MAPbI3 perovskit güneş hücreleri için makine öğrenimi yaklaşımı
Machine learning approach for MAPbI3 perovskite solar cells
- Tez No: 940974
- Danışmanlar: DOÇ. DR. NİHAN AKIN SÖNMEZ
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fotonik Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Bu çalışmada, çoklu çıktı regresyonu öğrenimi kullanılarak MAPbI3 (Metilamonyum kurşun iyodür) perovskit güneş hücresinin PCE, Voc, Jsc, FF parametrelerini tahmin edilmesi amacıyla Rastgele Orman (RF), Çok Katmanlı Algılayıcı (MLP) ve Derin Sinir Ağı (DNN) modelleri kullanılmıştır. Modeller eğitim verileri üzerinde eğitilmiş ve doğruluk ve güvenilirliklerini değerlendirmek için üç metrik R² skoru, Ortalama Mutlak Hata (MAE) ve Ortalama Kare Hatanın Kökü (RMSE) kullanılarak test verileri üzerinde değerlendirilmiştir. RF modelini kullanarak test ve eğitim verileri için R2 değeri 0,80-0,54, RMSE değeri 0,05-2,58, MAE değerleri ise 0,03-1,76 aralığında bulunmuştur. MLP modeli için test ve eğitim verilerinin R2 değeri 0,70-0,42, RMSE değeri 0,06-3,18, MAE değerleri ise 0,04-2,09 aralığında bulunmuştur. DNN modelinin test ve eğitim verileri için R2 değeri 0,70-0,36, RMSE değeri 0,06-3,29, MAE değerleri ise 0,04-2,17 aralığında bulunmuştur. Modelin performansı ve önyargılı olup olmadığını ve aşırı uyum gösterip göstermediğini tespit etmek için parite ve kalıntı grafikleri çizilmiştir. Grafiklerde bu uygulanan üç modelin çok yüksek seviyede aşırı uyum ve önyargıya rastlanmamaktadır. RF modelinin test R2 0,75-0,54, RMSE değeri 0,06-2,58, MAE değerleri ise 0,04-1,76 aralığında bulunmuştur. Parite ve kalıntı grafiklerinin incelenmesi sonucunda RF modelinin diğer kullanılan modellere kıyasla daha iyi performans sergilediği gözlemlenmiştir. Özellik önemlerinin elde edilmesi amacıyla SHAP grafikleri çizilmiştir. Çoklu çıktı yaklaşımı öğrenimi, karmaşık bir süreç olan perovskit güneş hücresi (PSC) tasarımı konusunda kolaylıklar sağlayabilir.
Özet (Çeviri)
In this study, Random Forest (RF), Multilayer Perception (MLP) and Deep Neural Network (DNN) models were used to estimate PCE, Voc, Jsc, FF parameters using multiple output regression learningThe models were trained on the training data and evaluated on the test data using three metrics - R² score, Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) to assess their accuracy and reliability.Using the RF model, the R2 value was found to be 0.80-0.54, the RMSE value was 0.05-2.58, and the MAE values were in the range of 0.03-1.76 for the test and training data. For the MLP model, the R2 value for the test and training data was 0.70-0.42, the RMSE value was 0.06-3.18, and the MAE values were in the range of 0.04-2.09. For the test and training data of the DNN model, the R2 value was 0.70-0.36, the RMSE value was 0.06-3.29, and the MAE values were in the range of 0.04-2.17. Parity and residual plots were drawn to determine the performance of the model and whether it is biased or overfitting. The graphs show that these three models do not exhibit a high level of overfitting and bias. The test R2 of the RF model was found to be in the range of 0.75-0.54, RMSE value was found to be in the range of 0.06-2.58, MAE values were found to be in the range of 0.04-1.76. As a result of the analysis of the parity and residual plots, it was observed that the RF model performed better than the other models used. SHAP plots were drawn to obtain feature importance. Multiple output approach can help simplify the complex process of perovskite solar cell (PSC) design.
Benzer Tezler
- Perovskit güneş hücreleri verimliliğine etki eden faktörlerin sayısal modellemesi ve karşılaştırılması
Numerical modeling and comparison of factors affecting perovskite solar cells efficiency
HASAN MALLAHASAN
Yüksek Lisans
Türkçe
2022
EnerjiEskişehir Teknik Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. ÖZLEM ONAY
- FTO/TiO2/MAPbI3/C60/Ag tabakaları ve perovskit güneş hücresinin stres faktörleri altında karakterizasyonu
Characterization of FTO/TiO2/MaPbI3/C60/Ag layers and perovskite solar cell under stress factors
AYŞEGÜL TAŞÇIOĞLU
Doktora
Türkçe
2022
EnerjiBursa Uludağ ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ VARDAR
DR. ÖĞR. ÜYESİ GÖKHAN YILMAZ
- Organic and inorganic perovskite solar cells: Design, fabrication and performanceanalysis
Organik ve inorganik perovskit güneş hücreleri : Tasarım, üretim ve performans analizi
SELMA DURAK
Doktora
İngilizce
2023
EnerjiUniversity of SouthamptonMühendislik ve Doğa Bilimleri Ana Bilim Dalı
DOÇ. DR. DMİTRY `BAVYKİN
- Planar perovskite solar cells with metal oxide transport layers by co-evaporation and hybrid vapor-solution sequential method
Birlikte buharlaştırma ve hibrit buhar çözeltisi sıralı yöntemi ile metal oksit delik (Hole) taşıma katmanlı düzlemsel perovskit güneş hücreleri
WIRIA SOLTANPOOR
Doktora
İngilizce
2020
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiMikro ve Nanoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK YERCİ
- Elektron iletim tabakasının perovskit güneş pillerinin performansına etkisi
The effect of the electron transport layer on the performance of perovskite solar cells
AYŞE NUR ŞAHİN
Yüksek Lisans
Türkçe
2021
Fizik ve Fizik MühendisliğiYıldız Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. AHMET ALTINDAL