NCBiR ZnOS+Ai
Das Projekt mit dem Titel „ Technologie Technologia magnetronowego nanoszenia bezkadmowych warstw buforowych z systemem optymalizacji produkcji modułów CIGSe o podwyższonej sprawności “ hat zum Ziel, eine Technologie zur Herstellung von Dünnschicht-CIGSe-Photovoltaikmodulen ohne Verwendung von giftigem Cadmium zu entwickeln und gleichzeitig die Effizienz der Solarenergieumwandlung und die Effizienz des Produktionsprozesses zu steigern.
Aufgaben von Roltec im Rahmen des Projekts:
Im Rahmen der Zusammenarbeit des Konsortiums mit der Technischen Universität Warschau, deren Projektleitung Roltec innehat, werden Forschungs- und Entwicklungsarbeiten an einer cadmiumfreien bezkadmowej technologii wytwarzania von Dünnschicht-CIGSe-Photovoltaikmodulen mit verbessertem CIGSe o podwyższonej sprawnościumfasst die Entwicklung und Optimierung opracowanie i optymalizację procesu nanoszenia warstw buforowych na Zink-Schwefel-Verbindungen (Zn(O,S) und anderen II-VI-Halbleitern), die Entwicklung vonDiagnosemethoden und physikalischen Zellmodellen sowie die Entwicklung von Systemen zur Optimierung von Prozessparametern mittels maschinellen Lernens. Die Technologie wird anschließend vom Labormaßstab auf großformatige CIGSe-Module skaliert und unter industrienahen Bedingungen verifiziert.
Das Projekt in Zahlen:
Zielgruppen:
Die Projektergebnisse richten sich primär an Verbraucher und Anwender von Photovoltaik-Technologien, insbesondere an diejenigen, die hocheffiziente und umweltfreundlichere PV-Module suchen. Zu den potenziellen Anwendungsbereichen zählen Gewerbe- und Industriebauten, gebäudeintegrierte Photovoltaik (BIPV) und gebäudeintegrierte Photovoltaik (BAPV), Dächer mit begrenzter Tragfähigkeit sowie unkonventionelle Oberflächen.
Auswirkungen und Ergebnisse des Projekts:
Das Hauptergebnis des Projekts wird die Entwicklung eines cadmiumfreien CIGSe-Dünnschicht-Photovoltaikmoduls mit einem Wirkungsgrad von über 16 % sowie der zugehörigen Fertigungstechnologie sein. Darüber hinaus wird im Rahmen des Projekts ein System zur Überwachung und Optimierung des Produktionsprozesses mithilfe von Methoden des maschinellen Lernens entwickelt. Dies wird die Qualität, Reproduzierbarkeit und Effizienz der Produktion großformatiger PV-Module verbessern.
