BP神經(jīng)網(wǎng)絡(luò)在TiO2太陽能電池天然染料敏化劑研究中的應(yīng)用

李春梅，王 剛，楊桂軍，韋浩民

（青海大學(xué)現(xiàn)代教育技術(shù)中心，青海西寧 810016）

BP神經(jīng)網(wǎng)絡(luò)在TiO2太陽能電池天然染料敏化劑研究中的應(yīng)用

李春梅，王 剛，楊桂軍，韋浩民

（青海大學(xué)現(xiàn)代教育技術(shù)中心，青海西寧 810016）

介紹了BP神經(jīng)網(wǎng)絡(luò)和燃料敏化太陽能電池的原理，著重闡述了在原特殊植物中提取的色素作為敏化劑原料的實(shí)驗(yàn)中結(jié)合BP神經(jīng)網(wǎng)絡(luò)將實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析的過程。在填充因子FF不變的前提下，以短路電流、開路電壓作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，對應(yīng)的光電轉(zhuǎn)換效率作為神經(jīng)網(wǎng)絡(luò)輸出為例，介紹了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)、訓(xùn)練和測試的過程，證明了BP神經(jīng)網(wǎng)絡(luò)在燃料敏化劑制作過程中的應(yīng)用是可行的。

BP神經(jīng)網(wǎng)絡(luò)；短路電流；開路電壓；光電轉(zhuǎn)換效率

染料敏化太陽能電池被人們稱為神奇的人造樹葉，因其具有原材料豐富、成本低、制作工藝簡單，技術(shù)成熟以及生產(chǎn)過程不會(huì)對環(huán)境造成污染等優(yōu)點(diǎn)，成為了目前最具前途的太陽能電池之一，也是目前研究最活躍的熱點(diǎn)學(xué)科之一。其中，染料敏化劑是染料敏化太陽能電池的主要組成部分，它通過吸收太陽光將基態(tài)的電子激發(fā)到激發(fā)態(tài)而產(chǎn)生光電子，然后再注入半導(dǎo)體的導(dǎo)帶上。染料敏化劑的好壞直接決定著染料敏化太陽能電池的光電轉(zhuǎn)換效率［1］。

BP神經(jīng)網(wǎng)絡(luò)［2－3］作為數(shù)據(jù)挖掘中的一個(gè)重要算法，其學(xué)習(xí)和存儲(chǔ)大量的輸入和輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程［2］，已經(jīng)應(yīng)用在模式識(shí)別、圖像處理、信息處理、智能控制、故障檢測、企業(yè)管理和市場分析等各個(gè)領(lǐng)域中。

本論文中采用青藏高原特有的植物作為原材料，包括紫葉李、烈香杜鵑葉、菠菜、金露梅、金蓮花、枸杞、山丹丹花等。在模擬太陽光的照射下，通過測定高原天然染料敏化太陽能電池的J－V曲線，評(píng)價(jià)高原天然染料敏化太陽能電池的性能。本文針對敏化劑的制作過程中，在不同的植物、不同的pH值等條件下，短路電流密度、開路電壓、填充因子（FF）以及光電轉(zhuǎn)換效率（η）等之間的關(guān)系通過BP神經(jīng)網(wǎng)絡(luò)的方式進(jìn)行了研究，設(shè)計(jì)了一組神經(jīng)網(wǎng)絡(luò)組，對燃料敏化劑實(shí)驗(yàn)中得到的大量的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試，以得到最優(yōu)的一組數(shù)據(jù)關(guān)系，并預(yù)測在某條件下的光電轉(zhuǎn)換效率值［4］。

1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)［5］是模仿人腦的工作原理提出的一種人工智能方法，其發(fā)展過程中曾有多種算法，如BP誤差反傳神經(jīng)網(wǎng)絡(luò)、Hopfield反饋神經(jīng)網(wǎng)絡(luò)算法、量子神經(jīng)網(wǎng)絡(luò)等。其中，BP誤差反傳神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一。BP網(wǎng)絡(luò)結(jié)構(gòu)模型見圖1。

圖1 BP網(wǎng)絡(luò)的結(jié)構(gòu)圖

BP神經(jīng)網(wǎng)絡(luò)［5－8］的基本原理：整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)過程由兩部分組成，第一部分是信息的正向傳播；第二部分是誤差的反向傳播。正向傳播時(shí)，網(wǎng)絡(luò)的輸入數(shù)據(jù)從輸入層傳入，經(jīng)過隱層逐層進(jìn)行處理，之后將處理結(jié)果再傳送給輸出層。如果輸出層的實(shí)際輸出值與期望輸出值不符，那么流程進(jìn)入誤差的反向傳播模型。誤差的反向傳播是將輸出誤差以某種形式通過隱層又反向傳遞到輸入層，并將誤差分?jǐn)偨o各層的所有節(jié)點(diǎn)，從而獲得各層節(jié)點(diǎn)的誤差信號(hào)，將此誤差信號(hào)作為修正各單元權(quán)值的依據(jù)。以上過程不斷反復(fù)，直到網(wǎng)絡(luò)輸出的誤差減少到足夠小或者到達(dá)預(yù)定的值為止。

2 染料敏化太陽能電池原理及天然染料敏化劑原料提取物

染料敏化太陽能電池（dye－sensitized solar cell，DSC）光生電荷的機(jī)理與自然界中植物的光合作用非常相似，因此也被稱為人工光合作用。

2．1 DSC的結(jié)構(gòu)與工作原理

DSC［9－11］的結(jié)構(gòu)如圖2所示。DSC主要由光陽極、電解液和對電極3部分組成。DSC的核心性能是光電能量轉(zhuǎn)換效率η，有

式（1）中，Voc為開路電壓，Jsc為短路電流密度，F(xiàn)F為填充因子，這3個(gè)因素是決定光電轉(zhuǎn)換效率的主要因素。

圖2 染料敏化太陽能電池DSC的基本結(jié)構(gòu)

2．2 敏化劑原料提取植物

本文中采用青海高原特殊植物作為敏化劑原料的制作原材料，如紫葉李、烈香杜鵑葉、菠菜、金露梅、金蓮花、枸杞、山丹丹等［4，12］，這些植物因其生長環(huán)境海拔高、大氣稀薄、日照時(shí)間長、紫外線強(qiáng)等特殊性而具有特別的性質(zhì)。

3 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

本文中，數(shù)據(jù)處理部分是由一個(gè)神經(jīng)網(wǎng)絡(luò)組組成，其中有多個(gè)神經(jīng)網(wǎng)絡(luò)，每個(gè)神經(jīng)網(wǎng)絡(luò)均由3層結(jié)構(gòu)組成，即輸入層、隱含層、輸出層。在不同的pH值、不同色素提取植物等條件下，神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)因條件不同而有所變化，隱含層也會(huì)隨著輸入節(jié)點(diǎn)的不同而有所變化，最終的一組神經(jīng)網(wǎng)絡(luò)是在3個(gè)影響轉(zhuǎn)換效率的主要因素，即開路電壓Voc、短路電流密度Jsc、FF為填充因子作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，以光電轉(zhuǎn)換效率作為神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)達(dá)到實(shí)驗(yàn)?zāi)繕?biāo)。以下以某條件下，神經(jīng)網(wǎng)絡(luò)組中某一個(gè)神經(jīng)網(wǎng)絡(luò)為例介紹神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)、訓(xùn)練及測試。

3．1 輸入層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)

在神經(jīng)網(wǎng)絡(luò)組中，每次改變實(shí)驗(yàn)條件，均對整個(gè)神經(jīng)網(wǎng)絡(luò)中輸入、隱含和輸出節(jié)點(diǎn)做調(diào)整。本網(wǎng)絡(luò)中是在某條件下，以某植物為例，在電壓、電流不同的情況下，測試光電轉(zhuǎn)換效率，因此，輸入層節(jié)點(diǎn)個(gè)數(shù)為2，分別代表電壓和電流；輸出層節(jié)點(diǎn)個(gè)數(shù)為1，代表光電轉(zhuǎn)換效率。

3．2 隱含層

隱含層的設(shè)計(jì)目前有很多經(jīng)驗(yàn)公式［6］，本文中采用公式如下：其中n為輸入節(jié)點(diǎn)數(shù)，N為輸出節(jié)點(diǎn)數(shù)，α為1～9之間的常數(shù)。

當(dāng)不同的m、n值時(shí)，α的取值不同。實(shí)驗(yàn)表明，并不是α的值越大越好，或者越小越好。在本文的整個(gè)神經(jīng)網(wǎng)絡(luò)組中，每個(gè)神經(jīng)網(wǎng)絡(luò)的輸入輸出節(jié)點(diǎn)數(shù)不一樣，我們通過多次實(shí)驗(yàn)，得到一組真實(shí)實(shí)驗(yàn)測試值和神經(jīng)網(wǎng)絡(luò)輸出值之間的誤差最小情況下的α值。

3．3 激勵(lì)函數(shù)

本文中選擇S型函數(shù)如下式：

這里之所以選擇S型函數(shù)作為BP神經(jīng)元的激活函數(shù)，是因?yàn)樗沁B續(xù)可微分的，而且更接近于生物神經(jīng)元的信號(hào)輸出形式。

4 實(shí)驗(yàn)

實(shí)驗(yàn)在VB環(huán)境中實(shí)現(xiàn)，100組訓(xùn)練數(shù)據(jù)以xlin．txt文件輸入，訓(xùn)練結(jié)果顯示在xlout．txt輸出文件中；20組測試數(shù)據(jù)以csin．txt文件輸入，測試結(jié)果分別顯示在csout1．txt文件中。

4．1 原始數(shù)據(jù)

表1是在真實(shí)實(shí)驗(yàn)過程中測得的某條件下的電壓、電流和對應(yīng)的光電轉(zhuǎn)換效率中隨機(jī)抽取的幾組數(shù)據(jù)，我們在神經(jīng)網(wǎng)絡(luò)中對用到的3列數(shù)據(jù)進(jìn)行了處理。

第1列數(shù)據(jù)的處理方式是：在原始數(shù)據(jù)的基礎(chǔ)上乘以100。假設(shè)原始數(shù)據(jù)用a表示，處理后的數(shù)據(jù)以b表示，則a與b的關(guān)系為，b＝a×100。

第2列數(shù)據(jù)和第3列數(shù)據(jù)的原始表示方式一樣，均采用科學(xué)計(jì)數(shù)法，因此它們的處理方式相同。假設(shè)數(shù)據(jù)的表示方法為：c＋e＋（－005），其中c為整數(shù)部分，－005為指數(shù)部分，在神經(jīng)網(wǎng)絡(luò)中訓(xùn)練和測試時(shí)只取前面的5位數(shù)據(jù)（不包括小數(shù)點(diǎn)在內(nèi)）進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試。在神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)中，再將其采用轉(zhuǎn)換的逆方式，即在c的基礎(chǔ)上將其改為c＋e＋（－005）的形式，并將b數(shù)據(jù)除以100得到a的形式。因此，在實(shí)驗(yàn)中xlin．txt輸入文件中輸入數(shù)據(jù)均采用按上述方法轉(zhuǎn)換后的數(shù)據(jù)。

4．2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

在本神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，訓(xùn)練數(shù)據(jù)100組，表2為抽取的部分訓(xùn)練數(shù)據(jù)。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，學(xué)習(xí)系數(shù)α和β都為0．7和0．7，各連接權(quán)值wij，vjt和閾值θj和γt取值范圍都為［－1，＋1］，均采用隨機(jī)生成法實(shí)現(xiàn)。整個(gè)訓(xùn)練過程中，訓(xùn)練次數(shù)設(shè)定為39 550次，得到總誤差為0．005 8，比較接近于真實(shí)的測試數(shù)據(jù)。

表2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)

4．3 神經(jīng)網(wǎng)絡(luò)的測試

在上述的神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，實(shí)驗(yàn)中準(zhǔn)備了20組數(shù)據(jù)，對訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，測試正確率達(dá)到95%以上。表3為抽取的部分測試數(shù)據(jù)。

表3 神經(jīng)網(wǎng)絡(luò)的測試數(shù)據(jù)

5 結(jié)論

在TiO2太陽能電池天然染料敏化劑研究中應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行光電轉(zhuǎn)換效率的測定的過程中，在不同的植物、PH值等條件下測得的數(shù)據(jù)采用了多組神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試，雖然實(shí)驗(yàn)過程比較繁瑣，但是整個(gè)實(shí)驗(yàn)過程中訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的誤差比較小，平均在0．005左右，測試數(shù)據(jù)正確率為95%。因此，用BP神經(jīng)網(wǎng)絡(luò)在天然敏化劑研究過程中是很成功的。我們在以后的實(shí)驗(yàn)中通過多種方法改進(jìn)BP算法，神經(jīng)網(wǎng)絡(luò)的測試成功率會(huì)得到很大的提高。

（References）

［1］時(shí)方曉，孫祥，趙倩，等．單一天然染料制備染料敏化太陽能電池［J］．沈陽建筑大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，30（2）：283－289．

［2］趙麗．改進(jìn)的GSA－BP算法及其在GIS局部放電識(shí)別中的應(yīng)用［D］．廣州：華南理工大學(xué)，2013．

［3］陳懷忠．基于BP神經(jīng)網(wǎng)絡(luò)PID算法的水箱液位控制系統(tǒng)設(shè)計(jì)［J］．實(shí)驗(yàn)技術(shù)與管理，2012，29（12）：81－84．

［4］楊桂軍．TiO2太陽能電池天然染料敏化劑的研究［D］．西寧：青海大學(xué)，2012．

［5］李春梅，Nzegge Chantale Ebude．BP誤差反傳神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用［J］．計(jì)算機(jī)與現(xiàn)代化，2008（2）：40－42．

［6］李春梅，王命延，楊新存．基于神經(jīng)網(wǎng)絡(luò)的認(rèn)知能力評(píng)價(jià)方案探析［J］．煤炭技術(shù)，2010，29（8）：226－227．

［7］楊聚慶，劉嬌月，崔鵬．基于BP網(wǎng)絡(luò)的鍋爐爐膛溫度測量算法［J］．實(shí)驗(yàn)技術(shù)與管理，2014，31（2）：27－30，36．

［8］常曉東，常曉磊．基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的高鐵風(fēng)災(zāi)預(yù)警算法［J］．實(shí)驗(yàn)技術(shù)與管理．2010，27（3）：97－99．

［9］吳晶，曾昆偉，周文芳，等．敏化劑敏化改性TiO2的研究進(jìn)展［J］．材料導(dǎo)報(bào)：綜述篇，2009，23（9）：107－109．

［10］孔凡太，戴松元，王孔嘉．染料敏化納米薄膜太陽電池中的染料敏化劑［J］．化學(xué)通報(bào)，2005（5）：338－344．

［11］武國華，孔凡太，翁堅(jiān)，等．有機(jī)染料及其在染料敏化太陽電池中的應(yīng)用［J］．化學(xué)進(jìn)展，2011，23（9）：1929－1934．

［12］楊桂軍，王棽睿，張永昌，等．pH值對金蓮花染料敏化太陽能電池性能的影響［J］．物理化學(xué)學(xué)報(bào)，2013，29（3）：539－545．

Application of BP neural network in study of TiO2solar cell sensitizer of natural dyes

Li Chunmei，Wang Gang，Yang Guijun，Wei Haomin
（Modern Educational Technology Center，Qinghai University，Xining 810016，China）

This article introduces the principle of BP neural network and dye－sensitized solar cell，and elaborates on the extraction of pigment in Qinghai plateau special plants as sensitizer in the experiment．The experimental data are analyzed in combination with the BP neural network．On the premise of the fill factor FF invariant，the short－circuit current，and open circuit voltage as the input nodes of the network，this article describes that the photoelectric conversion efficiency corresponding to the output of neural network is the neural network as an example，and introduces the process of design，training and testing of neural network．The results show that the application of BP neural network in fuel sensitizer in the production process is feasible．

BP neural network；short circuit current；open circuit voltage；photoelectric conversion efficiency

TB381

A

1002－4956（2015）3－0050－03

2014－08－18 修改日期：2014－09－26

青海省科技能力建設(shè)計(jì)劃項(xiàng)目（2011－H－802）

李春梅（1972—），女，青海西寧，碩士，副教授，研究方向?yàn)槿斯ぶ悄埽?/p>

E－mail：li＿chunmei＠qhu．edu．cn