买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西理工大学南昌校区申请的专利铜铟镓硒太阳能电池全流程工艺的性能预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121687253B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610200122.8，技术领域涉及：G16C20/10；该发明授权铜铟镓硒太阳能电池全流程工艺的性能预测方法及系统是由崔佳鑫;孙鑫奕;鄂殿玉;徐业祥;李昌昊;张雨浩设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本铜铟镓硒太阳能电池全流程工艺的性能预测方法及系统在说明书摘要公布了：本发明提出一种铜铟镓硒太阳能电池全流程工艺的性能预测方法及系统，该方法包括：获取涵盖完整器件结构与制备工艺的实验数据，并通过数据清洗、标准化及特征相关性分析剔除冗余特征，引入SHAP博弈论方法解析模型，量化工艺参数对光伏性能的边际贡献度；最终利用平行坐标技术确定高效率器件的参数收敛区间，输出性能预测值。本发明有效解决了铜铟镓硒太阳能混合异构数据的建模难题，通过物理约束确保预测结果符合器件物理规律，揭示了复杂工艺参数间的权衡效应，为高效电池制备提供了明确的参数指导，大幅降低了试错成本。

本发明授权铜铟镓硒太阳能电池全流程工艺的性能预测方法及系统在权利要求书中公布了：1.一种铜铟镓硒太阳能电池全流程工艺的性能预测方法，其特征在于，所述方法包括如下步骤： 步骤1、获取铜铟镓硒太阳能电池的实验数据，并进行数据清洗与标准化处理，以得到标准数据集； 步骤2、基于铜铟镓硒太阳能电池的器件物理原理，从标准数据集中的制备工艺参数计算得到物理派生特征集，将物理派生特征与制备工艺参数进行融合，以构建得到物理增强特征矩阵； 步骤3、分析物理增强特征矩阵中各特征之间的相关性，以剔除存在多重共线性的冗余特征，并识别数值型特征与类别型特征，以构建得到混合特征输入矩阵；将基于混合特征输入矩阵的数据集划分为训练集和测试集； 步骤4、构建基于分类提升树模型的预测模型；利用训练集对预测模型进行训练，并采用物理约束引导的损失函数进行优化，以得到训练后的预测模型； 步骤5、引入基于博弈论的可解释性分析方法对训练后的预测模型进行解析，以得到各工艺参数对光伏性能指标的边际贡献度； 步骤6、基于边际贡献度筛选关键工艺参数，并利用平行坐标可视化技术将高光伏性能样本在关键工艺参数轴上的分布轨迹进行映射，以识别样本轨迹的密集收束区域；将样本轨迹的密集收束区域确定为最优工艺参数收敛区间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西理工大学南昌校区，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街1180号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。