南开大学Nat. Commun：基于大数据的钙钛矿太阳能电池稳定性分析

南开大学Nat. Commun：基于大数据的钙钛矿太阳能电池稳定性分析

LWB

01、导读

得益于钙钛矿太阳能电池（PSC）在光电转换效率（PCE）方面的显著进步，它已经掀起了一股新的技术热潮，成为了太阳能转换领域的新兴设备。但钙钛矿太阳能电池的稳定性问题阻碍了其商业化应用，这主要是因为钙钛矿层以及电荷传输层往往会受到湿度、热量和光照等因素的影响发生许多不良降解。目前，钙钛矿太阳能电池的稳定性提升策略仍来自于单一实验经验，虽然取得了一定成功，但该领域还是缺乏基于大数据的宏观统计结论，这使得难以直接对已经发表的历史数据进行比较和研究。

02、成果掠影

在此，南开大学电子信息与光学工程学院光电子薄膜器件与技术研究所罗景山教授团队对开放数据库Perovskite Database中超过7000组钙钛矿太阳能电池稳定性数据进行了统计分析，探究了不同钙钛矿组分、器件结构对器件稳定性的影响。基于此，他们提出了一个统一指标T_S80m来描述钙钛矿太阳能电池的稳定性，该指标使不同环境测试条件下的稳定性结果标准化，从而能够直接比较不同的稳定性结果。这为实现更稳定的钙钛矿太阳能电池提供了重要见解，为钙钛矿太阳能电池领域的未来研究方向提供了合理建议。

相关研究成果以“Big data driven perovskite solar cell stability analysis”为题发表在Nature Communications上。

03、核心创新点

1、该研究提出了统一的稳定性描述指标T_S80m，可以将不同测试条件下和不同方式记录的钙钛矿太阳能电池稳定性数据归一化到同一标准。

2、依据该指标对Perovskite Database中的7419组稳定性数据进行归一化后，进行了数据可视化和统计学分析，得出了不同钙钛矿组分和器件结构对稳定性影响的统计学规律。

04、数据概览

图1 钙钛矿太阳能电池稳定性试验图 © 2022 The Author(s)

（a）钙钛矿太阳能电池的一般器件结构；

（b）数据库记录的稳定性数据使用的测试标准的分布；

（c）钙钛矿太阳能电池的两种典型的效率衰减曲线；

图2 数据集的概述 © 2022 The Author(s)

（a）完整数据集长达80000小时的T_S80m值直方图；

（b）正态概率图，即实验累积分布与理想正态分布数据的描述；

（c,d）Log(T_S80m)值的相应数据；

图3 设备稳定性与容忍因子之间的关系 © 2022 The Author(s)

（a）数据库记录的器件数量与容忍因子和文章发表日期相关的热图；

（b）数据库记录的器件最优稳定性（以T_S80m值计）与容忍因子和文章发表日期相关的热图；

（c）不同容忍因子范围内器件T_S80m值的核密度估计图；

（d）三个不同容忍因子区域的T_A/T_B比值(表示相对稳定水平)柱状图，其中中等容忍因子的比值设置为1；

图4 器件稳定性与不同功能层之间的关系 © 2022 The Author(s)

（a）未封装器件的对数（T_S80m）值的核密度估计和T_A/T_B比率柱状图；

（b）不同的钙钛矿吸收剂（3D，即三维钙钛矿；2D，即二维钙钛矿；3D/2D，即具有二维钙钛矿覆盖层的三维钙钛矿），其中三维器件的比率设置为1；

（c,d）不同的空穴传输层(HTLs)和电极，其中掺杂有机HTLs器件的比率设置为1；

（e,f）不同的电子传递层(ETLs)，其中TiO₂致密层器件的比率设置为1；

图5 器件稳定性与不同器件结构之间的关系 © 2022 The Author(s)

（a）Log(T_S80m)值的核密度估计和T_A/T_B比值的柱状图；

（b）N-i-p和P-i-n结构设备，其中P-i-n设备的比率设置为1；

（c,d）具有和不具有封装的设备，其中未封装设备的比率设置为1；

05、成果启示

综上所述，该工作为基于大型开放历史数据库的钙钛矿太阳能电池稳定性评价应用统计方法提供了一个可行的实例，并为今后的数据挖掘项目提供了参考。最重要的是开发了更准确的数据模型来描述不同测试条件下的钙钛矿太阳能电池设备稳定性，有了该模型，就可以建立相应的稳定性指标，进行更可靠的统计分析，建立更精细的钙钛矿领域稳定性试验标准。

文献链接：Big data driven perovskite solar cell stability analysis，2022，https://doi.org/10.1038/s41467-022-35400-4）

本文由LWB供稿。