卤化钙钛矿太阳能电池的缺陷容忍及缺陷钝化研究进展

缺陷在钙钛矿太阳能电池的快速发展中起着至关重要的作用。缺陷容忍性,即金属卤化钙钛矿的主导缺陷是浅能级缺陷,它们不会成为强非辐射复合中心,这被认为是金属卤化钙钛矿的独特特性,是其具有高光电转换效率的主要原因。然而,要进一步提高金属卤化钙钛矿的光电转换效率,就需要消除一些可作为非辐射复合中心并严重影响器件性能的少量深能级缺陷,包括点缺陷、晶界、表面和界面等。本文综述了缺陷容忍的研究进展,包括软声子模式和极化子效应。此外,还总结了缺陷钝化的策略,包括通过阳离子或阴离子来钝化离子键,以及通过路易斯酸或路易斯碱来钝化配位键等。     

小展弦比调节级三维多目标气动优化设计

大功率汽轮机调节级动叶是典型小展弦比叶片。动叶通道内上下通道涡交汇,流动呈现强烈的三维特性,其设计优化本质上是一个三维优化问题。结合自适应多目标差分进化算法、基于能量法的三维叶片造型方法和RANS方程求解技术,发展了轴流式叶栅三维多目标气动优化设计方法。利用该方法,完成了某典型大功率汽轮机调节级多目标气动优化设计。优化后小展弦比调节级气动性能明显提高,表明该方法具有良好的优化性能和应用前景。     

融合相似性原理的涡轮叶型流场预测方法研究

计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机器学习思路的启发,将相似性原理与深度学习模型相结合,提出了一种泛化能力强的涡轮叶型流场预测新方法.以涡轮叶片表面等熵马赫数分布预测为例,提出采用相似性原理对叶型几何变量和气动参数进行归一化,进而在归一化参数空间构建训练样本集与深度学习预测模型,由此建立统一的流场预测模型,对几何尺寸、边界条件差异较大的叶型气动性能进行评估.在完成模型训练后,对归一化条件下不同工况/不同形状叶型的流场、真实环境下不同工况/不同尺寸叶型的流场以及GE-E³低压涡轮不同截面叶型的流场进行预测,结果表明预测结果的分布曲线与CFD评估结果吻合良好,平均相对误差在1.0%左右,由此验证了所提出的融合相似性原理的流场预测模型的精度与泛化能力.