Evaluación de Recubrimientos de Perovskita Mediante el Uso de Inteligencia Artificial Para Mejorar la Eficiencia de Celdas Solares

Sierra Villegas, Juan Diego

Evaluación de Recubrimientos de Perovskita Mediante el Uso de Inteligencia Artificial Para Mejorar la Eficiencia de Celdas Solares

dc.contributor.advisor	González Estrada, Octavio Andrés
dc.contributor.advisor	Hernández Salazar, Cristian Andrés
dc.contributor.author	Sierra Villegas, Juan Diego
dc.contributor.evaluator	Pinto Hernández, William
dc.contributor.evaluator	Pertuz Comas, Alberto David
dc.date.accessioned	2024-05-18T15:29:38Z
dc.date.available	2024-05-18T15:29:38Z
dc.date.created	2024-05-17
dc.date.embargoEnd	2026-05-17
dc.date.issued	2024-05-17
dc.description.abstract	Las celdas solares de perovskita son de gran interés por sus propiedades fotoeléctricas. En este trabajo se entrenaron 5 diferentes modelos de aprendizaje automático (LSTM, bosques aleatorios, SVM, gradient boosting y XGBoost) en lenguaje Python con un conjunto de datos de entrada categóricos referentes a la fabricación de celdas de perovskitas, como lo son los materiales de las capas de transporte de huecos y de electrones, la perovskita fotovoltaica usada y su proceso de deposición, material contacto electrónico trasero, anti-solvente y solución precursora, para llevar a cabo tareas de regresión con la eficiencia de las celdas como variable objetivo . Luego de la evaluación de los modelos, se identificó el modelo de bosques aleatorios como el más apropiado entre los estudiados debido su capacidad de ajuste a los datos reales y su tiempo. Con este modelo se logró una caracterización satisfactoria de celdas solares de perovskita según su eficiencia de conversión energética teniendo datos de sus parámetros de fabricación, pero con resultados deficientes en la obtención de las mejores combinaciones de parámetros para maximizar dicha eficiencia. Se aconseja llevar a cabo nuevos estudios con diferentes enfoques para obtener modelos capaces de cumplir con esta tarea de forma eficaz.
dc.description.abstractenglish	Perovskite solar cells are of great interest nowadays due to their photoelectric properties. In this work, five different machine learning models (LSTM, random forests, SVM, gradient boosting and XGBoost) were trained in Python language with a set of categorical input data concerning the manufacture of perovskite cells, such as the electron and hole transport layer materials, the photovoltaic perovskite used and its deposition process, electronic back contact material, anti-solvent, and precursor solution, in order to perform regression tasks with cell efficiency as the target variable. After evaluating the different models, the random forest model was identified as the most appropriate among those studied due to its ability to fit the real data and its run time. With this model, a satisfactory characterisation of perovskite solar cells according to their energy conversion efficiency was achieved using data on their manufacturing parameters, but with poor results in obtaining the best combinations of said parameters to maximise this efficiency. It is advisable to conduct further studies with different approaches to obtain models capable of fulfilling this task efficiently.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Mecánico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/42437
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Mecánica
dc.publisher.school	Escuela de Ingeniería Mecánica
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Perovskita
dc.subject	inteligencia artificial
dc.subject	machine learning
dc.subject	celdas solares
dc.subject	eficiencia
dc.subject.keyword	Perovskite
dc.subject.keyword	artificial intelligence
dc.subject.keyword	machine learning
dc.subject.keyword	solar cells
dc.subject.keyword	efficiency
dc.title	Evaluación de Recubrimientos de Perovskita Mediante el Uso de Inteligencia Artificial Para Mejorar la Eficiencia de Celdas Solares
dc.title.english	Evaluation of Perovskite Coatings Using Artificial Intelligence to Improve the Efficiency of Solar Cells
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado