|
使用诸如太阳能电池阵列健康监测的这种设备，
忆阻气体传感和内存计算，并评估它们的能力。本文的其余部分
组织如下：第二节审查了检测方法
使用忆阻器的太阳能电池阵列中的故障，第三节
探索如何使用忆阻传感器阵列
气体传感。允许实现的设计范式
第四节讨论了带忆阻器的存储器中的逻辑。
最后，第五节论述了结论和展望
未来的工作。
二、用于太阳能电池阵列健康的忆阻器
监测
为了监控PY阵列的状态，我们捕获
TiO2基忆阻器器件的状态变化行为。
这种基于TiO2的忆阻器可以嵌入
光伏阵列（染料敏化太阳能阵列[10]），因为
两种光伏的制造工艺是相同的
电池和忆阻器器件。忆阻器的时间分析
该设备为
发电量测量中的系统
在正常情况下以及用于故障检测。光伏
（PV）电池或太阳能电池是一种转换太阳能的设备
（光子）进入直流电源。理想太阳能电路
由具有并联连接的电流源建模的电池
二极管，但对于实际设备，并联电阻和
增加了串联电阻元件。图2显示了
DSC太阳能电池的等效电路。
卢比
+
图2：PY单元的等效电路。
电阻器
忆阻器
电压708.67mV，短路电流15mA。
忆阻器的行为以开关为特征
从高阻抗状态到低阻抗状态的器件
状态最初，我们将基于TiO2的忆阻器设置为
高电阻状态，然后我们通过染料敏化太阳能电池配置触发了这一点。在图4a中，曲线1（单个
太阳能电池设置）和曲线2（四个系列的配置
连接的太阳能电池）显示电流的变化
相对于时间通过忆阻器。电流相对于时间的这种初始变化表示
高电阻器件的切换机制
状态转换为低电阻状态。一定时间间隔后
电流饱和，表示最小电流
需要将忆阻器从一个稳定状态切换到
另一种稳定状态。忆阻器所花费的时间
对于单个太阳能电池设置，该器件的输出为l.98ms和0.29ms
以及四个串联太阳能电池的配置
分别地串联电池的输出电流
高于单电池配置，这也表明
与单个太阳能电池相比切换速度更快
设置。
x10·3 x10-J
2014年11月
2012年10月
10
？8.
C 7� 8.
6（J 6）
0.002 0.004 0.006 0.008
时间0.2 0.4 0.6
电压（V）
（a） （b）
图4：（a）模拟结果：曲线1用于单个太阳能电池设置
以及用于太阳能电池装置的串联配置的曲线2。（b） 效果
太阳能电池退化和1-V曲线上的故障电池。
太阳能电池的输出功率和电流是相关的
辐照度，（即每单位太阳能电量为
照射在阵列本身上），这是由
R
（a）
R为图2中的h值。因此，在以下情况下
我们将使用该机制来检测退化和故障
在阵列中，值得注意的是忆阻器开关
时间可用于提供
阵列在额定工作条件下的功率输出。
（b）
图3：具有忆阻器元件的实验电路示意图：
（a） 单个太阳能电池设置。（b） 四太阳能串联配置
细胞。
作为这种方法的一个例子，在下面，我们
分析太阳能电池布置的各种配置：
带忆阻器的单个和四个串联太阳能电池
要素配置如图3a和3b所示
其中增加了小的导线电阻。在里面
我们的模拟表明，一个健康的染料太阳能电池存在开路
太阳能的退化在
光伏系统。太阳能电池因
不可避免的情况，如紫外线暴露、热循环、湿热、湿度冻结和天气循环。这
降级可能导致系统故障或
系统故障。我们认为缺陷家族
产生其中一个太阳能电池的电池被永久卡住
不健康或部分健康和完全退化，或
产生的部分退化电池电压/电流[11]。这些
故障可分为接地故障、断路
（OC）和太阳能电池中的短路（SC）故障。我们也分析忆阻器器件的状态变化行为
针对各种不健康和有缺陷的细胞。图4b
显示了电流-电压特性，表I显示了
各种电流发生器的相应数值数据
以及用于太阳能电池的相应的最大输出功率。
曲线1（15mA的太阳能电池电流发生器）表示
健康细胞的行为，并具有最大输出
功率为5.320mW。曲线2-6（太阳能电池电流发生器
对于12mA到1.765mA）显示了太阳能电池的最大输出功率的下降，被认为是
不健康的太阳能电池。曲线7表示太阳能电池电流
lmA发生器和忆阻器的开关时间
这个装置是无限的，这个电池被认为是有故障的太阳能电池
单间牢房根据表I所示的这些结果，我们得出结论
忆阻器器件的开关时间随着
太阳能电池产生的电力减少。这表明
不健康细胞的转换时间大于健康细胞
单间牢房如果太阳能电池的最大发电功率较低
超过77.8µW，忆阻器设备无法改变其
状态，并被视为故障单元。
工艺变化的不可靠传感
感知忆阻器阵列
最近的研究证明了
忆阻器件[8]。典型TiO2的结构-
如图5a[12]，[13]所示。这个
忆阻器的总电阻由
未掺杂区域的电阻Roff、TiO2和的Ron
掺杂区域TiO2_x（图第5a段）。一种物理气体
传感忆阻器具有部分覆盖的顶部端子
如图5b所示，以允许气体与
半导体层。阻力的程度和方向
变化取决于传感器中的半导体材料
以及目标气体。
在本文中，我们假设只有
忆阻器气体传感器暴露在气体中
暴露在气体中时的Ro n Eff，但没有任何变化
状态变量。Roff对应的区域不是
暴露在气体中。罗恩和罗的关系
用于还原气体的是R
�
nEff=1+ACf3和氧化时的nEff
在…上
气体IS&1nEff_-_-[8]罗恩-I+ACil
1.气体传感器型号和灵敏度：设RL和RKr
是忆阻器气体的初始和最终电阻
分别暴露于Cppm气体后的传感器。基于
在线性离子漂移模型上，RL=Ron5+Roff（1-5）
RKr=Ro n EffJ5+RoffEff（1-5）
)[8]、[14]所述。这里，D
是传感器设备的物理长度，w是
具有高浓度掺杂剂的区域。忆阻器气体
传感器也可以用非线性忆阻建模
基于[15]的行为，如RL=Ron
e
1r·（X-Xon）/（Xoff-Xon）
并且RKr＝Ro n Eff。e
AF·（X-Xon）/（Xoff-Xon）。这里，A-1＝ln（�ff），
R=
AF=ln（R�:ff（完）
)，X0n:：：；x：：：；Xoff。在本文中，我们假设
Xon=8、Xoff=D和x=D-w，即这些与
设备的物理尺寸，因此不受影响
通过气体浓度的变化。
我们定义了相对气体灵敏度，S=IR�-/L1•在
提出了优化框架，我们的目标是ke�ping S� 一
可测量的阈值。
检测太阳能电池阵列中的故障对于预防2。工艺变化和导线下的气体敏感性
系统故障。我们还研究了状态变化电阻：在理想忆阻器气体传感器中，我们假设
串联工艺参数（如w、D等）以及Ron和Roff中故障电池的忆阻器行为
四个单元的配置，如图3b所示。表II是从
显示了忆阻器在类似条件下从一个传感器切换到另一个传感器所花费的时间。然而
从高电阻状态到低电阻状态，因为由于制造的传感器的工艺变化，传感器在这种配置中的故障单元的数量。由于到传感器的精度可能会发生变化，从而导致不准确。到
故障电池的数量增加了开关的时间。为此，从传感器阵列中读取读数
设备增加。这种时间分析的装置在阵列中提高了精度[8]。我们在这篇论文中表明
有助于发现故障。这种串联配置增加了阵列中忆阻器的数量
光伏电池允许短路（SC）故障和接地故障过程变化减少。理想情况下，我们希望保留尽可能多的
在阵列中，并且可以通过阵列中的忆阻器的切换时间来找到，然而，这减少了
忆阻器器件。我们还可以发现由于导线电阻以及功率增加而导致的灵敏度故障的数量
串联配置中的单元。如果其中一个电池有开路消耗。因此，我们提出了一个优化框架
在这种配置中，电路（OC）故障，最大输出将帮助传感器设计者决定最佳数量
功率将为零，系统将出现故障。传感器阵列中的忆阻器 |
