration/(1017 cm–3) 0 30 10 0 0.01 1 0 10 0.2
    Density of defect state/(1014 cm–3) 1 10 1 1 1000 1 2.5 1 0.1
    Refs. [1] [15] [21] [13] [22] [23] [24] [25] [26]
    下载: 导出CSV

    表 2  优化前后的电池性能对比

    Table 2.  Comparison of solar cell performance before and after optimization.

    钙钛矿层材料优化前优化后
    FF/%PCE/%FF/%PCE/%
    Cs2BiAgI680.7211.5486.7323.90
    CsPbI387.7310.2483.5817.91
    Cs2PtI678.0016.9280.5327.95
    CsGeI365.3713.6686.9025.73
    PeDA2MA5Pb6I1921.9913.5872.0023.52
    MASnI359.2220.6674.9926.90
    FAMAPbI379.0014.8080.8927.82
    下载: 导出CSV
  • [1] Prasanna J L, Kumar A, Ravi Kumar M, Gayathri K, Santhosh C, Kumer S, Mohan E, Udayakumar S 2024 Int. J. Energy Res. 2024 3942154 doi: 10.1155/2024/3942154
    [2] 张娜, 米倩玉, 邓嘉纬, 赵晓军 2024 中国软科学 2 1 doi: 10.3969/j.issn.1002-9753.2024.05.001 Zhang N, Mi Q Y, Deng J J, Zhao X J 2024 China Soft Science. 2 1 doi: 10.3969/j.issn.1002-9753.2024.05.001
    [3] Soni A, Bhamu K, Sahariya J 2020 J. Alloys Compd. 817 152758 doi: 10.1016/j.jallcom.2019.152758
    [4] Maho A, Lobet M, Daem N, Piron P, Spronck G, Loicq J, Cloots R, Colson P, Henrist C, Dewalque J 2021 ACS Appl. Energy Mater. 4 1108 doi: 10.1021/acsaem.0c02124
    [5] Wang Y D, Duan J L, Yang X Y, Liu L Q, Zhao L L, Tang Q W 2020 Nano Energy 69 104418 doi: 10.1016/j.nanoen.2019.104418
    [6] Brenner T M, Egger D A, Kronik L, Hodes G, Cahen D 2016 Nat. Rev. Mater. 1 15007 doi: 10.1038/natrevmats.2015.7
    [7] Miyata A, Mitioglu A, Plochocka P, Portugall O, Wang J, Stranks S, Snaith H, Nicholas R 2015 Nat. Phys. 11 582 doi: 10.1038/nphys3357
    [8] Song Z N, McElvany C, Phillips A, Celik I, Krantz P, Watthage S, Liyanage G, Apul D, Heben M 2017 Energy Environ. Sci. 10 1297 doi: 10.1039/C7EE00757D
    [9] Kim Y, Cho H, Heo J, Kim T, Myoung N, Lee C, Im S, Lee T 2015 Adv. Mater. 27 1248 doi: 10.1002/adma.201403751
    [10] Dou L T, Yang Y, You J B, Hong Z R, Chang W H, Li G, Yang Y 2014 Nat. Commun. 5 5404 doi: 10.1038/ncomms6404
    [11] Kojima A, Teshima K, Shira Y, Miyasaka T 2009 J. Am. Chem. So. 131 6050 doi: 10.1021/ja809598r
    [12] Bhavsar K, Lapsiwala P 2021 Semicond. Phys. Quantum Electron. Optoelectron 24 341 doi: 10.15407/spqeo24.03.341
    [13] Hossain M, Toki G, Alam I, Pandey R, Samajdar D, Rahman M, Islam M, Bencherif M, Madan J, Mohammed M 2023 New J. Chem. 47 4801 doi: 10.1039/D2NJ06206B
    [14] Gatti T, Menna E, Meneghetti M, Maggini M, Petrozza A, Lamberti F 2017 Nano Energy 41 84 doi: 10.1016/j.nanoen.2017.09.016
    [15] Mustafa G M, Younas B, Saba S, Elqahtani Z B, Alwadaid N, Aftab S 2024 RSC advances 14 18957 doi: 10.1039/D4RA01559B
    [16] Uddin M, Mashud M, Toki G, Pandey R, Zulfiqar M, Saidani O, Chandran K, Ouladsmane M, Hossain M 2024 J. Opt. 53 3726 doi: 10.1007/s12596-023-01570-7
    [17] Burgelman M, Nollet P, Degrave S 2000 Thin Solid Films 361–362 527 doi: 10.1016/S0040-6090(99)00825-1
    [18] Singh A, Srivastava S, Mahapatra A, Baral J, Pradhan B 2021 Opt. Mater. 117 111193 doi: 10.1016/j.optmat.2021.111193
    [19] Hao L S, Li T, Ma X X, Wu J, Qiao L X, Wu X F, Hou G Y, Pei H N, Wang X B, Zhang X Y 2021 Opt. Quant. Electron. 53 524 doi: 10.1007/s11082-021-03175-5
    [20] Rai S, Pandey B, Dwivedi D 2020 Opt. Mater. 100 109631 doi: 10.1016/j.optmat.2019.109631
    [21] Hossain M, Arnab A, Das R, Hossain K, Rubel M, Rahman M, Bencherif H, Emetere M, Mohammed M, Pandey R 2022 RSC Adv. 12 35002 doi: 10.1039/D2RA06734J
    [22] Amjad A, Qamar S, Zhao C C, Fatima K, Sultan M, Akhter Z 2023 RSC Adv. 13 23211 doi: 10.1039/D3RA04176J
    [23] Ahmad W, Noman M, Jan S, Khan A 2023 Royal Soc. Open Sci. 10 221127 doi: 10.1098/rsos.221127
    [24] Schulte L, White W, Renna L, Ardo S 2021 Joule 5 2380 doi: 10.1016/j.joule.2021.06.016
    [25] ASiddique A, Helal S, Haque M 2024 J. Ovonic Res. 20 187 doi: 10.15251/JOR.2024.202.187
    [26] Subudhi P, Punetha D 2023 Sci. Rep. 13 19485 doi: 10.1038/s41598-023-33419-1
    [27] Jayan K D, Sebastian V, Kurian J 2021 Solar Energy 221 99 doi: 10.1016/j.solener.2021.04.030
    [28] Mohandes A, Moradi M, Nadgaran H 2021 Opt. Quant. Electron. 53 319 doi: 10.1007/s11082-021-02959-z
    [29] Salah M, Abouelatta M, Shaker A, Hassan K, Saeed A 2019 Semicond. Sci. Tech. 34 115009 doi: 10.1088/1361-6641/ab22e1
  • 加载中
图( 8) 表( 2)
计量
  • 文章访问数:  31
  • HTML全文浏览数:  31
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 收稿日期:  2025-03-13
  • 刊出日期:  2025-06-20

基于SCAPS-1D的钙钛矿太阳能电池性能的数值模拟与性能优化比较理论分析

    通讯作者: E-mail:bzhou3@163.com.; 
    作者简介: 李诗文:15981219737@163.com
  • 1. 大理大学工程学院, 大理　671000
  • 2. 昆明理工大学, 昆明　650500
  • 收稿日期:  2025-03-13

摘要: 数值模拟方法为钙钛矿太阳能电池的器件优化提供了高效的研究手段. 本研究利用SCAPS-1D软件, 采用数值模拟方法, 基于FTO/SnO2/钙钛矿层/Cu2O/Au型太阳能电池, 采用7种不同无铅和含铅的材料作为钙钛矿层, 进行器件模拟研究并优化钙钛矿层厚度、界面缺陷态密度、载流子密度对太阳能电池性能的影响. 经过对比分析得出, 在7种钙钛矿太阳能电池器件中, Cs2PtI6钙钛矿太阳能电池的功率转换效率最高, 达到27.95%. 这为设计高效、稳定的太阳能电池提供了参考.

English Abstract

    全文HTML

    1.   引　言

    • 随着全球能源需求持续增长和环境问题日益严峻, 开发高效、清洁的新能源技术已成为人类社会可持续发展的迫切需求[1]. 21世纪以来, 国家重点发展核能、风能、太阳能等新能源[2], 其中太阳能作为最具潜力的可再生能源之一, 具有可再生、清洁、储量巨大、易获取等优势, 其高效利用是解决能源危机和减少碳排放的关键途径. 钙钛矿太阳能电池因其高转换效率(目前已超过26%)[3]、吸收系数高[4]、载流子迁移率高[5]、带隙可调[6]、低激子结合能[7]、成本较低[8]等重要应用潜力, 已引发科学界的广泛关注[9,10]. 自Kojima等[11]首次于2009年将钙钛矿用作光伏吸收材料, 采用CH3NH3PbBr3和CH3NH3PbI3两种材料作为钙钛矿层首次成功制备出钙钛矿太阳能电池(perovskite solar cells, PSCs)之后, 钙钛矿光伏技术的研究持续深化, 在材料设计、器件优化和稳定性提升等方面取得系列重要成果. 然而, PSCs的实验制备通常面临制备周期较长, 工艺复杂等问题. 例如, 优化薄膜沉积、界面工程和组分调控需反复尝试, 且受环境(如湿度、温度)和材料批次的影响, 导致研发效率低下. 相比之下, 数值模拟方法因其高效、低成本的特点, 成为深入理解器件物理机制和优化电池性能的重要手段. 通过数值模拟, 可以系统地分析不同材料参数、界面特性和器件结构对电池性能的影响, 从而指导实验设计, 减少试错成本, 避免材料浪费.

      在众多模拟工具中, 太阳能电池电容模拟器(SCAPS-1D)因其对多层异质结器件的精确模拟能力, 被广泛应用于PSCs的性能预测与优化研究. 相较于其他仿真软件, SCAPS-1D具有界面态模拟灵活, 参数设置直观, 计算效率高的优势, 能有效模拟载流子运输、复合机制及能带匹配等关键物理过程. 2021年, Bhavsar等[12]使用SCAPS-1D软件针对不同的电子传输层对不同的PSCs进行建模, 发现以SnO2为电子传输层(electron transport layer, ETL)的光电转换效率(power conversion efficiency, PCE)高达21%. 2023年, Hossain等[13]研究了CsPbI3作为钙钛矿层材料的潜力, 效率可达18.17%, 但是考虑到环境污染, 研究人员积极探索无铅替代品[14]. 目前, 已经探明多种元素可作为替代Pb2+的有效替代者, 其中包括Ge2+, Sn2+, Pt4+等. 然而, Ge2+和Sn2+容易被氧化, 导致电池稳定性降低[14]. 相比之下, Pt4+具有较高的化学稳定性, 不仅能有效维护电池内部晶格的完整结构, 还能显著降低因结构与畸变带来的不利影响, 为电池性能的持久稳定提供了有力保障. Mustafa等[15]对Cs2AgBiBr6进行了数值模拟, 模拟结果显示了良好的效率和稳定性, 展示了Cs2AgBiBr6钙钛矿在太阳能电池技术中的潜力. 2024年, Uddin等[16]以Cu2O为空穴传输层, 使用SCAPS-1D对电池的各层厚度和缺陷态密度优化, 获得可25.16%的理论PCE.

      基于以上, 本文通过在同一配置下, 以SnO2为ETL, Cu2O为HTL, 采用7种不同无铅和含铅的材料作为钙钛矿层, 进行器件模拟研究并优化钙钛矿层厚度、ETL厚度、HTL厚度、界面缺陷态密度、载流子密度、温度对太阳能电池性能的影响, 为实现钙钛矿的高效率和高稳定性开展工作.

    2.   仿真方法和模型

    • SCAPS-1D 是比利时根特大学 Marc Burgelman 教授等开发的一维太阳电池模拟软件[17]. 其通过求解3个半导体基本方程组, 得出电池I-V特性、光谱响应以及电场分布等相关信息. 这3个方程即泊松方程(1)以及电子(2)和空穴(3)的连续性方程, 如下所示[18,19]:

      式中, $ \varepsilon $为介电常数; φ为静电势; q为电子电荷; p(x), n(x), Pt(x), nt(x)分别为自由空穴、自由电子、俘获空穴以及俘获电子; $ N_{\text{D}}^{+}(x) $, $ N_{\text{A}}^{{ - }}(x) $分别是电离施主浓度和电离受主浓度; Jn为电子电流密度, Jp为空穴电流密度; Rn(x)和Rp(x)分别为电子和空穴的复合率; G(x)为载流子净产生率; x为位置坐标.

      本研究利用SCAPS-1D对不同钙钛矿基太阳能电池进行对比分析, SCAPS软件支持7层异质结构太阳能电池结构, 并且支持在不同入射光谱下模拟. 研究的钙钛矿太阳能电池结构为$ {\text{FTO/Sn}}{{\text{O}}_{2}}/ {\text{Perovskite/C}}{{\text{u}}_{2}}{\text{O/Au}} $, 图1所示为模拟PSCs的结构. 其中, SnO2和Cu2O分别作为电子传输层和空穴传输层, 不同的无铅钙钛矿层材料作为吸收层, FTO和Au分别作为前电极和金属背电极, 功函数分别设置为4.1 eV和4.7 eV[20], 电池参数配置如表1所列[1,13,15,21–26]. 此外, 各层材料的电子和空穴热速度都设置为107 cm/s[27], 此模拟中的电池层不考虑表面和界面处的光反射率, 表面和界面处理对电池的光学性能很小, 可以被忽略. 缺陷能级位于中心带隙具有高斯分布和0.1 eV的能量. 在AM1.5G频谱的照射下和300 K工作温度进行模拟, 且假设电阻为2.00 Ω·cm2.

    3.   结果和讨论

      3.1.   钙钛矿层厚度对PSCs的影响

    • 本研究根据从不同理论和实验论文收集的 材料参数, 对钙钛矿太阳能电池进行数值模拟. 在FTO/SnO2/钙钛矿层/Cu2O/Au 器件结构中, 其他参数保持不变的情况下, 采用控制变量的方法, 改变钙钛矿层材料, 对太阳能电池模型进行模拟实验, 以获得每种情况下的优化结果. 钙钛矿层作为太阳能电池的核心部分, 其性质直接决定了整个器件的性能. 通过改变钙钛矿的厚度来研究其对器件性能的影响. 在保持温度等参数不变的情况下, 将钙钛矿层厚度在100—2000 nm, 间隔100 nm范围内变化, 以便进行对比分析. 图2(a)—(d)分别是钙钛矿层厚度变化对电池性能开路电压(open-circuit voltage, Voc)、短路电流密度(short-circuit current density, Jsc)、填充因子(fill factor, FF)、PCE的影响. 可以看出: 在计算范围内, 随着厚度的增大, Voc减小后几乎保持不变; Jsc和PCE随厚度变化的曲线几乎相同, 随厚度的增大而增大, 到达最优值后逐渐减小或趋于稳定; 但不同钙钛矿材料的PCE达到最大值的最佳厚度不同, 在100—500 nm之间; 随着钙钛矿层厚度的增大, 器件中的光吸收会更强, 这意味着产生了更多的光生载流子, 最终导致Jsc和PCE的提高. 然而, 厚度的进一步增大会超过这些材料的载流子扩散长度, 未收集的载流子会因复合而损失, 导致Voc和Jsc下降, 最终降低电池效率. 如图2(c)所示, MASnI3在计算范围内FF急剧上升, Cs2BiAgI6, CsPbI3, Cs2PtI6, CsGeI3四种材料的稳定性较高并且在400 nm后逐渐趋于稳定, 是因为Cs+有较大的离子半径和较高的离子极性, 能形成稳定的晶格结构, 稳定性强. 而PeDA2MA5Pb6I19在厚度超过500 nm后由于符合损失导致生成的电子-空穴对无法有效贡献给电池的输出电流, FF呈下降趋势. 在PSCs研究中, 发现吸收层厚度对电池性能的影响规律在含铅和无铅中呈现显著差异. 以本文的无铅钙钛矿MASnI3为例, 模拟结果显示出其PCE表现出非常规的结果, 当钙钛矿层厚度增至300 nm时, Jsc和PCE达到最大值; 当厚度超过300 nm后, 过厚的钙钛矿层会显著增大器件的串联电阻, 同时, 无铅钙钛矿固有的低载流子迁移率导致电荷扩散长度受限, 使载流子在传输至背接触界面过程中发生非辐射复合, 导致Jsc衰减; 在厚度超过1000 nm后, 因为Sn2+的易氧化而发生严重的界面缺陷.

      • 3.2.   L1/L2缺陷态密度对PSCs的影响

    • 界面缺陷态密度是影响太阳能电池性能的重要参数. L1和L2这两个界面层的形成是由于界面缺陷的存在所致. 当界面态密度过大时, 界面处的载流子复合过多, 进入吸收层进行复合的载流子减少, 空穴和电子无法通过吸收层高效地传输, 影响开路电压, 导致电池性能下降. 当界面缺陷态密度数量级低于109 cm–3时, J-V特性曲线基本保持不变. 因工艺的限制, 很难做到使界面缺陷态密度的数量级低于109 cm–3, 而较小的界面缺陷的填充因子也会变小, 极不稳定. 考虑电池性能参数表现和工艺实现, 如图3所示, 通过改变界面层缺陷态密度, 对电池性能的影响几乎保持不变. 相比于传统硅太阳电池, 钙钛矿材料本身就具有很低的缺陷态密度, 这是钙钛矿材料能够实现高效率的重要原因. 因此进一步降低界面缺陷的影响通常是有限的.

      • 3.3.   载流子密度对PSCs的影响

    • 为了找到ETL最佳的施主掺杂浓度(donor concentration, ND), SnO2的ND从1015 cm–3提高到1021 cm–3. Voc, Jsc, FF和PCE的变化如图4(a)—(d)所示. 随着ND从1015 cm–3提高到1021 cm–3, 除CsGeI3外, 其他结构的电池性能参数基本没有变化, 这是因为电子传输层的能级结构与钙钛矿层已经很好地匹配, 稍微改变掺杂浓度不会显著影响能级结构和电荷分离. CsGeI3的稳定性和PCE较高, SnO2与CsGeI3之间能形成致密、平整的界面, 降低电荷复合, 提高电池稳定性, 掺杂浓度的变化会影响SnO2的费米能级位置, 可以更好地实现与钙钛矿层的能级匹配, 优化电荷分离和注入过程. 较高的ND值使得在ETL/钙钛矿界面上更容易提取和传输电荷[28]. 高浓度的ND会分别在1×1019 cm–3和1×1020 cm–3导致Cs2BiAgI6和Cs2PtI6的晶格发生严重畸变, 破坏原有的电池结构.

      HTL受主掺杂浓度(acceptor concentration, NA)的变化对PSCs的性能有重大影响. 浓度的微小变化导致PSCs稳定性的变化. 为了获得最优NA值, 使NA在1015—1021 cm–3之间变化. 随着HTL受主掺杂浓度的增大, 如图5所示, Voc和Jsc基本没有变化. Cs2BiAgI6, CsPbI3, CsGeI3, FAMAPbI3, MASnI3的FF和PCE也基本没有发生变化, 而Cs2PtI6和PeDA2MA5Pb6I19的PCE和FF显著提升, PCE分别从21.41%提高到27.95%, 从18.85%提高到22.78%, FF分别从61.38%提高到80.53%, 从55.47%提高到72%. 因为不同的钙钛矿材料具有不同的电荷传输机制, 掺杂浓度的变化不足以改变材料的电荷传输路径, 因此Cs2BiAgI6, CsPbI3, CsGeI3, FAMAPbI3, MASnI3的FF和PCE变化不明显. 对于Cs2PtI6和PeDA2MA5Pb6I19, NA值越高, PSCs层之间的界面电场产生就越高, 促进光生载流子的有效分离, FF和PCE上升. 然而, 过高的NA值可能会加剧电荷载流子在界面及体相中的复合过程, 从而不利于FF和PCE的提升[29].

      经过优化, 每种钙钛矿太阳能电池的性能如表2所列, 通过对这些模型的数值模拟, 所有的电池结构的PCE均有提升, 在所有钙钛矿的结构中, Cs2BiAgI6的PCE增幅最大, 由11.54%提升至23.9%, 基于Cs2PtI6的PSCs的PCE最高可达27.95%, 在保持高效率的同时, 稳定性也达到了80.53%.

      • 3.4.   PSCs的温度测试

    • 温度对太阳能电池的效率和稳定性都有影响. 温度上升, 电子的能量相应增大, 电子与空穴之间的复合速率增大, 从而降低电荷载流子的寿命. 在太阳能电池中, Au电极通常是用作电子的收集和导出层, 而空穴则通过其他材料进行传输. 太阳能电池的一般应用场景为地球和空间站, 所对应温度为300—600 K. 如图6(b), 在300—600 K, 钙钛矿太阳能电池的PCE随着温度的升高而降低; 而不同材料对温度的稳定性不同, MASnI3, CsGeI3和PeDA2MA5Pb6I19在较低的温度范围内(300—350 K), 可能存在热激活过程, 这个过程涉及材料内部缺陷的重排、载流子迁移率的提高以及界面复合速率的降低, 从而暂时性地提高了FF, 随着温度进一步升高, 热激活效应逐渐减弱, 材料本身的热稳定性开始占据主导地位, 导致FF下降. Cs2BiAgI6, Cs2AgBiBr6, Cs2PtI6和FAMAPbI3四种材料在整个温度范围内的FF都表现出下降趋势. 7种结构的钙钛矿太阳能电池的温度稳定性不同, 在600 K的极端温度条件下, CsPbI3的PCE仅为在300 K室温条件下的5%, 而MASnI3电池性的PCE保持室温条件下的82%, 电池器件稳定.

      • 3.5.   优化后PSCs的J-V曲线分析

    • 在优化条件下, 各种钙钛矿材料在光照条件下的J-V特性如图7所示. 从图7可以看出, 与初始模型相比, 优化后的最终模型在电流-电压(J-V)特性上表现出显著提升. 通过分析J-V特性曲线, 可以评估PSCs的性能参数. 所有器件均显示出非常好的J-V特性. Cs2PtI6具有最窄的带隙, 具有最宽的吸收光谱, 而CsPbI3的带隙最宽, 其他材料则介于两者之间. 窄带隙的钙钛矿材料具有更强的光学吸收能力和更宽的光谱吸收范围, 这是由于较低的带隙能够促进更宽波长范围内光子的有效吸收, 从而产生光生载流子. 这一性质使更多的太阳光谱能量转化成电能, 最终显著提升PSCs的PCE.

      • 3.6.   优化后PSCs的QE曲线分析

    • 量子效率(quantum efficiency, QE)是衡量太阳能电池从入射光子中成功产生电荷载体(电子-空穴对)能力的物理量. 其定义为在特定波长下, 太阳能电池产生的电子-空穴对数量与入射光子数量之比. 实验数据分析表明, 通过对PSCs器件结构进行优化, 可以显著提升钙钛矿层的光生载流 子产生率, 增强整体电池性能. 通过图8基于不 同钙钛矿材料的PSCs的量子效率的分析, 发现以Cs2BiAgI6, CsPbI3, Cs2Ptl6, CsGeI3, PeDA2MA5Pb6I19, FAMAPbI3作为钙钛矿层的电池均表现出优异的量子效率特性, 这些材料在最大量子效率处表现出最低的能量损失, 表明其具有良好的光电转换特性. 在短波长区域(300—500 nm)观察到较高的QE值, 主要是因为高能光子能够有效克服材料的带隙能量, 促进价带电子向导带的跃迁, 从而实现高效的光生载流子产生与收集, 这一现象也反映了器件前表面钝化处理的良好效果. 在长波长区域(>600 nm), Cs2Ptl6基器件表现出更好的量子效率响应, 表明该材料对长波长光子具有更强的吸收和利用能力. 这种增强的红外响应特性直接导致了器件Jsc的显著提升, 为开发高效宽光谱响应的钙钛矿太阳能电池提供了重要的材料选择依据.

    4.   结　论

    • 本文利用SCAPS-1D对基于FTO/SnO2/钙钛矿层/Cu2O/Au型太阳能电池进行建模和性能分析. 采用Cs2BiAgI6, CsPbI3, Cs2PtI6, CsGeI3, PeDA2MA5Pb6I19, MASnI3, FAMAPbI3材料作为钙钛矿层, 改变ETL、HTL和钙钛矿层厚度、缺陷态密度、载流子密度等参数对这7种模型进行参数优化. 通过对这些模型的数值模拟, 在所有钙钛矿的结构中, 发现基于Cs2PtI6的器件显示出了最高的PCE, 达到了27.95%, 钙钛矿层厚度在200 nm处最佳, PCE在200 nm处最大值为25.43%, 薄的钙钛矿层厚度可以为钙钛矿模型提供良好的效率. 缺陷态密度对PSCs的性能没有显著影响. 随着载流子的变化, 电池性能逐步呈现提升趋势, 当ETL施主密度达到1018 cm–3时, 获得了25.48%的最高PCE——这也是数值模拟中得到的最佳结果, 这是因为更高的ND能促进电荷向ETL/钙钛矿层的传输. HTL的最佳受主浓度确定为1021 cm–3, 此时器件的最高PCE达到27.95%. 经过全面优化后, 该钙钛矿太阳能电池的转换效率从初始的16.92%最终提升至27.95%.

    参考文献 (29)

目录

/

返回文章
返回