Highlight-Artikel Q2-2025

Component-based SHGC determination of BIPV glazing for product comparison

Bereich Wärme und Gebäude

© 2024 The Author(s). Published by Elsevier B.V. This is an open access article under the CC BY-NC license

Energy and Buildings | Volume 320 | 1 October 2024 | 114592

Helen Rose Wilson, Tilmann E. Kuhn, Hisashi Ishii, Daniel Valencia-Caballero, Nuria Martin Chivelet, Jinqing Peng, Rebecca Jing Yang, Yukun Zang, Hua Ge, Kai Ye, Jacob C. Jonsson, Konstantinos Kapsis

 

Der Gesamtenergiedurchlassgrad (g-Wert) quantifiziert den Anteil der einfallenden Sonneneinstrahlung, der direkt oder indirekt durch die Gebäudehülle transmittiert und im Innenraum des Gebäudes ankommt. Bei Bauteilen der bauwerkintegrierte Photovoltaik (BIPV) wird ein Teil der absorbierten Sonneneinstrahlung in Strom umgewandelt, was den Anteil an übertragene Wärme in den Innenraum reduziert. Dieser Effekt muss bei der g-Wert-Bestimmung von BIPV-Bauteilen für Warmfassaden oder -dächer berücksichtigt werden.

“Es ist wichtig, diese Wirkung zu verstehen, wenn energieeffiziente Gebäude mit reduziertem Kühlbedarf optimiert werden. Das Verständnis dieses Phänomens soll wiederum die breitere Annahme von BIPV-Lösungen unterstützen”, sagen die AutorInnen.

BIPV-Anlagen erzeugen Strom und besitzen mindestens eine baurelevante Eigenschaft. Wenn BIPV-Module als Verglasungsprodukte in Fenstern, Oberlichtern oder Ganzglasfassaden eingesetzt werden, muss ihr Gesamtenergiedurchlassgrad (g-Wert oder Solar Heat Gain Coefficient SHGC) bestimmt werden. Um verschiedene BIPV-Verglasungsprodukte, die aus einem Glas-Glas-PV-Modul und ggf. weiteren konventionellen Glasscheiben mit gasgefüllten Zwischenräumen bestehen, miteinander vergleichen zu können, eignen sich die Verfahren zur Bestimmung des g-Werts von Architekturverglasung als Ausgangspunkt, die in internationalen Normen wie ISO 9050 oder EN 410 dokumentiert sind. In der Veröffentlichung werden leicht implementierbare Modifikationen dieser Verfahren zur Berücksichtigung der Energieabfuhr als Strom und der optischen Inhomogenität von BIPV-Verglasungen mit ihren Kombination aus PV-Zell- und transparenten Bereichen vorgeschlagen. Der Grundansatz ist die Berechnung des g-Werts der BIPV-Verglasung aus den optischen und thermische Eigenschaften ihrer Komponenten und dem photovoltaischen Wirkungsgrad des PV-Moduls.

Die Veröffentlichung enthält auch die Ergebnisse und Schlussfolgerungen aus einer Umsetzungsübung und einer Sensitivitätsanalyse, die Teilnehmende des IEA-PVPS Task 15 zu BIPV durchgeführt haben. Der Zellbedeckungsgrad im Glas-Glas-PV-Modul, der thermischer Widerstand des Glasaufbaus, die Wahl der Rahmenbedingungen und die Auswirkung der Stromabfuhr wurden als die Parameter identifiziert, die den berechneten g-Wert für eine bestimmte BIPV-Verglasungsart wesentlich beeinflussen. Ein praktikabler Ansatz, um die typischerweise große Vielfalt an Abmessungen bei BIPV-Verglasungen zu berücksichtigen, wird auch vorgeschlagen.

Ausgehend von den Ergebnissen in der Veröffentlichung wurde ein neuer Anhang zur Berücksichtigung der typischen Merkmale der BIPV-Verglasung in der aktuellen Überarbeitung der EN 410 – der bestehenden EU-Norm zur Berechnung der Licht- und Energieeigenschaften von Architekturverglasung - formuliert. Die revidierte Fassung der EN 410 mit dem neuen BIPV-Anhang soll im Jahr 2026 veröffentlicht werden. Es wird erwartet, dass die nächste Revision der entsprechenden internationalen Norm ISO 9050 ebenfalls einen BIPV-Anhang enthalten wird, der auf diese Veröffentlichung basiert.

Spatial potential analysis and site selection for agrivoltaics in Germany

Bereich Strom

© 2025 The Authors. Published by Elsevier Ltd. under CC BY license

Renewable and Sustainable Energy Reviews | Volume 213 | May 2025 | 115469

Salome Hauger, Vanessa Lieb, Rüdiger Glaser

 

Agri-Photovoltaik (Agri-PV) beschreibt das synergistische Konzept, landwirtschaftliche Flächen sowohl für die Nahrungsmittelproduktion als auch für die Erzeugung von Solarenergie zu nutzen. Diese Doppelnutzung ermöglicht nicht nur eine signifikante Steigerung der Flächeneffizienz, sondern bietet auch potenzielle Schutz für die Anbaukulturen vor extremen Wetterereignissen.

In dieser Studie wird erstmals eine geodatenbasierte Analyse des Agri-PV-Potenzials und der Standortauswahl in Deutschland durchgeführt, um den möglichen Beitrag der Technologie zu den Klimazielen abzuschätzen. Durch die Integration geografischer Informationssysteme mit dem analytischen Hierarchieprozess quantifiziert die Studie verfügbare landwirtschaftliche Flächen und identifiziert optimale Standorte im Bezug auf die wirtschaftliche Erschließbarkeit. Es wurden Kriterienkataloge entwickelt, die sowohl geografische, technische, wirtschaftliche als auch insbesondere rechtliche und regulatorische Kriterien miteinbeziehen. Mit einem Landnutzungsindex wurde ein Potenzial von 7900 GWp und 5600 GWp (Szenario 1 und 2) sowie ein Synergiepotenzial von 136 GWp und 98 GWp (Szenario 1 und 2) ermittelt, was das 2,5-fache bzw. 3,5-fache der Photovoltaik-Ausbauziele für 2030 darstellt.

Optimizing catalyst layer composition of PEM fuel cell via machine learning: Insights from in-house experimental data

Bereich Wasserstofftechnologien

© 2024 The Authors. Published by Elsevier Ltd.

Energy and AI |Volume 18 | December 2024 | 100439

Yuze Hou, Patrick Schneider, Linda Ney, Nada Zamel

 

Die Katalysatorschicht (CL) ist eine zentrale Komponente von Protonenaustauschmembran (PEM)-Brennstoffzellen und hat einen erheblichen Einfluss auf Leistung und Haltbarkeit. Ihre Tintenzusammensetzung kann prägnant durch Platin (Pt)-Beladung, Pt/Kohlenstoff-Verhältnis und Ionomer/Kohlenstoff-Verhältnis charakterisiert werden. Die Menge jeder Substanz in der CL muss sorgfältig ausbalanciert werden, um einen optimalen Betrieb zu gewährleisten. In dieser Arbeit wenden wir ein Modell eines Künstlichen Neuronales Netzes (ANN) an, um die Leistung und Haltbarkeit einer PEM-Brennstoffzelle basierend auf ihrer Kathoden-CL-Zusammensetzung vorherzusagen. Das Modell wird anhand experimenteller Daten trainiert und validiert, die in unseren Laboren gemessen wurden und Daten von 49 Brennstoffzellen umfassen, die deren Kathoden-CL-Zusammensetzung, Betriebsbedingungen, Bedingungen für beschleunigte Stresstests, Polarisationskurven und ECSA-Messungen über ihre Lebensdauer hinweg detailliert beschreiben. Das vorgestellte ANN-Modell zeigt außergewöhnliche Zuverlässigkeit bei der Vorhersage des Verhaltens von PEM-Brennstoffzellen sowohl zu Beginn als auch am Ende ihrer Lebensdauer. Dies ermöglicht ein tieferes Verständnis des Einflusses jedes Eingabeparameters auf Leistung und Haltbarkeit. Darüber hinaus kann das Modell effektiv zur Optimierung der CL Zusammensetzung eingesetzt werden. Diese Arbeit demonstriert das immense Potenzial von KI, kombiniert mit einer hochwertigen Datenbank, um die Brennstoffzellenforschung voranzutreiben.

Review on hydrogen in silicon solar cells: From its origin to its detrimental effects

Bereich Photovoltaik

© 2025 The Authors. Published by Elsevier B.V. under CC BY-NC-ND license

Solar Energy Materials and Solar Cells | Volume 282 | April 2025 | 113432

Benjamin Hammann, Florian Schindler, Jonas Schön, Wolfram Kwapil, Martin C. Schubert, Stefan W. Glunz

 

Wasserstoff ist bekannt dafür, Defekte in Silizium zu passivieren und spielt daher eine entscheidende Rolle für hocheffiziente Siliziumsolarzellen. Ein Beispiel hierfür sind TOPCon Solarzellen, deren exzellente Oberflächenpassivierung nur mit Hilfe von Wasserstoff möglich ist. Andererseits ist Wasserstoff verantwortlich für Langzeitinstabilitäten wie z.B. „light- and elevated-temperature-induced degradation“ (LeTID) oder eine Degradation der Oberflächenpassivierung („surface-related degradation“, SRD). Für hocheffiziente und langzeitstabile Solarzellen ist es wichtig, die negativen Aspekte von Wasserstoff zu vermeiden und gleichzeitig die positiven Aspekte beizubehalten.

In diesem Review geben wir daher einen Überblick über die Forschung der letzten Jahre zu Wasserstoff in Siliziumsolarzellen. Wir diskutieren die Erkenntnisse über die Rolle von Wasserstoff bei verschiedenen Degradationsphänomenen. Daraus ergibt sich die Notwendigkeit, die Wasserstoffkonzentration unter einen Schwellenwert zu senken, was insbesondere die Konzentration von molekularem Wasserstoff betrifft. Für eine solche Anpassung ist es notwendig, den Einfluss der verschiedenen Prozessschritte zu verstehen. Daher werden im zweiten Teil dieses Reviews die Erkenntnisse zu verschiedenen Prozessen beschrieben, die die Wasserstoffkonzentration beeinflussen. Diese sind insbesondere

1.) Die Wasserstoffquelle, typischerweise Siliziumnitrid,

2.) Schichten, die die Diffusion von Wasserstoff beeinflussen, wie Aluminiumoxid und hochdotierte Schichten, und 

3.) der Feuerschritt, dessen Peaktemperatur und Abkühlrampe wesentliche Parameter zur Kontrolle der Diffusion und damit der Konzentration von Wasserstoff sind.

 

Metrologie und Simulationsmethoden