LEDベースのソーラーシミュレーターの特性評価

4.6. LEDベースのソーラーシミュレーターの特性評価#

このアプリケーション例では、LEDベースのソーラーシミュレーター（G2V Pico）の特性評価と制御について解説します。ここではTII Spectrometryの以下の主な機能を利用しています。

  • マルチ分光器制御: このソーラーシミュレーターは、通常の分光器1台ではカバーできない、可視光から近赤外光までの広い波長範囲を網羅しています。TII Spectrometryでは、複数の分光器を同時に制御して測定範囲を拡張できるため、シミュレートされた太陽スペクトル全体を一度の測定で取得可能です。

  • 強度校正: 定量的なスペクトルを取得するには、分光器の感度曲線を正確に決定する必要があります。複数のデバイスを使用する場合、各デバイスの分光感度の違いを補正するために強度校正が不可欠です。スティッチング（結合）機能を用いることで、広い波長範囲にわたる連続的でシームレスなスペクトルを生成することも可能です。

  • リモート制御: TCP/IPベースのリモート通信を利用してスペクトル取得を自動化し、コンピュータ制御の光源と分光器の間のハードウェア・オーケストレーションを実現します。

このセットアップでは、TII Spectrometryがハードウェアの制御、スペクトル処理、強度校正を行い、可視化や分析、ハードウェア・フィードバック・ループのためのカスタムスクリプトですぐに使用可能なデータを出力します。異なるメーカーのデバイスに対してハードウェア抽象化レイヤーを提供するだけでなく、このアプローチにより、必要に応じて手動制御とスクリプトによる測定を組み合わせることができる柔軟な実験ワークフローが実現します。

4.6.1. 材料と手法#

../_images/application_solarsim_setup.png

図 4.19 G2V Picoソーラーシミュレーターを特性評価するために使用された光学セットアップ。#

図 4.19 に光学セットアップを示します。ソーラーシミュレーターから放射された光は、コサインコレクター（ディフューザー）を介して集光され、分岐光ファイバーに結合されます。200 nm から 1750 nm の範囲をカバーするスペクトルを取得するために、StellarNet社の BlueWave （UV-Vis-NIR領域用のシリコンCCD検出器を搭載）と DWARF-Star （NIR領域用のインジウム・ガリウム・ヒ素 (InGaAs) フォトダイオードアレイを搭載）を使用しています。両方の分光器は、認定された校正用ランプを用いて校正されました（図 4.20）。2台の分光器の切り替えポイント（結合点）は 930 nm に設定されており、これは両方の検出器タイプが高い量子効率と低ノイズを維持できる最適なクロスオーバー領域を代表し、バンド端付近のスティッチング（結合）アーチファクトを最小限に抑えています。

ヒント

校正データはTII Spectrometryの 設定ファイル に保存されるため、光学セットアップ（ファイバー、ディフューザー等）に変更がない限り、この手順は1回のみ実行すれば済みます。

../_images/application_solarsim_calib.png

図 4.20 校正用ランプ（色温度2800 Kの黒体放射源）を用いたデュアル分光器セットアップの校正：生データ（左）と強度校正後のデータ（右）。#

標準的なスペクトルおよび大気計算は、pvlib （具体的にはSPECTRL2晴天モデルを実装）を使用して行われました。恒星スペクトルは pycles を介して Pickles カタログから取得しました。G2V Pico ソーラーシミュレーターは G2VPico ライブラリを用いて制御しました。

4.6.2. 結果#

4.6.2.1. プリセットスペクトル#

メーカーは、一般的に使用される太陽光標準をシミュレートするためのスペクトルプリセットを提供しています（図 4.21）。取得されたスペクトル（オレンジ色の線）を、pvlib によって提供される ASTM G173-03 標準スペクトル（黒）と比較しました。

  • AM0 (エアマス 0): 地球の大気圏外における地球外太陽スペクトル。宇宙アプリケーション（人工衛星など）向けに設計された太陽電池の試験用標準リファレンスです。

  • AM1.5G (全球): 地上用太陽電池の試験用標準スペクトルで、37°傾斜した面（米国本土の平均緯度を表す）に入射する全太陽放射（直達および拡散）を表します。

  • AM1.5D (直達): 地上放射の直達成分で、散乱天空光を除外したものであり、通常、集光型太陽電池（CPV）システムの評価に使用されます。

予想通り、シミュレートされたスペクトルと標準スペクトルの一致は非常に優れています。特筆すべき点として、取得されたスペクトルは連続的であり、2台の分光器の切り替えポイントで目に見えるアーチファクトはありません。さらに、測定ではスペクトルの形状と絶対放射照度の両方が正確に再現されており、強度校正の有効性が示されています。

../_images/application_solarsim_presets.png

図 4.21 地球外（AM0）（左）、直達（AM1.5D）（中央）、全球（AM1.5G）（右）の太陽スペクトル。#

ソーラーシミュレーターの性能は、IEC 60904-9 (JIS C 8912) 標準に基づき、スペクトル合致度（spectral match）、放射照度の空間的不均一性（spatial non-uniformity of irradiance）、および照射強度の時間的不安定性（temporal instability of irradiance）の3つの主要な性能評価基準によって分類されます。このうち、スペクトル合致度の評価基準については以下の通りです。

  • スペクトル合致度比（spectral match ratio） \(\text{Ratio}_{\text{bin}} = \frac{\%_{\text{meas}}}{\%_{\text{ref}}}\) は、特定の波長区間（ビン）にわたる積分強度が基準太陽光スペクトルとどの程度一致しているかを示します。旧バージョンの標準では、スペクトル合致度は 400–1100 nm の範囲をカバーする6つの指定された波長区間（400–500 nm、500–600 nm、600–700 nm、700–800 nm、800–900 nm、および 900–1100 nm）において評価されます。

同標準の2020年改訂版（IEC 60904-9:2020）では、最新のワイドバンドギャップ半導体や多接合（マルチジャンクション）型太陽電池デバイスの特性評価に対応するため、評価波長範囲が 300–1200 nm に拡張され、さらに以下のアップデートが導入されました。

  • スペクトル合致度比は同じく6つのビンで評価されますが、各ビンが基準総放射照度のちょうど 16.67% ずつを含むように各波長区間が定義されます。

  • スペクトルカバレッジ（SPC は、基準となる AM1.5G スペクトルの総積分放射照度のうち、シミュレーターの出力によって実際にカバーされている割合（%）を定量化します。

    \[ \text{SPC} = \left( \frac{\int_{\Lambda} E_{\text{ref}}(\lambda) \, d\lambda}{\int_{300}^{1200} E_{\text{ref}}(\lambda) \, d\lambda} \right) \times 100\% \]

    波長 \(\lambda\) において、シミュレーターの分光放射照度（\(E_{\text{sim}}(\lambda)\)）が、基準スペクトルの放射照度（\(E_{\text{ref}}(\lambda)\)）の少なくとも 10% 以上である場合にのみ、その波長は「カバー（表現）されている」とみなされます。

    \[ \Lambda = \{ \lambda \in [300, 1200] \mid E_{\text{sim}}(\lambda) \geq 0.1 \times E_{\text{ref}}(\lambda) \} \]

  • スペクトル偏差（SPD は、シミュレーターの発光スペクトルと基準スペクトルとの間の全体的な不一致（ズレ）を測定します。

    \[ \text{SPD} = \left( \frac{\int_{300}^{1200} |E_{\text{sim}}(\lambda) - E_{\text{ref}}(\lambda)| \, d\lambda}{\int_{300}^{1200} E_{\text{ref}}(\lambda) \, d\lambda} \right) \times 100\% \]
../_images/application_solarsim_spectralmatch.png

図 4.22 400–1100 nm の波長範囲における G2V Pico のスペクトル合致度比。#

図 4.22 は、400–1100 nm の波長範囲で評価された G2V Pico から得られた AM1.5G スペクトルの評価結果を示しています。6つの各ビンのスペクトル合致度比はすべて 0.75 から 1.25 の範囲内（基準から 25% 以内の偏差）に収まっており、本装置がスペクトル合致度において Class A 適合であることを示しています。（同波長範囲で計算された）スペクトルカバレッジは 100% で、スペクトル偏差は 16.6% であり、これらの値はメーカーの公称仕様と一致しています。

../_images/application_solarsim_spectralmatch_2020.png

図 4.23 300–1200 nm の波長範囲における G2V Pico のスペクトル合致度比。#

図 4.23 は、より新しい IEC 60904-9:2020 標準に準拠した特性評価結果を示しています。Pico の発光は約 350 nm から始まるため、第1ビン（300–470 nm）のスペクトル合致度比は Class A の制限を超えて Class B に低下します。しかし、他のすべてのビンはより厳しい Class A+ 基準を十分に満たしています。300–350 nm 範囲の近紫外発光が不足しているため、全体的なスペクトルカバレッジも低下し、スペクトル偏差は 19.6% に増加します。

JIS C 8904-9規格には、特殊な太陽光発電技術に関する追加仕様が含まれています。

  • 積層型多接合太陽電池（GaInP/GaAs/Geタンデムセルなど）：これらのデバイスを評価するには、より狭い50 nmの波長ビンが使用されます。これは、多接合太陽電池は通常、サブセル界面で量子効率の急激なカットオフを示すためです。

  • 銅インジウムセレン（CIS）または銅インジウムガリウムセレン（CIGS）をベースとした 薄膜太陽電池：シリコンのバンドギャップ限界により1100 nmを超えると感度が急速に低下する標準的な結晶シリコン太陽電池とは異なり、CIS/CIGS薄膜は近赤外線（NIR）スペクトルのより深い領域、つまり1300 nmまで光を吸収できます。そのため、規格ではこれらの技術に対して1300 nmまでの特定のビンが定義されています。

../_images/application_solarsim_spectralmatch_JIS.png

図 4.24 G2V Pico の JIS C 8904-9 規格に対するスペクトル一致率。#

図4.24は、JIS C 8904-9規格を用いたAM1.5Gスペクトルの評価結果を示しています。

  • マルチジャンクションセルテスト: 50 nm の狭いビンでは、IEC 60904-9:2020 規格 で観測されたのと同様に、近紫外領域での発光がないため、G2V Pico は最も低いビン (350～400 nm) で最小分類閾値を満たしていません。さらに、測定された発光強度はビン 12 (900～950 nm) で高すぎ、これは大気中の水蒸気吸収帯の中心と一致しています。

  • CIS/CIGSセル試験: ビン1（350～400 nm）は、強度が低いため再び不合格となりました。一方、シミュレータは、1300 nmまでの近赤外線（NIR）領域を含む残りのすべてのビンについて、分類要件を十分に満たしています。

4.6.2.2. 個別のLEDチャンネルのスペクトル#

シミュレーターのさらなる特性評価のために、個別のLEDチャンネルのスペクトルを取得しました。32の独立したチャンネルがあるため、手動での取得は非常に煩雑になります。TII Spectrometryの リモート制御 機能を利用することで、完全な自動化が可能になります。

  • 各チャンネルについて、最小から最大までの10段階の強度設定を順次切り替えました。

  • 各設定に対してスペクトルが取得され、保存されました。

以下は、制御された測定ループを示す非同期のPythonコードスニペットです。ここで使用されているヘルパー関数 fetch_data は、リモート制御のアプリケーション例 で定義されています。

 1import asyncio
 2import numpy as np
 3import matplotlib.pyplot as plt
 4import g2vpico
 5
 6# Initialize the solar simulator. 
 7pico = g2vpico.G2VPico(ip, pico_id)
 8# Turn off all channels
 9pico.clear_channels()
10# Get the list of channel IDs
11channel_ids = pico.channel_list
12
13# Open the remote control connection to {{app_name}}
14reader, writer = await asyncio.open_connection(host, port)
15data = {}
16# Iterate over the channels
17for ch in channel_ids:
18   # Get the channel limits
19   limit = pico.get_channel_limit(ch)
20   # Calculate 10 intensity settings
21   target_intensities = np.linspace(0, limit, 10)
22   channel_data = {}
23   for intensity in target_intensities:
24       # Configure the channel
25       pico.set_channel_value(ch, intensity)
26       # Allow light emission to stabilize
27       await asyncio.sleep(0.1)
28       # Acquire a spectrum via {{app_name}}
29       spectrum = await fetch_data(writer, reader, "ACQUIRE")
30       # Optional: Plot the spectrum
31       plt.plot(spectrum["spectrum_x"], spectrum["spectrum_y"])
32       channel_data[intensity] = spectrum
33       # Turn off the light source
34       pico.clear_channels()
35
36   data[ch] = channel_data
37   
38   plt.show()
../_images/application_solarsim_spectra.png

図 4.25 異なる強度設定における G2V Pico の個別のチャンネルで取得されたスペクトル。#

代表的な結果を 図 4.25 に示します。チャンネル26および18は、分光器の重複領域（900–1000 nm）と一致しています。ここでも、得られたスペクトルはスムーズで、スティッチングによるアーチファクトはありません。全32チャンネルのフルデータセットを 図 4.26 に示します。

../_images/application_solarsim_spectra_full.png

図 4.26 G2V Pico の全32チャンネルのスペクトル分布（左）、および各チャンネルの測定放射照度対強度設定値曲線（右）。#

4.6.2.3. 太陽スペクトルのシミュレーション#

記録された感度データを使用することで、多変量最適化により任意の目標スペクトルを再構成することができます。物理的なLEDチャンネルは負の強度の光を放射できないため、目標スペクトルの再構成を制約付き最適化問題、具体的には有界非負最小二乗法（NNLS）問題として定式化します。最適化アルゴリズムは、チャンネル強度が \([0, I_{\max}]\) の範囲内にあるという制約条件のもとで、目標スペクトルと個々のLEDスペクトルの計算された線形結合との間の残差平方和を最小化する強度設定の組み合わせを見つけます。その後、これらの最適化された設定をソーラーシミュレーターハードウェアに適用し、デュアル分光器セットアップを使用して実際の物理的な出力を検証します。

警告

計算された強度設定が、個々のチャンネルのハードウェア制限を超えないようにすることが不可欠です。

../_images/application_solarsim_sim_am.png

図 4.27 測定されたスペクトル分布と各LEDの感度に基づいて ASTM G173-03 標準スペクトルを再現。#

3つの ASTM G173-03 標準に対する結果を 図 4.27 に示します。塗りつぶされた領域は各LEDチャンネルの計算された出力を表し、赤線は予測された合計、黒の線は目標、青の線は実際の測定値です。

  • 計算されたスペクトルは目標と非常によく一致しています。これは32の独立変数を最適化するという複雑さを考えると、重要な結果です。

  • 予測されたスペクトルと測定されたスペクトルの一致は非常に優れています。

  • 軽微な偏差（例：AM0スペクトルの600 nm付近）は、おそらくソーラーシミュレーターハードウェアの総電流制限によるものです。

次に、pvlib の SPECTRL2 モデルを使用して、以下を考慮に入れながら1日を通した太陽スペクトルの変化をシミュレートしました。

  • 太陽の位置（場所、日付、時刻）。

  • 大気条件（高度、方位角、水蒸気、混濁度）。

../_images/application_solarsim_sim_day.png

図 4.28 東京での5月のあるシミュレートされた1日における太陽スペクトルの変化。#

図 4.28 は、日の出から日没までの計算されたスペクトル（黒）、目標強度分布（赤）、および測定されたスペクトル（青）を示しています。日の出／日没時の青色スペクトル範囲で見られる偏差は、初期の特性評価時に十分に捉えきれなかった、非常に低い強度設定における青色LEDの非線形性に起因する可能性が高いです。

4.6.2.4. 恒星スペクトルのシミュレーション#

../_images/application_solarsim_sim_stars.png

図 4.29 異なる恒星分類に対するシミュレートされたスペクトル。#

G2V という社名は、私たちの太陽が G型主系列星 に分類されることに由来しています。G2V Picoは、ハードウェアの制約内ではありますが、他の恒星タイプのスペクトルを再現することも可能です。図 4.29 は、以下に対するシミュレーションと測定結果を示しています。

  • A0V (例: ベガ): 表面温度 7,600–10,000 K。

  • F0V: 表面温度 6,000–7,200 K。

  • G2V (太陽に似た): 表面温度 5,300–6,000 K。

  • K0V (オレンジ色矮星): 太陽よりも低温。

  • M0V / M6V (赤色矮星/巨星): 近赤外放射が支配的。

A0Vのような高温の主系列星では、可視光範囲のブロードな形状は非常によく近似されますが、紫外線（UV）領域はカバーされていないままです。さらに、A型星に特徴的な強い水素バルマー吸収線などの細かなスペクトル構造は、LED発光体のスペクトル幅が比較的広い（ブロードである）ため分解または再現できません。近赤外光が支配的な低温のM型星については、波長範囲自体は分光器の測定能力に合致しているものの、絶対的な目標放射照度は、シミュレーターの近赤外LEDの最大光出力パワーによって制限されます。

4.6.2.5. スペクトル・ダッシュボード#

G2V Pico と TII Spectrometry はどちらも TCP/IP 制御をサポートしているため、インタラクティブなダッシュボードを実装するのは容易です。これにより、以下が可能になります。

  • 環境パラメータに基づいた太陽スペクトルのリアルタイム計算。

  • ハードウェア構成とスペクトル検証の自動化。

（iPython で構築された）ダッシュボードの例を 図 4.30 に示します。ユーザーは日時、検出器のチルト、大気中の水分、混濁度を調整できます。このダッシュボードは、計算からハードウェアへの適用、そして測定に至るワークフロー全体を数クリックに集約します。

../_images/application_solarsim_dashboard.png

図 4.30 太陽スペクトルを計算、放射、検証するためのインタラクティブなダッシュボード。#

注釈

このダッシュボードは、TII Spectrometryがどのように複雑なハードウェア・オーケストレーションにおける摩擦を排除できるかのプロトタイプとして機能します。デバイスの通信、同期、校正を処理することで、研究者はデータ取得の細かな調整ではなく、実験そのものに集中できるようになります。

4.6.2.6. クローズドループ・スペクトルシミュレーション#

最後に、クローズドループ・フィードバック・システムを実装できます。事前に記録された感度データのみに頼るのではなく、実際の測定スペクトルに基づいてLED強度を反復的に調整し、目標との不一致を最小限に抑えます。

../_images/application_solarsim_closed_loop.png

図 4.31 クローズドループ・スペクトルシミュレーション。左：AM1.5Gを開始点としたAM0スペクトルのシミュレーション。右：ランダムな開始値からのAM1.5Gのシミュレーション。実線は各最適化反復後の放射を示しています。#

図 4.31 に示すように、反復ごとにスペクトルの不一致が減少し、目標と非常によく一致するようになります。

注釈

クローズドループ最適化は理論的には事前情報なしでも機能しますが、32個の独立したチャンネルがあるため実用的ではありません。各最適化ステップにおいて、アルゴリズムはヤコビ行列 \(J_{ij} = \partial S(\lambda_i) / \partial I_j\) を必要とします。これは、波長 \(\lambda_i\) における分光放射照度 \(S\) の、\(j\) 番目のLEDの制御設定値 \(I_j\) に対する変化率を表します。各反復においてこのヤコビ行列を実験的に評価するには、32個のチャンネルを個別に変化させて32回個別のスペクトルを取得する必要があり、極めて動作が遅くなります。

代わりに、事前に記録された個々のチャンネルの校正データを利用することで、このヤコビ行列を解析的に推定できます。これにより、勾配ベースの最適化アルゴリズム（レーベンバーグ・マルカート法や信頼領域法など）が迅速に収束し、フィードバック・ループの反復あたり1回のみのスペクトル取得で、リアルタイムのドリフト、熱的影響、または電気的制限を補正することが可能になります。このアプローチは以下の点で非常に有効です。

  • 複雑な非線形性（クロストーク、熱的影響、電流制限）の考慮。

  • LEDの経年劣化によるスペクトルドリフトの補正。

  • 異なるソーラーシミュレーターユニット間の相互校正。