收藏本站
《东北师范大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于集成学习的光电转化效率预测模型研究

刘云龙  
【摘要】:太阳能光电转化效率(Power Conversion Efficiency,PCE)是评价染料敏化太阳能电池(Dye Sensitized Solar Cell,DSSC)性能的一项至关重要的参数,因此,光电转化效率预测的精度直接影响到太阳能电池的性能。但是由于电池器件结构复杂,很难利用量子化学计算方法直接从分子结构性质准确计算出光电转化效率的计算值。而机器学习方法能有效地绕过复杂的实验过程,直接构造出染料分子结构性质与太阳能电池光电转化效率定量关系。本文结合量子化学方法(Quantum Mechanics,QM)与机器学习方法(Machine Learning,ML)建立量子化学与机器学习校正模型QM/ML模型,结合两者的优势来预测染料敏化太阳能电池光电转化效率。首先,利用量子化学B3LYP方法在STO-3G和6-31G*基组上分别计算出染料分子的物理化学性质;其次,采用3种机器学习方法:支持向量机(Support Vector Machine,SVM)、广义回归神经网络(General Regression Neural Network,GRNN)、分类与回归树(Classification and Regression Tree,CART)构建了集成学习器SVM-GRNN-CART(SGC);最后SGC结合三种特征选择方法增L去R选择算法(Plus-L Minus-R Selection algorithm,+L-R),随机Lasso算法(Randomized Lasso algorithm),遗传算法(Genetic algorithm)建立了集成学习级联回归模型。级联回归模型第一级输出为短路电流(Jsc)、开路电压(Voc)和填充因子(FF),它们作为第二级回归模型的输入来预测光电转化效率PCE。实验结果表明,与单一学习器SVM、GRNN、CART和同质集成学习器随机森林(Random Forest,RF)对比,集成学习器(SGC)级联回归模型在预测能力、拟合优度和模型的稳定性方面有明显优势。尤其在STO-3G基组上,SGC结合+L-R方法来预测PCE得到了最好的预测结果,其中平均绝对误差为0.37(%),均方根误差为0.50(%),决定系数为0.89。研究表明SGC可以更有效地预测有机染料敏化太阳能电池的光电转换效率,尤其在耗时较低的小基组STO-3G下获得较好的预测结果,为预测与设计合成新的染料分子提供了一个有效的工具,从而为实验合成节约了成本。
【学位授予单位】:东北师范大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TM914.4;TP181

【参考文献】
中国期刊全文数据库 前2条
1 王娟,慈林林,姚康泽;特征选择方法综述[J];计算机工程与科学;2005年12期
2 彭佳红,沈岳,张林峰;数据挖掘中的特征选择及其算法研究[J];计算机工程与设计;2005年05期
中国硕士学位论文全文数据库 前1条
1 仲籽彦;预测有机染料敏化太阳能电池光电转化效率的级联模型[D];东北师范大学;2015年
【共引文献】
中国期刊全文数据库 前10条
1 熊伟;徐永力;姚力波;崔亚奇;;基于SVM的高分辨率SAR图像舰船目标检测算法[J];遥感技术与应用;2018年01期
2 张坤华;丁立新;万润泽;;基于相关性密度的多变量时间序列属性选择[J];计算机应用与软件;2017年12期
3 许艳华;;基于Logistic的肿瘤基因表达的预测[J];电脑知识与技术;2017年23期
4 赵海峰;高天驰;;基于ANOVA的特征选择方法及其在齿轮箱故障诊断中的应用[J];内燃机与配件;2017年06期
5 许元斌;李国辉;郭昆;郭松荣;林炜;;基于改进的并行K-Means算法的电力负荷聚类研究[J];计算机工程与应用;2017年17期
6 胡殿刚;李韶瑜;楼俏;王琼;程淼海;王国军;李国辉;;ELM算法在用户用电行为分析中的应用[J];计算机系统应用;2016年08期
7 胡洋;李波;;基于Fisher准则和多类相关矩阵分析的肿瘤基因特征选择方法[J];计算机应用与软件;2016年07期
8 杨帅;宋汝良;;面向知识扩充的实体关系挖掘[J];电脑知识与技术;2016年01期
9 杨立东;谷宇;张明;;语音信号特征选择优化提取仿真研究[J];计算机仿真;2016年02期
10 吕子敬;韩顺利;张志辉;刘磊;;一种动态赋权红外光谱特征选择算法研究[J];红外;2016年01期
中国硕士学位论文全文数据库 前2条
1 刘云龙;基于集成学习的光电转化效率预测模型研究[D];东北师范大学;2018年
2 石玥;基于集成学习的分子吸收能含时密度泛函计算校正模型研究[D];东北师范大学;2018年
【二级参考文献】
中国期刊全文数据库 前3条
1 赵小杰,种劲松,王宏琦;合成孔径雷达图像的特征选择[J];遥感技术与应用;2001年03期
2 谭湘莹,于秀兰,钱国蕙;一种大小窗口结合的SAR图像纹理特征分类方法[J];系统工程与电子技术;2000年04期
3 钱忠良,王文军;不变矩目标特征描述误差分析和基于上层建筑不变矩的舰船识别[J];电子测量与仪器学报;1994年03期
【相似文献】
中国期刊全文数据库 前10条
1 刘霞;;光电转化 可在50飞秒内完成[J];青海科技;2016年03期
2 ;国产染料敏化太阳能电池光电转化率超过10%,接近世界最高水平[J];今日电子;2008年06期
3 ;华东师大染料敏化太阳能电池获得高光电转化效率[J];光机电信息;2008年05期
4 李甫;徐建梅;张德;;有机太阳能电池研究现状与进展[J];能源与环境;2007年04期
5 ;[J];;年期
6 刘圣君;丰海;;随机性对光伏发电光电转化率的影响[J];赤峰学院学报(自然科学版);2012年23期
7 ;光电转化可在50飞秒内完成 石墨烯将此速度推至极限有助多领域发展[J];电子元件与材料;2015年05期
8 李襄宏;唐定国;;基于1,10-邻菲罗啉衍生物的两亲性钌配合物的合成及其光电转化性质[J];中南民族大学学报(自然科学版);2009年03期
9 李勇;;染料敏化太阳能电池光阳极研究现状[J];河南科技;2016年15期
10 冯乙巳,王新龙,文威;纳米二氧化钛光催化反应和光电转化反应研究进展[J];精细石油化工进展;2002年01期
中国重要会议论文全文数据库 前10条
1 姜军;顾锋;邵玮;李春忠;;介孔TiO_2的制备及其光电转化性能研究[A];颗粒学前沿问题研讨会——暨第九届全国颗粒制备与处理研讨会论文集[C];2009年
2 赵钰雪;徐庆红;杨文胜;;单晶硅表面的有机化合物修饰及组装电极的光电转化效应[A];中国化学会第二十五届学术年会论文摘要集(上册)[C];2006年
3 万群;国霞;王在禹;李万宾;郭冰;马伟;张茂杰;李永舫;;PTB7-Th:PC_(71)BM体系经二元添加剂处理获得10.8%光电转化效率[A];中国化学会第30届学术年会摘要集-第二十二分会:有机光伏的机遇和挑战[C];2016年
4 霍利军;刘涛;孙晓波;孙艳明;;高性能聚合物光伏材料的策略性合成[A];2015年全国高分子学术论文报告会论文摘要集——主题G 光电功能高分子[C];2015年
5 仲籽彦;高蕊;李琳;崔锦霞;胡丽红;;有机染料分子的光电转化效率预测的高效级联模型[A];中国化学会第十二届全国量子化学会议论文摘要集[C];2014年
6 陈洪渊;;光电化学生物传感器的研究与应用[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年
7 周心玉;陈子辉;张智;牛丽红;Yong Sung Park;张复实;;酞菁J聚自组装的研究进展[A];2008非银盐影像技术及材料发展与应用学术研讨会论文集[C];2008年
8 夏经铠;钱森;王文文;宁哲;程雅苹;王贻芳;衡月昆;祁鸣;王铮;李小男;刘术林;;光电转化器件光阴极量子效率测量研究[A];第十七届全国核电子学与核探测技术学术年会论文集[C];2014年
9 赵钰雪;徐庆红;李峰;杨文胜;;铁氧体嫁接的n型单晶硅电极的制备及光电转化性质研究[A];中国化学会第二十五届学术年会论文摘要集(上册)[C];2006年
10 白会涛;王逸凡;程沛;李永舫;朱道本;占肖卫;;基于IDT小分子光伏材料的合成与应用[A];中国化学会第29届学术年会摘要集——第25分会:有机光伏[C];2014年
中国重要报纸全文数据库 前10条
1 李忠东;聚光型太阳能模块创新光电转化率纪录[N];中国建材报;2012年
2 段同刚 田思;晶澳多晶硅电池光电转化率达17.8%[N];河北日报;2013年
3 记者 刘霞;光电转化可在50飞秒内完成[N];科技日报;2015年
4 刘硕;SAVOSIL石英玻璃光电转化率高[N];中国化工报;2011年
5 本报记者 于南;新技术有望突破光电转化率瓶颈 单晶硅光伏电池获PERC支撑[N];证券日报;2014年
6 记者  张良;成功只需提高1%[N];绍兴日报;2006年
7 常丽君;薄膜太阳能电池光电转化率创新高[N];科技日报;2013年
8 本报记者 于南;绿色产业获央行“39号文”力挺 光伏发电等清洁能源迎政策性利好[N];证券日报;2015年
9 于南;绿色产业获央行力挺 新能源发展再迎政策利好[N];中国高新技术产业导报;2015年
10 本报记者 刘旭;金融机构将支持清洁能源发展[N];国际商报;2015年
中国博士学位论文全文数据库 前10条
1 沈文飞;聚合物太阳能电池的纳米金属杂化及光电转化效率研究[D];青岛大学;2017年
2 李襄宏;吡啶类功能配合物的合成及其光电性质研究[D];复旦大学;2006年
3 宋健;染料敏化太阳能电池高性能非铂对电极的构筑[D];南开大学;2014年
4 柴娜娜;面向能量存储和光电转化应用的复合碳纳米材料[D];兰州大学;2015年
5 王志辉;基于二噻吩吡咯共轭桥连的敏化染料构建及其光伏性能研究[D];天津大学;2014年
6 窦衍叶;染料敏化太阳能电池磷化物/碳对电极材料的研究[D];南开大学;2012年
7 晏佳莹;β-并环卟啉,N-混杂卟啉,双N-混杂卟啉的合成及光化学性质的研究[D];天津大学;2015年
8 刘泉;D-π-A型有机光敏染料的合成和性质研究[D];南京大学;2011年
9 王红霞;先进功能二维材料的制备、表征及其在能源转化方面的应用[D];北京化工大学;2016年
10 龚根飞;噻吩类准三维结构光电材料的合成及性能研究[D];华中科技大学;2016年
中国硕士学位论文全文数据库 前10条
1 刘云龙;基于集成学习的光电转化效率预测模型研究[D];东北师范大学;2018年
2 刘秋红;特殊形貌纳米二氧化钛的光电转化及光催化性能[D];青岛科技大学;2017年
3 仲籽彦;预测有机染料敏化太阳能电池光电转化效率的级联模型[D];东北师范大学;2015年
4 周兴;染料敏化太阳能电池光阳极的改性[D];北京化工大学;2013年
5 尚卫正;染料敏化太阳能电池TiO_2光阳极的制备与性能研究[D];天津大学;2013年
6 黄家琦;基于机器学习的太阳能电池光电转化效率预侧模型研究及系统实现[D];东北师范大学;2016年
7 王德龙;染料敏化太阳能电池炭对电极的研究[D];山东理工大学;2013年
8 董飞燕;二硫化钼复合物制备及其在染料敏化太阳能电池中应用[D];西安科技大学;2017年
9 周杰;宽光谱有机染料的合成及应用[D];长春理工大学;2011年
10 张季;染料敏化太阳能电池的性能研究[D];天津大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026