Enhanced external radiative efficiency for 20.8 efficient single-junction GaInP solar cells

We demonstrate 1.81 eV GaInP solar cells approaching the Shockley-Queisser limit with 20.8% solar conversion efficiency, 8% external radiative efficiency, and 80–90% internal radiative efficiency at one-sun AM1.5 global conditions. Optically enhanced voltage through photon recycling that improves light extraction was achieved using a back metal reflector. This optical enhancement was realized at one-sun currents when the non-radiative Sah-Noyce-Shockley junction recombination current was reduced by placing the junction at the back of the cell in a higher band gap AlGaInP layer. Electroluminescence and dark current-voltage measurements show the separate effects of optical management and non-radiative dark current reduction.

Stacked GaAs(Sb)(N)-capped InAs/GaAs quantum dots for enhanced solar cell efficiency

Different approaches have arisen aiming to exceed the Shockley-Queisser efficiency limit of solar cells. Particularly, stacking QD layers allows exploiting their unique properties, not only for intermediate-band solar cells or multiple exciton generation, but also for tandem cells in which the tunability of QD properties through the capping layer (CL) could be very useful.

Stacked GaAsSbN-capped InAs/GaAs quantum dots for enhanced solar cell efficiency

Different approaches have recently arisen aiming to exceed the Shockley-Queisser efficiency limit. Particularly, the use of self-organized quantum dots (QD) has been recently proposed in order to introduce new states within the barrier material, which enhances the subband gap absorption yielding a photocurrent increase. Stacking QD layers allows exploiting their unique properties for intermediate-band solar cells (SC) or tandem cells.In all these cases, tuning the QD properties by modifying the capping layer (CL) can be very useful.

Enhanced iron gettering by short, optimized low-temperature annealing after phosphorus emitter diffusion for industrial silicon solar cell processing

The introduction of a low-temperature (LT) tail after P emitter diffusion was shown to lead to considerable improvements in electron lifetime and solar cell performance by different researchers. So far, the drawback of the investigated extended gettering treatments has been the lack of knowledge about optimum annealing times and temperatures and the important increase in processing time. In this manuscript, we calculate optimum annealing temperatures of Fe-contaminated Si wafers for different annealing durations. Subsequently, it is shown theoretically and experimentally that a relatively short LT tail of 15 min can lead to a significant reduction of interstitial Fe and an increase in electron lifetime. Finally, we calculate the potential improvement of solar cell efficiency when such a short-tail extended P diffusion gettering is included in an industrial fabrication process.

Performance of UV-enhanced PMMA fresnel lenses and impact on LCOE

Tiny increases in the transmittance of optical materials within a CPV module can have an important impact on the economy of a plant. This is certainly true in systems comprising multi-junction solar cells, whose high performance, based on a balanced photocurrent generation among the series-connected junctions, is very sensitive to spectrum variations. Every efficiency point gained causes not only an increase in the kilowatts hour produced, but a higher benefit on it, since the difference between electricity tariff and Levelized Cost of Electricity (LCOE) rises. This work studies the impact on the LCOE of a plant based on modules comprising PMMA lenses of two different types, standard UV blocking grade which is normally used for outdoor applications at high DNI climate and a specialty stabilized UV-enhanced transmittance acrylic (see Figure 1). Energy production will be compared for these two systems throughout the year at different sites to analyze when (season, time of the day) and where the usage of the enhanced PMMA is justified.

Utilizing the Internet of Things to promote energy awareness and efficiency at discrete production processes: Practices and methodology

El actual contexto de fabricación, con incrementos en los precios de la energía, una creciente preocupación medioambiental y cambios continuos en los comportamientos de los consumidores, fomenta que los responsables prioricen la fabricación respetuosa con el medioambiente. El paradigma del Internet de las Cosas (IoT) promete incrementar la visibilidad y la atención prestada al consumo de energía gracias tanto a sensores como a medidores inteligentes en los niveles de máquina y de línea de producción. En consecuencia es posible y sencillo obtener datos de consumo de energía en tiempo real proveniente de los procesos de fabricación, pero además es posible analizarlos para incrementar su importancia en la toma de decisiones. Esta tesis pretende investigar cómo utilizar la adopción del Internet de las Cosas en el nivel de planta de producción, en procesos discretos, para incrementar la capacidad de uso de la información proveniente tanto de la energía como de la eficiencia energética. Para alcanzar este objetivo general, la investigación se ha dividido en cuatro sub-objetivos y la misma se ha desarrollado a lo largo de cuatro fases principales (en adelante estudios). El primer estudio de esta tesis, que se apoya sobre una revisión bibliográfica comprehensiva y sobre las aportaciones de expertos, define prácticas de gestión de la producción que son energéticamente eficientes y que se apoyan de un modo preeminente en la tecnología IoT. Este primer estudio también detalla los beneficios esperables al adoptar estas prácticas de gestión. Además, propugna un marco de referencia para permitir la integración de los datos que sobre el consumo energético se obtienen en el marco de las plataformas y sistemas de información de la compañía. Esto se lleva a cabo con el objetivo último de remarcar cómo estos datos pueden ser utilizados para apalancar decisiones en los niveles de procesos tanto tácticos como operativos. Segundo, considerando los precios de la energía como variables en el mercado intradiario y la disponibilidad de información detallada sobre el estado de las máquinas desde el punto de vista de consumo energético, el segundo estudio propone un modelo matemático para minimizar los costes del consumo de energía para la programación de asignaciones de una única máquina que deba atender a varios procesos de producción. Este modelo permite la toma de decisiones en el nivel de máquina para determinar los instantes de lanzamiento de cada trabajo de producción, los tiempos muertos, cuándo la máquina debe ser puesta en un estado de apagada, el momento adecuado para rearrancar, y para pararse, etc. Así, este modelo habilita al responsable de producción de implementar el esquema de producción menos costoso para cada turno de producción. En el tercer estudio esta investigación proporciona una metodología para ayudar a los responsables a implementar IoT en el nivel de los sistemas productivos. Se incluye un análisis del estado en que se encuentran los sistemas de gestión de energía y de producción en la factoría, así como también se proporcionan recomendaciones sobre procedimientos para implementar IoT para capturar y analizar los datos de consumo. Esta metodología ha sido validada en un estudio piloto, donde algunos indicadores clave de rendimiento (KPIs) han sido empleados para determinar la eficiencia energética. En el cuarto estudio el objetivo es introducir una vía para obtener visibilidad y relevancia a diferentes niveles de la energía consumida en los procesos de producción. El método propuesto permite que las factorías con procesos de producción discretos puedan determinar la energía consumida, el CO2 emitido o el coste de la energía consumida ya sea en cualquiera de los niveles: operación, producto o la orden de fabricación completa, siempre considerando las diferentes fuentes de energía y las fluctuaciones en los precios de la misma. Los resultados muestran que decisiones y prácticas de gestión para conseguir sistemas de producción energéticamente eficientes son posibles en virtud del Internet de las Cosas. También, con los resultados de esta tesis los responsables de la gestión energética en las compañías pueden plantearse una aproximación a la utilización del IoT desde un punto de vista de la obtención de beneficios, abordando aquellas prácticas de gestión energética que se encuentran más próximas al nivel de madurez de la factoría, a sus objetivos, al tipo de producción que desarrolla, etc. Así mismo esta tesis muestra que es posible obtener reducciones significativas de coste simplemente evitando los períodos de pico diario en el precio de la misma. Además la tesis permite identificar cómo el nivel de monitorización del consumo energético (es decir al nivel de máquina), el intervalo temporal, y el nivel del análisis de los datos son factores determinantes a la hora de localizar oportunidades para mejorar la eficiencia energética. Adicionalmente, la integración de datos de consumo energético en tiempo real con datos de producción (cuando existen altos niveles de estandarización en los procesos productivos y sus datos) es esencial para permitir que las factorías detallen la energía efectivamente consumida, su coste y CO2 emitido durante la producción de un producto o componente. Esto permite obtener una valiosa información a los gestores en el nivel decisor de la factoría así como a los consumidores y reguladores. ABSTRACT In today‘s manufacturing scenario, rising energy prices, increasing ecological awareness, and changing consumer behaviors are driving decision makers to prioritize green manufacturing. The Internet of Things (IoT) paradigm promises to increase the visibility and awareness of energy consumption, thanks to smart sensors and smart meters at the machine and production line level. Consequently, real-time energy consumption data from the manufacturing processes can be easily collected and then analyzed, to improve energy-aware decision-making. This thesis aims to investigate how to utilize the adoption of the Internet of Things at shop floor level to increase energy–awareness and the energy efficiency of discrete production processes. In order to achieve the main research goal, the research is divided into four sub-objectives, and is accomplished during four main phases (i.e., studies). In the first study, by relying on a comprehensive literature review and on experts‘ insights, the thesis defines energy-efficient production management practices that are enhanced and enabled by IoT technology. The first study also explains the benefits that can be obtained by adopting such management practices. Furthermore, it presents a framework to support the integration of gathered energy data into a company‘s information technology tools and platforms, which is done with the ultimate goal of highlighting how operational and tactical decision-making processes could leverage such data in order to improve energy efficiency. Considering the variable energy prices in one day, along with the availability of detailed machine status energy data, the second study proposes a mathematical model to minimize energy consumption costs for single machine production scheduling during production processes. This model works by making decisions at the machine level to determine the launch times for job processing, idle time, when the machine must be shut down, ―turning on‖ time, and ―turning off‖ time. This model enables the operations manager to implement the least expensive production schedule during a production shift. In the third study, the research provides a methodology to help managers implement the IoT at the production system level; it includes an analysis of current energy management and production systems at the factory, and recommends procedures for implementing the IoT to collect and analyze energy data. The methodology has been validated by a pilot study, where energy KPIs have been used to evaluate energy efficiency. In the fourth study, the goal is to introduce a way to achieve multi-level awareness of the energy consumed during production processes. The proposed method enables discrete factories to specify energy consumption, CO2 emissions, and the cost of the energy consumed at operation, production and order levels, while considering energy sources and fluctuations in energy prices. The results show that energy-efficient production management practices and decisions can be enhanced and enabled by the IoT. With the outcomes of the thesis, energy managers can approach the IoT adoption in a benefit-driven way, by addressing energy management practices that are close to the maturity level of the factory, target, production type, etc. The thesis also shows that significant reductions in energy costs can be achieved by avoiding high-energy price periods in a day. Furthermore, the thesis determines the level of monitoring energy consumption (i.e., machine level), the interval time, and the level of energy data analysis, which are all important factors involved in finding opportunities to improve energy efficiency. Eventually, integrating real-time energy data with production data (when there are high levels of production process standardization data) is essential to enable factories to specify the amount and cost of energy consumed, as well as the CO2 emitted while producing a product, providing valuable information to decision makers at the factory level as well as to consumers and regulators.

Optically enhanced photon recycling in mechanically stacked multijunction solar cells

Multijunction solar cells can be fabricated by mechanically bonding together component cells that are grown separately. Here, we present four-junction four-terminal mechanical stacks composed of GaInP/GaAs tandems grown on GaAs substrates and GaInAsP/GaInAs tandems grown on InP substrates. The component cells were bonded together with a low-index transparent epoxy that acts as an angularly selective reflector to the GaAs bandedge luminescence, while simultaneously transmitting nearly all of the subbandgap light. As determined by electroluminescence measurements and optical modeling, the GaAs subcell demonstrates a higher internal radiative limit and, thus, higher subcell voltage, compared with GaAs subcells without the epoxy reflector. The best cells demonstrate 38.8 ± 1.0% efficiency under the global spectrum at 1000 W/m2 and ~ 42% under the direct spectrum at ~100 suns. Eliminating the series resistance is the key challenge for further improving the concentrator cells.