太阳能导电浆料 国产新势力崛起

第三届太阳电池浆料与金属化技术论坛于中国常州圆满落幕,本次论坛的焦点之一在于导电浆料的发展,导电浆料(正面银浆、背面银浆、背面铝浆)是提升晶硅太阳能电池转换效率与产品更多功率输出的关键材料之一,受惠于近年来太阳能产业的蓬勃发展,浆料市场需求呈现持续成长的趋势。

导电浆料占了太阳能电池中,非硅片成本之外的五成以上,其中又以正银导电浆具有最好的产品利润,因此吸引了大量企业纷纷投入。这股旋风加速了导电浆料国产化的发展时程,再加上浆料的配方技术突破及成本优势,国产正银产品重要性与日俱增,在2016年取得了许多电池厂的认同而开始导入使用,而原先由国外杜邦、贺利氏、三星SDI和硕禾等四大厂商寡占的太阳能正银浆料市场,将会产生新的化学变化。

本次会议邀请到众多导电浆料业者与太阳能相关同业共同参与,其中国产导电浆料公司显得更为积极,希望借由此次展会的讨论与交流,提升企业品牌的知名度与信任感。本篇文章分享参与论坛后的心得与观点,并以正面银浆作为探讨的主角,针对国产化正银导电浆的未来发展提出剖析。

太阳能导电浆料 国产新势力崛起

  Source:CSI阿特斯论坛演讲报告

(1)国产正银导电浆供应商剧增:目前较知名的国产正银供应商,例如无锡帝科、苏州晶银、常州聚和、上海匡宇、杭州正银、深圳首骋、江苏欧耐尔、浙江光达…等企业,再加上正在投入开发的新兴公司至少超过了20家以上,根据资料统计2016年国产正银已达近20%的市场份额,预估在2017年国产正银将会持续成长到30%,且往后每年会维持稳定增加,预估2020年将有机会达到整体正银市场的50-60%

太阳能导电浆料 国产新势力崛起

 

太阳能导电浆料 国产新势力崛起

 

(2)正银产品配方多样化或客制化特色:由于硅晶电池效率被要求不断提升,因此陆续有新颖的生产技术推出,如两次印刷(Double-print)、双重印刷(Dual-print)、无网结网版(Knotlessscreen)、多晶黑硅(Blacksilicon)技术、多主栅(Multi-busbar)或无主栅(Busbar-free)设计,甚至下一世代的N型电池(HJT、IBC)…等,都与正面银浆的网印方式或烧结条件有密切关连,因此各家电池厂都会有独特的产品需求,如何能够迅速因应客户的工艺生产条件,进行浆料配方最适化的调整,将会是未来国产正银发展的重要挑战。

(3)降低成本与节省用量势在必行:正银浆料虽然对于电池转换效率具有重要的影响性,但是除了硅片以外,也是电池片生产所需最多的材料,超过了10%的成本比重。因为随着电池片的售价趋势逐渐下滑,所以如何降低正银的制造成本,或是配合网版或工艺技术节省生产的正银用量,会是供应商在材料研发上或是面对客户要求时的必要条件之一。

(4)正银技术专利与银粉材料开发:银粉是目前银胶制备中最为关键且技术门槛最高的原物料,目前仍以日本与美国的进口银粉品质较佳,稳定性表现较好,且银粉供应商数量仍不多,因此后续银浆若要更加普及化,国产银粉的技术成熟度和供应数量,也会是影响国产正银发展时程的要素。此外,正银浆料技术牵涉到的专利保护权或可能衍生的专利侵权保证,是台湾电池厂十分重视的技术要求,对于在台湾市场的推广会格外重要。

太阳能导电浆料 国产新势力崛起

(5)浆料企业与电池厂策略结盟:正银业者为了能够加速浆料测试与配方改良,纷纷开始与知名电池厂进行技术合作,除了可以加速电池效率与信赖度的验证时程,若浆料表现良好更能获得一线电池厂的认可,迅速提升市场的知名度,当然电池厂也有机会取得较优惠的浆料采购价格或是领先同行的供货,对于双方而言可说是双赢的一种战略模式。  


 


  

本文转自d1net(转载)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值