斯坦福学者让太阳能电池在夜间发电,功率可达50毫瓦/平方米

研究者表示,他们设计的光伏电池装置可以为 LED 灯或者手机充电。

图片

通过利用太阳能电池板和周围空间之间的温差,工程师们已经制造出了可以在夜间发电的太阳能电池。与日间太阳能电池每平方米发电 100 至 200 瓦相比,夜间功率可以达到 50 毫瓦 / 每平方米。

这项研究近日发表在《应用物理快报》上,论文的标题为《Nighttime electric power generation at a density of 50 mW/m^2 via radiative cooling of a photovoltaic cell》,作者分别来自斯坦福大学和 ASML 公司。

图片

论文地址:https://aip.scitation.org/doi/full/10.1063/5.0085205

论文作者之一、斯坦福大学电气工程教授 Shanhui Fan 表示,「对于 LED 灯、手机充电或者为小型传感器充电等低功率密度应用来说,夜间发电的太阳能电池在经济上很有趣。」

图片

Shanhui Fan

Fan 及其同事利用了辐射冷却的概念,在这种现象下,材料在吸收了一整天的太阳能之后将热量辐射到天空中。其他人之前已经利用这种现象来制造冷却涂料和节能空调。并且,由于这种现象的影响,朝向天空的标准太阳能电池在夜间的温度低于周围空气的温度,这会导致热量从周围空气流向太阳能电池。Fan 等正是利用这种热流动来发电。

图片

辐射冷却原理图。图源:法国里昂国立应用科学学院。

为此,研究者将一块光伏电池(PV)与商用热电发电机(TEG)模块集成在一起,将温差转换为电能。其中,TEG 位于太阳能电池下方,它们之间的铝镀片材料将热量从太阳能电池传导至 TEG。TEG 的另一侧通过一个散热器连接到周围空气。下图 1 为夜间利用光伏电池的辐射冷却发电流程。

图片

虽然现有太阳能电池板在利用 TEG 改装后可以在夜间发电,但使这些设备协同良好工作的关键是太阳能电池与 TEG 之间的热接触非常紧密,这是改装方案必须克服的一个挑战。

图片

PV-TEG 设备的设计原理图和原型机。

2021 年 10 月,研究团队在斯坦福大学的一处屋顶上对 TEG 集成的太阳能电池原型机进行了为期三天的测试。结果发现,夜间发电达到了 50 毫瓦 / 每平方米。他们估计在更热更干燥的气候中,相同的装置可以达到 100 毫瓦 / 每平方米。

图片

多天的温度和功率测量。

Fan 表示未来还有很大的改进空间,毕竟他们使用的传统太阳能电池不是为辐射冷却而设计的。它发射波长 10 微米左右的中红外范围内的热波。通过调整发射波长,太阳能电池可以在夜间变得更冷,从而增加温差以及 TEG 产生的功率。

他表示,「原则上可以设计太阳能电池的热发射特性,以在不影响太阳能性能的情况下优化它的辐射冷却性能。我们的理论计算表明有可能达到数百毫瓦甚至 1 瓦。」

目前,研究团队计划设计新的太阳能电池来改进夜间发电,并扩展他们的原型机。成本可能是一大难题,这是因为 TEG 通常是由昂贵的材料制成。团队还没有进行详细的成本分析,不过 Fan 认为,他们必须将 24 小时太阳能电池与夜间装置进行比较,后者装置在白天产生太阳能然后再夜间使用电池获得电力。

相比电池通常的五年使用寿命,TEG 模块的使用寿命要长得多,根据研究者的初步计算,在一些应用场景中热电可能要胜过电池方法。

参考链接:https://spectrum.ieee.org/solar-cell

相关资讯

魔方电池如何“躺赢”?解锁荣威iMAX8 EV“头等舱”安全密码

近期不时出现的电动车自燃事件,让新能源汽车的安全问题再登风口浪尖。一直以来,电池安全是新能源汽车用户最为关切的首要问题。消除电池安全隐患,从根本上化解用户的安全焦虑,是整个新能源汽车行业努力的方向。中国荣威旗下纯电豪华MPV荣威iMAX8 EV在安全性能方面,领先行业标准,采用上汽魔方电池,通过五重递进式的多层防护,能够实现整包零热失控。“头等舱”的安全感背后隐藏着哪些黑科技?8月10日,来自上汽创新研发总院捷能公司的电池技术专家们进行了一场电池解析直播课,生动地展示了魔方电池的安全之道。五重防护 ,“零燃科技”无

如何通过机器学习算法,将EV电池运用到极致?

编译 / 刘梦婷近日,剑桥大学的研究人员开发了一种机器学习算法,可以通过预测不同的驾驶模式对电池性能的影响,帮助电动车减少充电时间,延长电池寿命,提高安全性和可靠性。研究结果发表在《自然通讯》(Nature Communications)杂志上。该团队开发了一种非侵入式方法来检测电池,并获得电池整体健康状况。然后,将这些结果输入机器学习算法,该算法可以预测不同驾驶模式将如何影响电池未来的健康状况。研究人员表示,该算法可以通过建议路线和驾驶模式,最大限度地减少电池退化和充电时间,来充分利用电动汽车的电池。如果将其用于

AI自动化系统可以快速找到新的电池化学成分,比人工测试要快得多

编辑 | 萝卜皮开发高能高效电池技术是推进交通和航空电气化的关键方面。然而,电池创新可能需要数年时间才能实现。在非水电池电解质溶液的情况下,选择多种溶剂、盐及其相对比例的许多设计变量使得电解质优化既费时又费力。为了克服这些问题,卡内基梅隆大学(Carnegie Mellon University)的研究团队提出了一种实验设计,将机器人技术(一个名为「Clio」的定制自动化实验)与机器学习(一个名为「Dragonfly」的基于贝叶斯优化的实验计划器)结合起来。在单盐和三元溶剂设计空间内对电解质电导率进行自主优化,在两