【摘 要】
：
针对高温硒化过程中铜锌锡硫硒(CZTSSe)太阳能电池背界面不稳定问题,提出在柔性Mo衬底上蒸镀MoO3薄层,阻隔CZTSSe吸收层与Mo的直接接触,抑制背界面处CZTSSe吸收层与Mo发生分解反应.材料表征及性能测试表明,MoO3修饰能促进背界面处CZTSSe吸收层的生长,提高CZTSSe吸收层的结晶质量,实现了CZTSSe吸收层由双层结构向“三明治”结构的转变.实验证明,加入10 nm的MoO3薄层,开路电压与短路电流有大幅提升,能得到最佳的器件效率,效率从6.62％提升到7.41％.
【机 构】
：
福州大学物理与信息工程学院,福建 福州 350108
论文部分内容阅读
针对高温硒化过程中铜锌锡硫硒(CZTSSe)太阳能电池背界面不稳定问题,提出在柔性Mo衬底上蒸镀MoO3薄层,阻隔CZTSSe吸收层与Mo的直接接触,抑制背界面处CZTSSe吸收层与Mo发生分解反应.材料表征及性能测试表明,MoO3修饰能促进背界面处CZTSSe吸收层的生长,提高CZTSSe吸收层的结晶质量,实现了CZTSSe吸收层由双层结构向“三明治”结构的转变.实验证明,加入10 nm的MoO3薄层,开路电压与短路电流有大幅提升,能得到最佳的器件效率,效率从6.62％提升到7.41％.
其他文献
设备小,电池得更小rn智能手机至 今又过了大约10年的时间了,新一代的电子计算设备会是什么?rn目前来看,新一代的电子计算设备很可能是“尘埃计算机”,也被称为“智能微尘”.“尘埃计算机”或“智能微尘”,顾名思义,就是大小跟尘埃差不多的计算设备,即体积只有几立方毫米.
同学们一定都尝过醋吧?好酸啊!你们是否发现生活中还有很多水果也是酸的?例如橘子、柠檬等.醋、橘子、柠檬这样的物质是酸性的.你们也有过洗澡时不小心把肥皂泡溅到嘴里的经历吧?什么感觉?好涩啊!你们是否尝过未熟透的柿子?也是这种涩涩的感觉.这样的物质是碱性的.
一晃,冬天过去了,气温一天天上升,春光灿烂起来,人们脱去厚重的衣服,换上了绚丽的春装,走进春天.春天真的是一个极其妩媚的季节,不冷亦不热,草木欣欣向荣,小鸟的叫声也清脆悦耳.
中国古典文学名著《红楼梦》,是一部具有极高文学艺术价值的优秀作品.曹雪芹运用现实主义笔触客观真实地反映生活的本来面貌,同时他又用浓重的浪漫主义色彩来渲染全篇,烘托出奇异虚幻的氛围,可谓是现实与浪漫双管齐下、紧密结合.《红楼梦》的现实主义和浪漫主义完美结合的艺术风貌,产生出亦真亦幻、虚实相生的魅力,不愧为中国文坛上现实与浪漫完美结合的奇葩!
恩施本土作家徐晓华在《那条叫清江的河》中构建了一个既封闭又充满神奇魅力的鄂西小乡村,在这部作品中,“清江河”是其反复出现的一个重要意象.从“清江河”这一中心意象出发,阐释了徐晓华是如何以“清江河”意象为中心来构建他的乡村民族文学.
就着暮光,赏雪、喝茶.覆盖了整个世界的雪让世界安静下来,这样的冬夜挣脱了黑暗的征服,雪自带的光芒在夜色里更显清幽、莹白.一些冬日旧事推开记忆的重门,在茶色和雪色之间清晰起来.
采用微管纸喷雾质谱法快速筛查了血液中的敌草快、百草枯、草甘膦、草铵膦和氯化琥珀胆碱5种强极性毒物.全血样品用9倍样品体积的甲醇提取,静置后取上清液直接上样,使用多反应监测扫描模式,每个化合物测定两个离子进行定性和定量分析.5种极性物质可在1 min内完成检测.该方法对5种极性毒物的检出限分别为敌草快0.05 mg/L,百草枯0.5 mg/L,草甘膦25 mg/L,草铵膦25 mg/L,氯化琥珀胆碱0.05 mg/L.敌草快和氯化琥珀胆碱的线性范围为0.005～0.5 mg/L,百草枯的线性范围为0.05～
有机太阳能电池的异质结界面是影响其性能的一个重要因素.以氧化锌/碳酸铯作为双电子传输层,改善电子传输层与活性层的界面接触并提高电子传输能力.利用溶胶-凝胶法制备OSCs器件,通过优化的双电子传输层,使基于PTB7-Th:PC71 BM的OSCs器件的最高效率达到了8.08％,其相较于ZnO电子传输层器件提高了10.68％.实验表明,由于ZnO/Cs2 CO3 ETLs具有最佳的表面形貌和光吸收,其填充因子、短路电流密度和电子迁移率都显著提升.这种ZnO/Cs2 CO3双电子传输层为OSCs性能改善提供了新
跟随着川端康成凄美空灵的笔触,我仿佛也和故事主人公岛村一同乘着一趟列车,穿过某个长长的隧道,抵达雪国,看到夜空下白茫茫的雪地上曾伫立过的不灭的美.《雪国》写的是东京一位名叫岛村的舞蹈艺术研究家,三次前往雪国的温泉旅馆,与当地一位名叫驹子的艺妓、一位萍水相逢的少女叶子之间的故事.虚无是岛村人生观的根底,“徒劳”是他对一切行为的定义.故事的开头已可见岛村对世间的虚幻如痴如醉——他看叶子,看得是窗玻璃上半透明的映像,是漂浮在流逝暮景之中的她.在他看来,“在窗玻璃上流动的景色一消失,镜子也就完全失去了吸引力”,叶
锂离子电池的剩余使用寿命预测是电池管理系统的重要组成部分.为解决锂离子电池剩余使用寿命预测不准确的问题,提出一种基于门控循环单元和马尔科夫链的锂离子电池剩余使用寿命预测方法.首先,对数据进行数据清洗和数据规范,选择构建特征矩阵;然后,搭建基于门控循环单元网络的预测模型,并运用马尔科夫链算法对预测模型的初步结果进行误差修正,得到最终的预测结果.最后在多个公共数据集上验证该方法的性能,并与卷积神经网络、长短期记忆网络等多种算法进行对比.结果表明,该方法在锂离子电池的剩余使用寿命预测方面表现出优异的性能.