超薄多晶硅的掺杂、钝化及光伏特性研究

来源 :人工晶体学报 | 被引量 : 0次 | 上传用户:ggg_0907
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文对70 nm超薄多晶硅的掺杂工艺、钝化性能及光伏特性进行了研究.确定了70 nm超薄多晶硅的掺杂工艺,研究表明当离子注入剂量为3.2×1015 cm-3,在855℃退火20 min时,70 nm超薄多晶硅的钝化性能可以达到与常规120 nm多晶硅相当的水平,且70 nm多晶硅的表面掺杂浓度达到5.6×1020 atoms/cm3,远高于120 nm掺杂多晶硅的表面掺杂浓度(2.5×1020 atoms/cm3).基于70 nm超薄多晶硅厚度减薄和高表面浓度掺杂的特点,较低的寄生吸收和强场钝化效应使得在大尺寸(6英寸)直拉单晶硅片上加工的N型TOPCon太阳能电池的光电转换效率得到明显提升,主要电性能参数表现为:电流Isc升高20 mA,串联电阻Rs降低,填充因子FF增加0.3%,光电转换效率升高0.13%.
其他文献
目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题.为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法.以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时序序列的特征向量,再利用GRU网络进行训练,最后输出测井曲线预测值.该方法综合了卷积神经网络局部特性感知和门控循环单元网络长期记忆的特性,考虑了测井曲线的深度趋势和局部形状,具有较高的预测精