研究目的
为了在不合成试染料的情况下,在计算机上准确预测其产生的器件参数,从而加快染料敏化太阳能电池(DSSCs)的设计进程。
研究成果
仅利用DFT和TD-DFT计算结果预测光伏器件关键性能参数(短路电流密度JSC、开路电压VOC、最大功率Pmax)的模型,在准确性和一致性方面较以往方法有显著提升。预测光电转换效率(PCE)值的最大绝对误差仅为实验值的0.36%,最大相对误差为0.042。该方法极具潜力可推广至其他光伏应用领域,助力设计新型高效光活性材料。
研究不足
该模型未考虑已知会影响染料敏化太阳能电池(DSSC)性能的更大尺度因素,例如染料间相互作用与聚集效应、二氧化钛陷阱态分布,以及从二氧化钛到电解质的电荷泄漏。
1:实验设计与方法选择:
该方法采用密度泛函理论(DFT)和含时密度泛函理论(TD-DFT)计算,在不依赖实验数据的情况下预测光伏器件的关键性能参数(短路电流密度JSC、开路电压VOC、光电转换效率PCE)。
2:样本选择与数据来源:
选取了六种来自不同化学类别的有机染料敏化太阳能电池(DSSC)染料(L0、L1、L2、WS-2、WS-92和C281)进行测试。
3:LLWS-WS-92和C281)进行测试。
实验设备与材料清单:
3. 实验设备与材料清单:计算工具包括用于DFT和TD-DFT计算的Gaussian 09软件,以及用于结构优化的维也纳从头算模拟包(VASP)。
4:实验流程与操作步骤:
工作流程包括对真空环境和吸附于TiO?表面的染料进行DFT几何优化,通过TD-DFT计算预测吸收光谱,并计算最高占据分子轨道(HOMO)、最低未占分子轨道(LUMO)能量及分波态密度(PDOS)。
5:数据分析方法:
短路电流密度JSC、开路电压VOC和最大功率Pmax的模型基于电子结构计算获得的能级,并引入修正因子以考虑电子损失。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容