Deep level transient spectroscopy investigation of deep levels in CdS/CdTe thin film solar cells with Te:Cu back contact

Deep levels in Cds/CdTe thin film solar cells have a potent influence on the electrical property of these devices. As an essential layer in the solar cell device structure, back contact is believed to induce some deep defects in the CdTe thin film. With the help of deep level transient spectroscopy (DLTS), we study the deep levels in CdS/CdTe thin film solar cells with Te:Cu back contact. One hole trap and one electron trap are observed. The hole trap H1, localized at E_v+0.128~eV, originates from the vacancy of Cd (V_Cd. The electron trap E1, found at E_c-0.178~eV, is considered to be correlated with the interstitial Cu_i⁼ in CdTe.     

热流计校准装置自适应温度控制方法研究

以热流计校准装置为研究对象,建立了热板温度仿真模型。根据模糊控制原理和BP神经网络原理,分别设计了模糊PID控制器和BP神经网络PID控制器,并在Matlab的Simulink下进行了不同控制方法的仿真对比实验。仿真结果表明:模糊PID有更快的响应速度、更短的稳定时间,BP神经网络PID有更小的超调量。     

铜铟镓硒太阳能电池多层膜的结构分析

对于溅射后硒化和共蒸发等方法制备的铜铟镓硒（CIGS）太阳能电池薄膜,利用多种分析方法研究了CIGS多层膜的复杂结构等．研究表明：卢瑟福背散射（RBS）在分析CIGS多层膜方面具有其独特优势和可靠的结果;溅射后硒化方法制备的CIGS薄膜中,Ga和In在CIGS薄膜中呈梯度分布,这种Ga表层少而内层多的不均匀分布与Mo层没有必然关系;RBS和俄歇电子能谱分析（AES）均显示CIGS太阳能电池器件多层膜界面处存在扩散,尤其是CdS与CIGS,Mo与CIGS的界面处;X射线荧光（XRF）结果表明,电池效率最高的CIGS层中In,Ga比例为In：Ga=0．7：0.3;X射线衍射（XRD）结果显示：退火后的CIGS／Mo薄膜结晶品质得到了优化．     

基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

供应链金融视角下的小微企业信用风险评价

近年来,随着小微企业融资难的问题日益凸显,供应链金融作为新的融资渠道,正受到越来越多的重视,科学、准确的风险评价对控制供应链金融中的信贷风险至关重要。通过建立和完善小微企业信用风险评价指标体系,采用BP神经网络模型为小微企业信用风险评价开辟新途径。BP神经网络是一种智能算法,它具有自我学习和自适应的特点。通过实例,分析和检测了该BP神经网络模型,结果令人满意。证明该模型确实可行,能够应用于供应链中各小微企业的信用风险评价。     

基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。     

Simulation analysis of the effects of a back surface field on a p-a-Si:H/n-c-Si/n+-a-Si:H heterojunction solar cell

In order to investigate the effects of a back surface field（BSF） on the performance of a p-doped amorphous silicon（p-a-Si：H）/n-doped crystalline silicon（n-c-Si） solar cell,a heterojunction solar cell with a p-a-Si：H/n-c-Si/n^＋-a-Si：H structure was designed.An n^＋-a-Si：H film was deposited on the back of an n-c-Si wafer as the BSF.The photovoltaic performance of p-a-Si：H/n-c-Si/n^＋-a-Si：H solar cells were simulated.It was shown that the BSF of the p-a-Si：H/n-c-Si/n^＋-a-Si：H solar cells could effectively inhibit the decrease of the cell performance caused by interface states.     

雪崩击穿条件下4.5kV IGBT器件的背面优化研究

The static avalanche breakdown behavior of 4.5 kV high-voltage IGBT is studied by theory analysis and experiment. The avalanche breakdown behaviors of the 4.5 kV IGBTs with different backside structures are investigated and compared by using the curve tracer. The results show that the snap back behavior of the breakdown waveform is related to the bipolar PNP gain, which leads to the deterioration of the breakdown voltage. There are two ways to optimize the backside structure, one is increasing the implant dose of the N C buffer layer, the other is decreasing the implant dose of the P C collector layer. It is found that the optimized structure is effective in suppressing the snap back behavior and improving the breakdown characteristic of high voltage IGBT.     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。