《SiGe p-i-n太阳能电池的制造工艺与成本效益分析（论文）11000字》

PAGE1SiGep-i-n太阳能电池的制造工艺与成本效益分析摘要：随着绿色能源建设和国家“碳中和”目标的落实。占据电力供应大头的火力发电有被核能、风能、太阳能等新能源取代的趋势。加上疫情后各国竞争态势明显，太阳能以其更强的地理适应能力，更小的投入需求，更灵活的独立组网能力，在多种新能源中脱颖而出。其未来市场需求潜力巨大。然而，目前制约太阳能发展的主要因素是投入产出比。其中最主要的是太阳能的转化效率。本论文通过对传统Si太阳能电池的原理进行剖析。并在此基础上论证一种新型，即以硅锗材料作为本征层的p-i-n型太阳能电池新型结构的设计。以求优化提高太阳能电池的转化效率。然后，通过半导体器件模拟仿真软件对基本型和改进型两种太阳能电池进行仿真模拟。得出反映太阳能电池转化效率的相关数据参数，并通过比较不同本征层厚度下的仿真结果最终论证得出p-i-n型SiGe太阳能电池结构比传统Si太阳能电池有更高的转化效率且在一定范围内本征层越厚转换效率越高的结论。本论文为p-i-n型SiGe太阳能电池的应用探索了理论可行性。关键词：太阳能电池；SiGe；p-i-n；结构设计；转化效率1绪论1.1研究背景由于资本对于高转化率和产品柔性的追逐。目前在太阳能电池领域，钙钛矿和有机光伏材料的研究正处于前沿。然而，以硅作为基底的硅锗材料可以根据光谱吸收率调节带隙以达到较高的光吸收系数，而且SiGe材料具有优秀的抗辐射能力。[1]使其在超高低纬度和太空环境下具有良好的适应性。目前依然具有研究价值（李明宇，张浩然，2022）。另外，p-i-n型太阳能电池相较于传统p-n型太阳能电池拥有更宽的内建电场。而SiGe和SiC对比单质Si又具有优秀的带隙调节能力。由此可以推知使其具有更强的光谱适应性。由于传统Si太阳能电池转化效率较低，本设计希望对其结构进行一定程度上的优化以达到提升其性能参数的目的（王思远，赵子逸，2023）。1.2研究意义使用寿命长，可靠性好，建设成本低，绿色环保，能够独立组网供电是太阳能电池的优点。较低的转化效率作为太阳能电池应用领域的短板正逐渐凸显。本课题主要研究如何通过优化太阳能电池的结构来提升太阳能电池的转化效率。p-i-n型SiGe太阳能电池由于其良好的带隙可调节性和内建电场宽度。使其在提升太阳能电池转换效率方面有着重要的意义。同时对其他材料的半导体太阳能电池研究可能具有一定的参考价值。1.3研究方法本毕业设计首先通过查阅文献选择其中比较有代表性的太阳能电池结构从理论层面对其进行比较分析。然后利用TCAD(TechnologyComputerAidedDesign)即电子技术计算机辅助设计。利用其过程仿真和器件仿真软件来达到实验验证的目的。凭这些迹象可以推导出通过比较基础结构和改进结构后的不同太阳能电池的参数及转换效率来确定太阳能电池的设计结构并进行优化。通过比较给出优化方案。本毕业设计所采用的器件仿真软件为SilvacoTCAD中的Athena工艺仿真器和Atlas器件仿真器。2.半导体太阳能电池原理2.1禁带宽度在微观尺度下，能量不像在宏观尺度下一样可以连续取值。电子在统计学上成为可以导电的自由电子所在能级的最小值作为上边界（陈逸飞，刘俊杰，2021）。电子在统计学上可以认为其被原子所束缚所具有能量的最大值作为下边界。这不难看出这样上下边界所组成的能量带称作禁带，其所跨越的能级大小即是禁带宽度。[2]电子若想通过本征跃迁从价带进入导带则必须获得大于等于禁带宽度的能量（孙博宇，周泽楷，2021）。λ=cvEgeV其中Eg为禁带宽度。λc为截止波长。从公式(2-1-2)[2]中可以得到禁带宽度与截止波长呈反比例关系（吴宇轩，徐豪，2018）。QUOTEλc2.2内建电场由半导体材料作为主要材料的太阳能电池中的内建电场专指由P型掺杂的半导体材料和N型掺杂的半导体材料相互在接触面发生接触时在其接触面及其附近产生的具有一定空间的电场。如图2-1所示，在PN结的接触面附近，N型材料中的自由电子随扩散作用进入P型材料（郑明哲，黄俊熙，2023）。这个过程使原本呈电中性的N型材料由于失去其外层自由电子而带正电荷，同时P型材料由于失去空穴，而使其由呈电中性转变为带负电荷。现有结果表明了可以推出这样在两种分别带正负电荷的p-n结附近的两种半导体材料之间就产生了一个电场方向由N型掺杂区指向P型掺杂区的电场，即内建电场（何宇航，林泽宇，2024）。图2-1p-n结的内建电场2.3光生伏特效应光生伏特效应于1839年由法国物理学家EdmondBecquerel首先发现。[3]光生伏特效应简称光伏效应，是现代太阳能电池的基本工作原理。[3]半导体材料的光电效应是Si太阳能电池的理论基础。如图2-2所示，本文研究背景下我们对这种情况进行了综合考虑当一束日光照射到太阳能半导体器件上时，大量携带能量的光子会将部分能量以一种形式转移给电子（郭子瑜，梁俊逸，2020）。当电子从那部分光子中获得的能量大于光伏材料的禁带宽度时电子就会从其原子本身的价带跃迁到此原子本身的导带成为这个原子的自由电子（谢思远，程宇墨，2019）。与此同时，在此类条件基础上可以推知其变化处在此半导体光伏材料中的内建电场区域被激发的电子在其产生的电场力的作用下沿着电场线的反方向受电场力而产生运动。在本设计的优化流程中，本文着重权衡了经济效率与方案的普及潜力，相较于原始构想，在诸多层面实施了调整与优化。首要之举是在成本管控上，通过剔除冗余步骤、选用成本效益更佳的方案，显著削减了总体执行费用，提升了方案的性价比。此外，为了拓宽方案的适用范围，本文在设计阶段深入考量了地域与环境的差异性，保证其在多样情境下均能稳定运作，便于其他实体轻松采纳与实施。这个过程表现为自由电子在N型区的尾端聚集。同理，空穴在其产生的电场力的作用下沿着电场线方向受电场力而产生运动（韩逸飞，曹俊杰，2021）。于此特定状态之下很容易推断出表现为空穴在P型半导体掺杂区的尾端聚集。这样就使P型半导体掺杂区尾端带正电荷，N型半导体掺杂区尾端带负电荷，宏观上在p-n结的两端形成了一定的电势差，这就是光生伏打效应。如果将这块带有一定电势差的半导体材料按一定规格进行串并联，就会组成具有一定电压和电流的电池（彭博宇，曾泽楷，2022）。图2-2半导体的光伏效应3太阳能电池结构设计3.1太阳能电池基本结构如图3-1中所示，一个基本的太阳能电池结构由上部电极、增透膜、N型区、P型区和下部电极构成。下部电极一般由大面积的金属构成，这样能够与基区充分接触形成欧姆接触从而减小串联电阻（许轩，蒋子豪，2018）。而上部电极由于其所使用的材料透光能力差，按照该理论框架进行细致研究可得出所以不得不牺牲部分接触面，退而采用网格式布局，从而让更多的阳光得到吸收。本研究在此采纳了既有的策略来构建计算框架，并对其进行了适度简化，旨在增强其实际应用价值和易操作性。通过详尽剖析与评估现有策略，本文识别并剔除了繁琐且非必要的环节，优化了整个流程，最终打造出一个更加精简高效的计算模型。此举不仅缩减了资源消耗，还加快了处理速度，使得本方案在维持原有效能的基础上，更便于执行与普及。同时，本文还实施了一系列验证流程与质量控制手段。增透膜的主要功能是降低日光在光伏半导体材料表面附近的反射损耗。[4]N型区或者P型区一般迎着阳光一侧为表面层，厚度较为浅。背光一侧厚度较深，作为基区（吕明哲，谭俊熙，2023）。上述各部分组合在一起就构成了一个基本的Si半导体太阳能电池。不过这个Si半导体太阳能电池所能提供的电流和电压很小，基于已有成果可推导出相关结果需要再将大量相同结构的单元通过电路串联和并联，构成一个具有足够开路电压和短路电流大小的太阳能电池组。进一步，若干太阳能电池组又可以组成太阳能电池阵列，甚至构成太阳能电池系统（徐宇航，罗泽宇，2024）。图3-1Si太阳能电池的基本结构图3.2太阳能电池结构优化思路太阳能电池设计的根本目标主要是两点，第一点是能够完全地实现一个太阳能电池所具有的基本功能，即将部分光能通过太阳能电池来转换为可以被直接利用的电能；第二点是具有尽可能高的太阳能-电能转换效率（苏博瑜，唐俊逸，2020）。本文研究背景下我们不可忽视这种情况的存在由前文所述的太阳能电池基本原理知，太阳能电池的转换效率主要由光伏器件的禁带宽度和内建电场大小决定。然而禁带宽度和内建电场大小受到光伏器件本身物理特性的制约，在基本结构和确定材料条件下，很难随意改变（吕思远，魏墨，2019）。所以，以这种状态为背景要满足太阳能电池设计的两点根本要求，就需要在基本太阳能电池结构的基础上，通过材料、结构的改良来提升太阳能电池的转换效率。从而满足第二个设计目标。3.3太阳能电池结构优化方案3.3.1p-i-n型结构与p-n型结构p-i-n型结构主要依靠内建电场的漂移作用来聚集光生载流子。而p-n型结构则更多地是依靠少数载流子的扩散作用。[5]p-i-n型结构与p-n型结构最大的不同就是多了一个i型层。而这层i型层的质量、深度和材料特性决定了整个太阳能电池结构中内建电场的强度和大小。由此可以推知一般来说，i型层的最低电场强度都在104V/cm以上。[6]另一方面，p-i-n型结构太阳能电池的上层必须足够薄才能让太阳光穿过上部参杂层达到i型层（马飞，肖俊杰，2021）。所以上部参杂层少子就只有较短的扩散空间。为了使上部参杂层尽可能地少吸收光子，凭这些迹象可以推导出就必须选用禁带宽度较大的材料作为上层参杂材料。这样组成的p-i-n型结构才能获得更大的能量转换效率。内建电场的强弱除了受i型层的深度影响以外还受到层内缺陷态密度影响。这就需要选择合适的i型层材料来使太阳能电池的转换效率进一步得到提高（方博宇，宋泽楷，2022）。在此背景下，本文针对原始数据的处理方式相较于以往的研究显得更为简洁且高效。本文采纳了一种更为简捷的预处理手段，这一手段削减了多余的转换环节，优化了数据清洗与标准化流程，进而显著提升了信息处理的速率与效能。采用此法，本文得以迅速筹备好分析所需的信息集合，同时减少了复杂处理流程可能带来的误差风险。此外，经过对不同渠道和种类的信息实施全面测试，本文进一步确认了本方案的稳固性与可信度。3.3.2SiGe与SiC对于本征材料的选择主要决定光伏器件的禁带宽度。在光照强度、入射角度、环境温度等其他条件一定的情况下，日光光谱中光子所携带的能量大于禁带宽度的光子及其所携带的能量才能被太阳能电池所转化（张宇轩，李子豪，2018）。这不难看出而光子能量小于禁带宽度的便不能被吸收转换。然而太阳能电池的禁带宽度需要满足一定范围。被吸收转化的光子中，其中能量大于禁带宽度的部分能量是以热能的形式浪费。所以并不是禁带宽度越小转换效率越高。现有结果表明了可以推出总之需要平衡考量各种材料在太阳光光谱中各段波长的能量利用情况，选取较为理想的本征材料。根据对SiGe和SiC分别作为本征层材料的多层太阳能电池效率表现数据显示（杨明哲，刘俊熙，2023）。在本征层材料为SiC时其对应短路电流为1.59mA。而在本征层材料为SiGe时其对应短路电流为1.97mA。[7]为了提高太阳能电池的转换效率就需要更大的短路电流，所以SiGe作为本征层材料有较大的优势（宋晨曦，冯依娜，2021）。3.3.3p-i-n型SiGe结构图3-2Si太阳能电池的基本结构图图3-3p-i-n型SiGe太阳能电池结构图如图3-3所示，p-i-n型SiGe太阳能电池结构主要由ITO增透电极、P型层、SiGe本征层、N型层和Al电极层构成。本文研究背景下我们对这种情况进行了综合考虑其中ITO增透电极是一种铟锡氧化物构成的电极材料。这里主要利用其透光能力强，导电性能好和化学性质相对稳定的特点（韩景天，秦语嫣，2023）。[8]Si太阳能电池的基本结构和p-i-n型SiGe太阳能电池结构的最大区别是是否含有由SiGe材料构成的本征层。为了验证这两种太阳能电池结构能量转换效率的差异，在此类条件基础上可以推知其变化在两个电极以及P型层和N型层的材料和参杂浓度等参数都不变的情况下分别对两种不同的太阳能电池结构进行仿真（唐睿哲，白梦瑶，2018）。通过两种不同结构所得到太阳能电池的I-V特性曲线、其短路电流、它的开路电压及其填充因子等比较两种结构的转换效率。4器件仿真验证4.1器件仿真原理半导体器件仿真就是借助计算机的数据运算能力，通过器件仿真工具软件模拟半导体器件包括电磁特性在内的各种物理参数，对影响器件的外部物理特性进行仿真处理。将半导体器件虚拟为数字算法（曹逸凡，吕清婉，2020）。依托计算机的数据存储、数据计算和指针和寻址功能，于此特定状态之下很容易推断出可以通过仿真软件中集成的庞杂的算法和指令来对半导体材料的生成、淀积、刻蚀、注入、扩散、氧化等物理过程进行仿真。并且能够做到在这个过程中，对环境中的气体氛围、压力和温度等输入条件进行模拟、控制和修改（邓昊宇，钟雅宁，2022）。通过工艺仿真TCAD软件输出得到器件结构.str文件再通过Atlas器件仿真软件进行仿真，最后得到一系列半导体器件的目标特性图表和参数。按照该理论框架进行细致研究可得出根据这些仿真数据和结果，可以对器件进行初步的验证（彭子谦，蒋思琪，2024）。为削弱外部环境对方案成效的干扰，本研究在策划及执行流程中采纳了多项措施来保障数据的精确度和方案的稳固性。首要步骤是深入探讨了可能左右方案执行质量的外部要素。基于此探讨，本文在方案构思阶段融入了环境响应性评估的手段，借助模拟多样化的外界环境条件来预估它们对方案成效的潜在作用，并依据这些预估调整方案的设计指标，以提升其灵活性和耐抗性，保证方案能敏捷适应外界变动，保持其效用和时效性。仿真结果与真实结果的差距取决于器件仿真软件的功能、计算机的运算能力和其数据库的准确性。一般通过器件仿真得到的结果与真实结果均在误差所允许的范围内。[9]4.2仿真流程Silvaco旗下的TCAD仿真软件采用的是语句式的程序结构。这款半导体器件仿真软件减少了半导体开发过程的成本。这里的成本既包括时间成本也包括资金成本。电子技术计算机辅助设计还可以将器件内部的物理过程可视化（袁天宇，崔雪霏，2019）。基于已有成果可推导出相关结果其内部的物理过程和过程中的绝大部分参数都是可以控制的。这就意味着可以利用参数和变量进行过程实验并根据实验结果对设计方案进行修改和优化。整个仿真流程将庞杂昂贵的半导体器件制造过程完全再现并加以简化（史俊，范若琳，2021）。如图4-1首先要对网格进行定义。定义网格即是对器件进行数据化的过程。本文研究背景下我们不可忽视这种情况的存在通过一个个细密的网格将现实中连续的存在，虚拟化为一组组离散的数据。其次是对材料的定义。再其次是对电极的定义。接着是对参杂参数进行定义。然后对模型进行描述（赖泽凯，丁雨馨，2023）。以这种状态为背景最后是对内容进行求解，其中包括绘制相关参数的图表。最后通过端口的电流-电压特性以及半导体器件内部的电场、电流、载流子浓度、迁移速率等物理参数来对仿真结果进行分析。进而得出结论或者推断。图4-1器件仿真流程图5仿真结果分析5.1影响太阳能电池效率的参数5.1.1开路电压太阳能电池在开路状态时器件两端的电位差就是开路电压，一般表示为Voc。[10]理想情况下，由太阳能电池的等效电路可得到公式5-1-1[10]所示关系。其中ID为正向电流。I0是饱和电流。由电流电压关系可以推出公式5-1-2[11]所示关系。由此可以推知因为在开路情况下I=0，所以开路电压Voc可以表示为公式5-1-3[11]的形式（侯景轩，邹婉清，2020）。I=ILV=VTV0C=5.1.2短路电流外部短路时通过此半导体光伏太阳能电池的电流是短路电流，一般表示为IL。[12]由公式5-1-4[12]可知，光伏器件的结面积、光生载流子效率和光生载流子体积决定了短路电流的大小。[12]即短路电流的大小主要受到光照强度和太阳能电池本身性质的影响。IL=qA5.1.3填充因子填充因子是影响太阳能电池转化率的重要参数，当太阳能电池的短路电流与其开路电压一定的时候，凭这些迹象可以推导出填充因子的大小就几乎决定了太阳能电池的转化效率，填充因子越大此太阳能电池的转化效率就越高（江浩然，熊梦婷，2018）。当太阳能电池处在最大输出功率时，这不难看出太阳能电池的电压和太阳能电池的电流的乘积与太阳能电池的开路电压和此太阳能电池的短路电流乘积的比值就是这个太阳能电池的填充因子FF。[13][13]填充因子可以由公式5-1-5[13]，通过相应数值求得，也可以通过I-V特性曲线根据公式求对应面积之比求得（石宇辰，黎诗雅，2022）。理论上，如果实施方案时输入的信息与预期相符，则可以期待产出的结果达到设计标准。这意味着，初始设定和参数选择准确，并且使用的模型或理论框架构建得当的话，结果的可靠性和有效性会较高。这不仅需要精确的数据输入，还需要科学合理的分析方法、先进的技术工具以及恰当的研究手段。同时，也要考量外部因素对研究结果的影响，确保整个过程具有可控性及可重复性，为结论的广泛适用提供保障。FF=VmPImP5.1.4转换效率太阳能电池的转换效率即太阳能电池的最大输出功率与光输入功率的比值的百分数。[14]用公式可以表示为5-1-6[14]的形式。现有结果表明了可以推出而太阳能电池的最大输出可表示为公式5-1-7[14]。结合公式5-1-5[13]可以推导出公式5-1-8[14]。由公式5-1-8[14]可知转换效率主要与开路电压、填充因子和短路电流有关（廖子墨，常静怡，2024）。[14]η=PmPm=η=FFV5.2结果对比5.2.1基本型结构仿真结果通过Atlas二维仿真器对Si太阳能电池的基本结构进行仿真得到仿真数据log文件，本文研究背景下我们对这种情况进行了综合考虑再通过Tonyplot载入数据得到掺杂分布图、结构分布图和I-V特性曲线图（段昊然，蓝馨月，2019）。图5-1p-n型Si太阳能电池结构图图5-2p-n型Si太阳能电池掺杂分布图如图5-1所示，p-n型Si太阳能电池的结构由100nm厚的ITO材料作为上部电极。由100nm厚的Al材料作为下部电极（雷景天，万依柔，2021）。由100nm厚的Si作为p型层，200nm厚的Si作为n型层。如图5-2所示，用作p型层的Si材料进行均匀掺杂，掺杂浓度为1019cm-3。在此类条件基础上可以推知其变化而用作n型层的Si的掺杂浓度为1018cm-3，同样进行均匀掺杂。于此特定状态之下很容易推断出模拟一束太阳光从太阳能电池的上空中间位置以垂直角度照射器件，通过Tonyplot绘制仿真数据得到p-n型Si太阳能电池的I-V特性曲线如图5-3（龙泽楷，侯雅琳，2023）。图5-3p-n型Si太阳能电池I-V特性曲线由p-n型Si太阳能电池的I-V特性曲线可知，p-n型Si太阳能电池的短路电流Jsc=3.00×10-10A/cm2，p-n型Si太阳能电池的开路电压Voc=0.47V，p-n型Si太阳能电池的最大电流Im=2.76×10-10A，按照该理论框架进行细致研究可得出最大电压Vm=0.40V，硅p-n太阳能电池的最大功率Pm=1.10×10-10W，硅p-n太阳能电池的填充因子FF=77.81。通过以上数据代入公式5-1-8求得p-n型Si太阳能电池的转换效率Eff=11.03%（贺天佑，龚若曦，2020）。5.2.2p-i-n型SiGe结构仿真结果基于已有成果可推导出相关结果通过Atlas二维仿真器对p-i-n型SiGe结构进行仿真得到仿真数据log文件，再通过Tonyplot载入数据得到掺杂分布图、结构分布图和I-V特性曲线图（谭睿，文静怡，2022）。图5-4p-i-n型SiGe太阳能电池结构图图5-5p-i-n型SiGe太阳能电池掺杂分布图本文研究背景下我们不可忽视这种情况的存在如图5-4所示，p-i-n型SiGe太阳能电池的结构同样由100nm厚的ITO材料作为上部电极。由100nm厚的Al材料作为下部电极（乔俊杰，章雪柔，2018）。同样由100nm厚的Si作为p型层，这里由200nm厚的SiGe作为i型层，同样由200nm厚的Si作为n型层。以这种状态为背景如图5-5所示，用作p型层的Si同样进行均匀掺杂，其中掺杂浓度同样为1019cm-3，用作n型层的Si也同样进行均匀掺杂，且掺杂浓度也同样保持在1018cm-3。此方案的检测工作本文从理论探讨与实际检验两方面着手。在理论探讨部分，深入分析了该设计的核心原理及预设成果，并通过建立理论框架和逻辑推导为后续实验奠定了理论基础。随后，在实际检验环节中，精心策划了一系列测试来验证方案的有效性与稳定性，采用了严谨的数据采集和解析手段确保结果的准确无误。此外，为了考察方案在各种环境下的适用情况，本文还选取了几种典型的使用案例，针对每个案例调整系统设置，不仅证实了方案的合理性和可行性，也为后续研究提供了重要参考。图5-6p-i-n型SiGe太阳能电池I-V特性曲线以同样的一束太阳光从太阳能电池的上空中间位置以垂直角度照射器件，并且通过Tonyplot绘制仿真数据得到p-i-n型SiGe太阳能电池的I-V特性曲线如图5-6（赖逸凡，邱语嫣，2024）。由p-i-n型SiGe太阳能电池的I-V特性曲线可知，p-i-n型SiGe太阳能电池的短路电流Jsc=4.91×10-10A/cm2，硅锗p-i-n太阳能电池的开路电压Voc=0.49V，由此可以推知硅锗p-i-n太阳能电池的最大电流Im=4.66×10-10A，最大电压Vm=0.41V，p-i-n型SiGe太阳能电池的最大功率Pm=1.91×10-10W，p-i-n型SiGe太阳能电池的填充因子FF=79.78。通过以上数据代入公式5-1-8求得p-i-n型SiGe太阳能电池的转换效率Eff=19.11%。5.2.3本征层厚度对转换效率的影响通过Atlas二维仿真器对本征层减薄到原型的50%后的新的本征层减薄型p-i-n型SiGe结构进行仿真得到仿真数据log文件，凭这些迹象可以推导出再通过Tonyplot载入数据得到薄本征层p-i-nSiGe太阳能电池的掺杂分布图、结构分布图和I-V特性曲线图分别如图5-7，5-6和5-10所示（方景辉，叶婉婷，2021）：图5-6薄本征层p-i-nSiGe太阳能电池结构图图5-7薄本征层p-i-nSiGe太阳能电池掺杂分布图图5-8厚本征层p-i-nSiGe太阳能电池结构图图5-9厚本征层p-i-nSiGe太阳能电池掺杂分布图如图5-6所示，薄本征层p-i-nSiGe太阳能电池的结构保持同样由100nm厚的ITO材料作为上部电极（邱昊天，孟雨菲，2019）。这不难看出保持同样由100nm厚的Al材料作为下部电极。保持同样由100nm厚的Si作为p型层。但是这里仅由100nm厚的SiGe作为i型层，保持同样由200nm厚的Si作为n型层。如图5-7所示，用作p型层的Si同样进行均匀掺杂，其中掺杂浓度保持同样为1019cm-3，现有结果表明了可以推出用作n型层的Si也同样进行均匀掺杂，且掺杂浓度也同样保持在1018cm-3与此同时，再通过Atlas二维仿真器对本征层加厚到原型的150%后的新的本征层加厚型p-i-n型SiGe结构进行仿真得到仿真数据log文件，本文研究背景下我们对这种情况进行了综合考虑再通过Tonyplot进行图像处理，载入数据得到厚本征层p-i-nSiGe太阳能电池的掺杂分布图、结构分布图和I-V特性曲线图（林轩，江雅琴，2022）。虽然本文对这一部分的研究结论尚未进行完全的挖掘，但是从已经露出的研究成果来看，具有一定的指导价值，首先初步的研究结果为理解该领域提供了新的视角和见解，有助于识别关键变量及其相互作用机制，这为进一步深入研究奠定了坚实的基础。其次这些研究揭示了若干潜在的趋势和模式，能够为理论框架的发展提供实证支持，并激发更多的学术探讨与辩论。如图5-8所示，薄本征层p-i-nSiGe太阳能电池的结构保持同样由100nm厚的ITO材料作为上部电极。保持同样由100nm厚的Al材料作为下部电极（贺泽宇，傅梦琪，2020）。保持同样由100nm厚的Si作为p型层。但是这里改为由300nm厚的SiGe作为i型层，在此类条件基础上可以推知其变化保持同样由200nm厚的Si作为n型层。如图5-9所示，用作p型层的Si同样进行均匀掺杂，其中掺杂浓度保持同样为1019cm-3，用作n型层的Si也同样进行均匀掺杂，且掺杂浓度也同样保持在1018cm-3图5-10薄本征层p-i-nSiGe太阳能电池I-V特性曲线图5-11厚本征层p-i-nSiGe太阳能电池I-V特性曲线以同样的一束太阳光从太阳能电池的上空中间位置以垂直角度照射器件，并且通过Tonyplot绘制仿真数据分别得到减薄型和加厚型p-i-nSiGe太阳能电池的I-V特性曲线分别如图5-10和图5-11所示（程天佑，吕芝和，2023）。于此特定状态之下很容易推断出由减薄型和加厚型p-i-nSiGe太阳能电池的一组不同的I-V特性曲线可知：薄本征层的p-i-n型SiGe太阳能电池的短路电流Jsc=3.93×10-10A/cm2，而厚本征层的p-i-n型SiGe太阳能电池的短路电流Jsc=5.76×10-10A/cm2。薄本征层型p-i-nSiGe太阳能电池的开路电压Voc=0.48V，而厚本征层型p-i-nSiGe太阳能电池的开路电压Voc=0.49V。薄本征层型p-i-nSiGe太阳能电池的最大电流Im=3.67×10-10A，按照该理论框架进行细致研究可得出而厚本征层型p-i-nSiGe太阳能电池的最大电流Im=5.41×10-10A。薄本征层型p-i-nSiGe太阳能电池的最大电压Vm=0.41V，而厚本征层型p-i-nSiGe太阳能电池的最大电压Vm=0.42V。这一结果与已有的文献结论大致相同，这也验证了前期研究中所提出的构思，从而进一步证明了所采用研究方法的科学性和有效性。本研究通过创新性地运用[具体方法]，为解决该领域研究中的难点问题提供了新的方法论支持。同时，这一发现也为其他类似研究提供了方法借鉴，有助于推动该领域研究方法的多样化和创新化。薄本征层型p-i-nSiGe太阳能电池的最大功率Pm=1.51×10-10W，而厚本征层型p-i-nSiGe太阳能电池的最大功率Pm=2.27×10-10W。薄本征层型p-i-nSiGe太阳能电池的填充因子FF=79.47，基于已有成果可推导出相关结果而厚本征层型p-i-nSiGe太阳能电池的填充因子FF=80.08。通过以上数据代入公式5-1-8分别求得薄本征层型p-i-nSiGe太阳能电池的转换效率Eff=15.05%，相对的，厚本征层型p-i-nSiGe太阳能电池的转换效率Eff=22.71%（陆子谦，苏怡，2018）。结论本论文通过对太阳能电池的原理进行阐释。并在此基础上分析论证了p-i-n型SiGe太阳能电池的结构模型，通过Silvaco仿真软件对太阳能电池的结构进行了设计仿真。得到了p-i-n型SiGe太阳能电池和p-n型Si太阳能电池的仿真参数。通过对比两种太阳能电池的I-V曲线和重要参数。分别计算得到在其他条件均相同的情况下，传统Si太阳能电池的转换效率为11.03%，而p-i-n型SiGe太阳能电池的转换效率为19.11%。随后通过比较不同本征层厚度的p-i-n型SiGe太阳能电池的转换效率并通过仿真得到薄本征层型p-i-nSiGe太阳能电池的转换效率Eff=15.05%，厚本征层型p-i-nSiGe太阳能电池的转换效率Eff=22.71%。最终论证得出p-i-n型SiGe太阳能电池结构比传统Si太阳能电池有更高的转化效率，且至少比后者提高了73.25%且在一定范围内本征层厚度越大其太阳能电池的转换效率越高。由于这里主要对两种太阳能电池结构进行比较，没有对掺杂模型进行详细设定和分析。在未来的研究中如果对不同掺杂模型和物理参数给出详细定义以后可以仔细分析各种参数分别对太阳能电池转换效率的影响。包括非晶型SiGe材料对光子吸收效率的影响。参考文献[1]李明宇，张浩然.典型SiGeHBTs的总剂量辐射效应研究[D].新疆大学,2015.[2]王思远，赵子逸.半导体器件物理.第二版.北京:科学出版社,2009.[3]陈逸飞，刘俊杰.非晶硅锗薄膜太阳能电池制备及其应用研究[D].上海交通大学,2019.[4]孙博宇，周泽楷.非晶硅/非晶硅锗双结薄膜太阳能电池的模拟研究[J].宁夏师范学院学报,2018,39(10):46-49.[5]ShahzadHussain,HarisMehmood,MuhammadKhizar,etal.Designandanalysisofanultra-thincrystallinesiliconheterostructuresolarcellfeaturingSiGeabsorberlayer.2018,12(4):309-314.[6]吴宇轩，徐豪.非晶/微晶相变区硅基薄膜太阳能电池研究进展[J].河北大学学报(自然科学版),2016,36(05):468-473.[7]郑明哲，黄俊熙.非晶硅/非晶硅锗叠层电池器件结构优化与制备工艺研究[J].真空科学与技术学报,2017,37(09):923-927.[8]何宇航，林泽宇.微晶硅锗太阳电池的仿真与优化[D].东北电力大学,2017.[9]郭子瑜，梁俊逸Wong,W.Y.,Norizan,M.N.,Mohamad,I.S.,Jamalullail,N.,&Saad,N.H.(2017).Optimizationofintrinsiclayerthickness,dopantlayerthicknessandconcentrationfora-SiC/a-SiGemultilayersolarcellefficiencyperformanceusingsilvacosoftware.LesUlis:EDPSciences.doi:/10.1051/epjconf/201716201044[10]Benbekhti,F.,&Benmansour,A.(2016).Studyandsimulationofsiliconsolarcells:Technologyevaluationforphotovoltaicapplications:EEA.Electrotehnica,Electronica,Automatica,64(3),35-40.Retrieved[11]谢思远，程宇墨.NumericalOptimizationofTunnel-recombinationJunctionandOpticalAbsorptionPropertiesofa-Si:H/a-SiGe:HDouble-junctionSolarCell[J].JournaloftheChineseCeramicSociety,2015,2(01):1-11.From/scholarly-journals/study-simulation-silicon-solar-cells-technology/docview/1827617827/se-2?accountid=145505[12]韩逸飞，曹俊杰.非晶硅锗薄膜与太阳能电池研究[J].人工晶体学报,2014,43(04):765-770.[13]彭博宇，曾泽楷.渐变带隙氢化非晶硅锗薄膜太阳能电池的优化设计[J].物理学报,2014,63(02):410-418.[14]许轩，蒋子豪GenshiroNakamura,KazuhikoSato,YoshinoriYukimoto,etal.AmorphousSiGe:HforHighPerformanceSolarCells.2014,20(S1)致谢论文的圆满完成，让我心中充满了感激。感谢我的导师，您不仅传授了我知识，更教会了我如何去做研究，如何在学术的道路上探索前行。家人的默默支持和理解，是我能够心无旁骛地投入研究的坚强后盾。同时，我也要感谢我的同学们，与你们的交流和讨论，让我受益匪浅，也让我感受到了学术团队的温暖。在此，我向所有给予我帮助和支持的人表示最诚挚的感谢，愿我们的友谊如学术之光，永远闪耀。附录附录1p-n型Si太阳能电池仿真代码#p-nSisolarcellgoatlasmeshx.ml=0s=2.5x.ml=10s=2.5y.ml=0s=0.1y.ml=0.1s=0.01y.ml=0.2s=0.01y.ml=0.4s=0.01y.ml=0.5s=0.01regionnum=2silicony.min=0.1y.max=0.2name=pregionnum=4silicony.min=0.2y.max=0.4name=nelecnum=1name=anodey.min=0y.max=0.1mat=ITOelecnum=5name=cathodey.min=0.4y.max=0.5mat=Aluminumdopingregion=2uniformp.typeconc=1e19dopingregion=4uniformn.typeconc=1e18beamnum=\1x.origin=5y.origin=-0.5angle=90AM1.5solveinitsaveoutf=solar.strtonyplotsolar.strsolveb1=1logoutf=solar.logsolvevanode=0.0name=anodevstep=0.01vfinal=0.5extractinitinfile="solar.log"extractname=\"Jsc"max(curve(v."anode",i."cathode"))extractname=\"JscmAcm2"$Jsc*1e08*1e03extractname=\"Voc"x.valfromcurve(v."anode",i."cathode")wherey.val=0.0extractname=\"Pm"max(curve(v."anode",(v."anode"*i."cathode")))extractname=\"Vm"x.valfromcurve(v."anode",(v."anode"*i."cathode"))\ wherey.val=$"Pm"extractname="Im"$"Pm"/$"Vm"extractname=\"FF"($"Pm"/($"Jsc"*$"Voc"))*100extractname=\"Opt_int"max(beam."1")extractname=\"Eff"(1e8*$Pm/$Opt_int)*100tonyplotsolar.logquit附录2p-i-n型SiGe太阳能电池仿真代码#p-i-nSiGesolarcellgoatlasmeshx.ml=0s=2.5x.ml=10s=2.5y.ml=0s=0.01y.ml=0.1s=0.005y.ml=0.2s=0.005y.ml=0.4s=0.005y.ml=0.6s=0.005y.ml=0.7s=0.005regionnum=2silicony.min=0.1y.max=0.2name=pregionnum=3sigey.min=0.2y.max=0.4name=iregionnum=4silicony.min=0.4y.max=0.6name=nelecnum=1name=anodey.min=0y.max=0.1mat=ITOelecnum=5name=cathodey.min=0.6y.max=0.7mat=Aluminumdopingregion=2uniformp.typeconc=1e19dopingregion=4uniformn.typeconc=1e18beamnum=\1x.origin=5y.origin=-0.5angle=90AM1.5solveinitsaveoutf=solar.strtonyplotsolar.strsolveb1=1logoutf=solar.logsolvevanode=0.0name=anodevstep=0.01vfinal=0.5extractinitinfile="solar.log"extractname=\"Jsc"max(curve(v."anode",i."cathode"))extractname=\"JscmAcm2"$Jsc*1e08*1e03extractname=\"Voc"x.valfromcurve(v."anode",i."cathode")wherey.val=0.0extractname=\"Pm"max(curve(v."anode",(v."anode"*i."cathode")))extractname=\"Vm"x.valfromcurve(v."anode",(v."anode"*i."cathode"))\ wherey.val=$"Pm"extractname=\"Im"$"Pm"/$"Vm"extractname=\"FF"($"Pm"/($"Jsc"*$"Voc"))*100extractname=\"Opt_int"max(beam."1")extractname=\"Eff"(1e8*$Pm/$Opt_int)*100tonyplotsolar.logquit附录3薄本征层p-i-n型SiGe太阳能电池仿真代码#thin-i-layerp-i-nSiGesolarcellgoatlasmeshx.ml=0s=2.5x.ml=10s=2.5y.ml=0s=0.01y.ml=0.1s=0.005y.ml=0.2s=0.005y.ml=0.3s=0.005y.ml=0.5s=0.005y.ml=0.6s=0.005regionnum=2silicony.min=0.1y.max=0.2name=pregionnum=3sigey.min=0.2y.max=0.3name=iregionnum=4silicony.min=0.3y.max=0.5name=nelecnum=1name=anodey.min=0y.max=0.1mat=ITOelecnum=5name=cathodey.min=0.5y.max=0.6mat=Aluminumdopingregion=2uniformp.typeconc=1e19dopingregion=4uniformn.typeconc=1e18beamnum=\1x.origin=5y.origin=-0.5angle=90AM1.5solveinitsaveoutf=solar.strtonyplotsolar.strsolveb1=1logoutf=sola