universidad politÉcnica de madrid - oa.upm.esoa.upm.es/8223/1/mama_haouari-merbah.pdf · en el...
TRANSCRIPT
UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN
TESIS DOCTORAL
NUEVOS PROCEDIMIENTOS DE ANÁLISIS DE LOS DATOS CORRIENTE-TENSIÓN DE ILUMINACIÓN Y DE
OSCURIDAD PARA LA CARACTERIZACIÓN DE CÉLULAS SOLARES
Mama HAOUARI-MERBAH Licenciada en Ciencias Físicas
2011
UNIVERSIDAD POLITÉCNICA DE MADRID
Instituto de Energía Solar
Departamento de Electrónica Física
Escuela Técnica Superior de Ingenieros de Telecomunicación
TESIS DOCTORAL
Nuevos procedimientos de análisis de los datos corriente-tensión de iluminación y de oscuridad para
la caracterización de células solares
AUTORA: Mama HAOUARI-MERBAH Licenciada en Ciencias Físicas
DIRECTORES: José María Ruiz Pérez
Doctor en Ciencias Físicas Ignacio Tobías Galicia
Doctor Ingeniero de Telecomunicación
2011
Tribunal nombrado por el Magfco. Y Excmo. Sr. Rector de la Universidad Politécnica de Madrid. PRESIDENTE: VOCALES: SECRETARIO: SUPLENTES:
Realizado el acto de defensa y lectura de la Tesis en Madrid, el día ___ de _____ de 200__.
Calificación: EL PRESIDENTE LOS VOCALES EL SECRETARIO
ÍNDICE GENERAL Resumen…………………………………………………………………… ...... i Summary…………………………………………………………………… ..... v Lista de símbolos……………………………………..…………………… ...... ix Capítulo 1 1.1 Introducción .................................................................................................. 3 1.2 Objetivos de la tesis ...................................................................................... 5 1.3 Plan de la tesis ............................................................................................... 5 1.4 Estado del arte ............................................................................................... 7 Capítulo 2. Aspectos generales del ajuste por mínimos cuadrados 2.1 Introducción .................................................................................................. 17 2.2. Planteamiento general del problema ............................................................ 17 2.3. Criterios de ajuste. Ajuste por mínimos cuadrados ..................................... 18
2.3.1. Las desviaciones medidas sobre la normal a la curva modelo ............. 21 2.3.2. El error estándar del ajuste ................................................................... 24
2.4. Ajuste por mínimos cuadrados en el caso lineal .......................................... 26 2.5. Ajuste no lineal. Tratamiento matricial iterativo ......................................... 28 2.6. Matriz dinámica del sistema ........................................................................ 29 2.7. Matriz estática .............................................................................................. 32 2.8. Resolución mediante proceso iterativo. El problema de la convergencia ... 33
2.8.1 Convergencia y no convergencia .......................................................... 33 2.8.2 Soluciones a la no convergencia ........................................................... 35
2.9. Propiedades de M (y M-1) ............................................................................. 37 2.9.1. Relación entre menores principales de orden menor o igual que dos de M y M-1. Obtención por partición……………… ................................. 37 2.9.2 Elementos diagonales: menores principales de orden 1 ........................ 39
2.9.2.1. Significado en la matriz M dinámica ....................................... 40 2.9.2.2. Significado en la matriz M estática ......................................... 40 2.9.2.3. Significado de un elemento diagonal de la matriz M-1 estática 41
2.9.3 Elementos no diagonales, menor principal de orden 2 ......................... 43 2.9.4 Matrices “normalizadas” o de correlación ............................................ 46
2.9.4.1 Definición ................................................................................. 46 2.9.4.2 Cálculo de matrices................................................................... 47
2.10. Cálculo de la incertidumbre ....................................................................... 49 2.11. Conclusiones .............................................................................................. 52 Capítulo 3. Ajuste de curvas I-V de iluminación:
3.1. Introducción ................................................................................................. 57 3.2. El modelo de la célula solar en iluminación ................................................ 59
3.2.1. Modelos eléctricos de la célula iluminada. Definiciones de parámetros 59
3.2.2. El modelo convencional de una célula en iluminación ........................ 61 3.2.3. El modelo de dos exponenciales en iluminación ................................. 62 3.2.4. Rangos de validez física de los parámetros sin normalizar.................. 63 3.2.5. Normalización de variables y parámetros ............................................ 63 3.2.6. Definición del modelo normalizado de dos exponenciales .................. 64 3.2.7 Rangos de validez física de los parámetros normalizados .................... 66
3.3. Mínimos cuadrados basados en la distancia ortogonal ................................ 67 3. 4 Desarrollo del procedimiento de ajuste ....................................................... 70
3.4.1 Juego de parámetros iniciales. División en zonas ................................. 70 3.4.2 Resolución del sistema matricial (obtención de Δpl) ............................ 73
3.5. Ejemplo de ajuste ......................................................................................... 77 3.5.1 Cálculo de los elementos de la matriz con derivadas completas .......... 78 3.5.2 Cálculo de los elementos de la matriz con derivadas aproximadas ...... 87 3.5.3. Ajuste con el modelo de una exponencial ............................................ 88
3.6. Otros Resultados y Ejemplos ....................................................................... 90 3.6.1. Resultados ............................................................................................ 90 3.6.2. Comentarios ......................................................................................... 100
3.7.Conclusión .................................................................................................... 106 Capítulo 4. Criterios de ajuste 4.1. Introducción ................................................................................................. 109 4.2. Relaciones de correspondencia experimento-modelo y expresiones
de la desviación ............................................................................................ 110 4.2.1. Introducción ......................................................................................... 110 4.2.2 Desviación sólo en corriente ................................................................. 111 4.2.3 Desviación combinada por tramos ........................................................ 114 4.2.4 Distancia sobre la normal a la curva modelo ........................................ 116
4.3. Ejemplo de resultados con distintos criterios de ajuste ............................... 117 4.3.1 Resultados ............................................................................................. 117 4.3.2 Comentarios .......................................................................................... 120
4.4. Conclusiones ................................................................................................ 122 Capítulo 5. Ajuste de curvas I-V de oscuridad 5.1. Introducción ................................................................................................. 125 5.2 Modelo normalizado de dos exponenciales .................................................. 127 5.3. El criterio ortogonal en representación logarítmico-lineal .......................... 128 5.4 Desarrollo del procedimiento de ajuste ........................................................ 132
5.4.1 Expresiones para el ajuste inicial .......................................................... 134 5.4.2 Expresiones para el ajuste por mínima distancia ortogonal.
Proceso iterativo ................................................................................... 135 5.5 Aplicación del método iterativo .................................................................... 136 5.6. Otros Resultados y Ejemplos ....................................................................... 149
5.6.1. Resultados ............................................................................................ 149 5.6.2. Comentarios ......................................................................................... 156 5.6.3. Comparación de una célula , Cz, en iluminación y en oscuridad ......... 157
5.7. Conclusiones ................................................................................................ 161
Capítulo 6. Conclusiones Conclusiones ....................................................................................................... 167 Anejos Anejo 1
A1. Derivadas paramétricas de la desviación ortogonal en el caso de iluminación ................................................................................................ 175
Anejo 2
A2. Derivadas paramétricas de la desviación ortogonal en el caso de oscuridad ...................................................................................................... 183
Anejo 3 A3.1.Intoducción ................................................................................................ 189 A3.2.Incertidumbres de relaciones funcionales de parámetros .......................... 189 A3.3 Calculo de incertidumbre en caso de iluminación ..................................... 192 A3.4 Calculo de incertidumbre en caso de oscuridad ......................................... 194 Bibliografía ........................................................................ 199 Publicaciones ...................................................................... 209
i
Resumen
El trabajo de la tesis está dedicado al desarrollo de nuevos procedimientos de
caracterización de células y generadores solares. Se procede a ajustar datos
experimentales a curvas calculadas con el fin de extraer los parámetros que mejor
representen el comportamiento del dispositivo de acuerdo con el modelo preestablecido,
determinar sus errores estándar y medir la bondad del ajuste.
En el Capítulo 1 se introduce el tema de los ajustes paramétricos de características de
corriente-tensión de células solares: su filosofía y objetivos, métodos y dificultades son
presentados en el estado de arte. También se introducen las ecuaciones de los modelos
de generadores fotovoltaicos: con una y dos exponenciales, sin y con resistencias,
explícitos e implícitos, con coeficientes de idealidad fijos o variables.
En el Capítulo 2 se presenta el ajuste por mínimos cuadrados, que en el caso que nos
ocupa consiste en la minimización de la distancia cuadrática entre la característica I-V
experimental y la curva calculada de células solares en los casos de iluminación y de
oscuridad. Para ello se ha desarrollado un procedimiento iterativo cuyos aspectos
matemáticos se describen en este capítulo. Los resultados de este capítulo constituyen la
herramienta principal para abordar las diferentes situaciones contempladas a lo largo de
la tesis.
Definido el error estándar del ajuste de forma que caracterice adecuadamente la
distancia media entre la curva y los puntos experimentales, se busca el conjunto de
parámetros que lo hace lo más pequeño posible. Este error estándar del ajuste se
compone con las contribuciones de los errores o desviaciones individuales de cada
punto experimental respecto a la curva teórica. Se trata de un problema de minimización
con funciones implícitas y no lineales que se aborda con un proceso iterativo basado en
el método de Newton, en cada paso del cual se resuelve un sistema de ecuaciones
lineales expresado en forma matricial. Aquí se estudian las propiedades de las matrices
de los sistemas y su repercusión en la estabilidad del proceso. Estas matrices, junto con
el error del ajuste, también contienen la información sobre los errores estándar, o
incertidumbres, que afectan a los parámetros extraídos. A partir de ellas se deriva la
matriz de covarianzas.
ii
Se describe en este capítulo el criterio de la distancia ortogonal (RDO) a la curva
modelo. Este criterio parece el más adecuado en todas las situaciones, aunque debido a
su compleja formulación frecuentemente se prefiera usar criterios basados en la
distancia vertical.
En el Capítulo 3 se expone y aplica el método para el caso de las características
corriente – tensión de iluminación. Se trabaja con parámetros normalizados. Como
ilustración, se ajustan y extraen los parámetros físicos para varios dispositivos de
diversos tamaños y tecnologías de fabricación.
Se describe en este capítulo una aproximación a la distancia ortogonal que puede ser
aplicada a características representadas en coordenadas lineales. Se han derivado
expresiones aproximadas para el cálculo de las desviaciones con lo que se supera la
principal desventaja del criterio de la distancia ortogonal que es la dificultad de su
implementación. Esas aproximaciones consisten en asignar un peso w a la desviación en
cada punto, dependiendo de la pendiente de la curva. Esta formulación incluye el
criterio de distancia vertical, que correspondería a un peso siempre igual a uno. Todo
esto aligera la escritura del formalismo matemático. Se encuentra que el método basado
en esta aproximación funciona muy bien en la determinación del conjunto de cinco
parámetros que minimizan la distancia ortogonal. La convergencia del proceso iterativo
es rápida.
La matriz de covarianzas se usa como fuente de información sobre el desarrollo del
proceso iterativo y sus posibles problemas de convergencia, así como sobre los errores
estándar (incertidumbres) y las correlaciones entre los parámetros.
En el Capítulo 4 se han presentado diferentes criterios para calcular el error estándar del
ajuste, compararlos y justificar la elección de uno de ellos. Se comparan tres criterios: el
más usado por su simplicidad, el de la distancia vertical, un criterio combinado por
tramos que es una primera aproximación al de la distancia ortogonal y, por fin, este
último en su versión simplificada. El criterio de la distancia ortogonal se revela como el
más apropiado porque conduce a los errores de ajuste más bajos y no tiene especiales
dificultades de aplicación, además de tener en cuenta todos los posibles errores
experimentales, sean de corriente o de tensión.
iii
En el Capítulo 5 se aplica el procedimiento a la extracción de cuatro, cinco o seis
parámetros de la célula solar a partir de medidas de la característica I-V de oscuridad.
En primer lugar, el criterio RDO se ha adaptado a características representadas en
coordenadas semi-logarítmicas.
El método se ha estructurado usando el modelo de una y dos exponenciales con factores
de idealidad fijos o variables, de forma que se van obteniendo parámetros significativos
asegurando lo más posible la estabilidad del proceso. Se encuentra que debido a las
fuertes correlaciones entre parámetros es muy difícil extraer seis de ellos mediante
minimización del error.
El juego de parámetros con el que iniciar el proceso iterativo es muy importante pues
puede llevarlo a regiones alejadas del óptimo. Aquí, como en el Capítulo 3, se ha
utilizado un método para su obtención, basado en ajustes parciales y en tramos
restringidos, que se ha revelado muy efectivo.
La tesis concluye con los resultados más relevantes y la perspectiva de trabajos futuros.
v
Summary
In this Doctoral Thesis new procedures to characterize solar cells and solar generators
are developed. We proceed to fit experimental current-voltage data to calculated curves
in order to extract the parameters which best represent the behavior of the device
according with the assumed model, to define their standard errors and to quantify the
goodness-of-fit.
In Chapter 1 we introduce the problem of parametric fitting of current-voltage
characteristics of solar cells: its rationale and objective, methods and difficulties are
presented in the state of the art. The analytic models of solar cells and photovoltaic
generators to be used in the Thesis are also presented. These models are explicit or
implicit and feature one or two exponentials, with and without parasitic resistances, and
with fixed or variable ideality diode coefficients.
In Chapter 2 we present least squares fitting, applied in our case to the minimization of
the distance between the experimental characteristic IV and the calculated curve of solar
cells, in the illuminated and dark cases. For this we have developed an iterative
procedure whose mathematical features are described here. The results of this chapter
are the main tool to address the different situations found during the Thesis work.
The standard fitting error characterizes the average distance between the theoretical
curve and the experimental points, and the procedure consists in the search for the set of
parameters that makes it as small as possible. The error is composed with the individual
measurement errors or deviations for each experimental point with reference to the
theoretical curve. An implicit, non linear minimization problem is posed that is
addressed by means of a matrix iterative process based on Newton’s method of solution
for non-linear equations, each step of which consists in the solution of a system of linear
equations. In this chapter we study the properties of the system matrices and their
importance on the process stability. These matrices, together with the standard fitting
error, contain important information about the standard errors, or uncertainties, of
extracted parameters. From them the covariance matrix is derived.
vi
In this chapter the Orthogonal Distance Regression (ODR) criterion is described. This
criterion seems the best choice in different situations, but due to its complex formulation
it is often preferred to use a criterion based on the vertical distance.
In Chapter 3 the procedure is applied to illuminated current – voltage characteristics,
working with normalized parameters. Several application examples are given where
physical parameters are extracted from fitting for a variety of solar cell sizes and
manufacture technologies.
We describe in the same chapter an approximation to the orthogonal distance regression
which can be applied when the characteristics are plotted in linear coordinates. The
approximate expressions are explicit and hence the main drawback of ODR, its difficult
implementation, is overcome. The approximations can be shown equivalent to assign a
weight w to the deviation at each point that depends on the slope of the curve. The
formulation includes the vertical distance criterion if this weight is always unity. The
mathematical formalism becomes very simple. With this approximation, the iterative
process converges quickly and satisfactory results are obtained. The procedure based on
these approximations is very efficient at determining the five parameter set that
minimizes the orthogonal distance. The convergence of the process is fast.
The co-variance matrix is used as a source of information about the progress of the
iterative process and its possible convergence problems, as well as about the
uncertainties of the parameters and the correlations existing among them.
In Chapter 4 different criteria are presented that are used to calculate the standard fitting
error in order to compare them and justify the choice of one of them. We have compared
three criteria: the vertical distance, which is the most widely used for its simplicity; a
piecewise combined horizontal-vertical distance, that is a first approximation to the
orthogonal distance, and finally this one in its simplified version. The orthogonal
distance criterion is revealed as the most appropriate because – in the simplified version
– has no implementation difficulties while it takes into account both current and voltage
experimental errors and produces the lowest fitting errors.
In Chapter 5 we apply the procedure to extract four, five or six solar cell parameters
from dark current-voltage characteristics fitting. First, the orthogonal distance criterion
is adapted to the semi-logarithmic case.
vii
The method is structured using the one and two-exponential models with variable or
fixed ideality factors, so that more significant parameters are progressively obtained,
starting with four, while ensuring the stability of the process. It is generally very
difficult to extract six parameters by minimizing the error because of the strong
parameter correlations.
The initial parameter set with which the iterative process starts is very important
because it can drive the process to regions very far from the true optimum. Here, as in
Chapter 3, we obtain an initial set with a method based on partial fitting of limited I-V
regions which has proved very effective.
This thesis concludes with the most relevant results and the prospect of future work.
ix
Lista de símbolos
Añadidos a otros símbolos:
i (subíndice): i = 1,…,nd .Indicador de un valor genérico de entre un conjunto de
valores que se corresponden con nd datos, puntos o resultados
experimentales.
Ejemplo: Hi: valor de la función H en el punto i-ésimo (asociado al
resultado experimental i-ésimo)
j, k (subíndices): j, k = 1,…,np. Indicadores de valores asociados a uno de entre np
parámetros ordenados.
Ejemplos: Sj: valor de la magnitud S asociada al parámetro j-
ésimo. Uk,i: valor de la función Uk (parámetro k-ésimo) en el
punto i-ésimo (asociado al resultado experimental i-ésimo
0 (subíndice): Indicador de valor asociado a un conjunto inicial de parámetros,
pj0. Ejemplo: Hi,0: valor i-ésimo de la función H0 = H (pj0)
)( : Valor medio de los asociados al conjunto de datos.
Ejemplos: ∑∑==
⋅=⋅=dd n
iiki
dk
n
ii
d
UHn
UHHn
H1
,1
1;1
)(;)( : Vector de np componentes en fila (“bra”); en columna (“ket”)
Ejemplos: i
US ; : valores Sj dispuestos en un vector fila; Uj,i en un
vector columna (j = 1,…,np)
Símbolos en orden alfabético (primero romano, después griego)
c1, c2: Parámetro normalizado deducido de I01, I02.
DM : Vector cuyas componentes son los elementos de la diagonal principal de la
matriz M
x
( )kMD
Componente k-ésima del vector DM
E1, E2: Abreviatura para el valor genérico de la primera, segunda exponencial de
un modelo con dos exponenciales
E1SC, E2SC: Valor de E1, E2 en cortocircuito.
e: Carga (absoluta) del electrón. (1,602.10-19 C)
F, F(x,y,pj): Expresión matemática de un modelo físico para la magnitud
experimental y(x), con np parámetros pj
Fa: Valor (calculado) de la función modelo F correspondiente al punto Pa. En
representaciones semilogarítmicas (v-lni) Fa es lnia e ia el valor calculado de
corriente normalizada.
Fc: Valor (calculado) de F en un punto Pc que se corresponde, mediante algún
criterio definido, con otro experimental Pe.
fj, fk: Funciones básicas (componentes de F ) del sistema matricial (j, k: 1,…,np)
F’: Función derivada de F respecto de la variable combinada x’ (o v’)
F’p: Función derivada de F respecto del parámetro p (p = ISC, rS,…)
F’a, F'x’a, F'v’a: Valor de F’ en el punto Pa.
f’j, f’k: Derivadas de funciones básicas respecto de la variable combinada v’
(j, k: 1,…,np)
f’p: Función derivada de f respecto del parámetro p (p = ISC, rS,…)
f’’p: Función derivada de f’ respecto del parámetro p
xi
G, G(y,x,pj): Expresión matemática de un modelo físico para la magnitud
experimental x(y), con np parámetros pj
GP: Conductancia en paralelo (= 1/RP).
gP: Conductancia en paralelo normalizada.
I: Corriente del dispositivo.
Ic , Ical: Valor de corriente calculado
Ie , Iexp , Imed : Valor de corriente experimental, medido.
IL: Corriente generada por la iluminación. Fotocorriente.
IM: Valor de normalización para corrientes en oscuridad. Típicamente será
próximo al valor máximo trasladable al plano gráfico.
Iqxq , Irxr: Matrices (cuadradas) unidad de orden q, r
ISC: Corriente de cortocircuito.
I0: Corriente inversa de saturación de un diodo (modelo de Shockley).
I01, I02: Corrientes inversas de saturación de los diodos con factores de idealidad
m1 y m2, respectivamente.
I-V: Referido a pares de valores de corriente y tensión representados
gráficamente en forma de puntos discretos o de curva continua
i: indicador genérico asociado a un dato experimental de un conjunto ordenado de
ellos hasta el número nd
xii
i, ic: corriente normalizada, calculada (mediante modelo).
ia, ie: Valor de i (corriente) correspondiente al punto Pa, Pe (experimental)
iL: Fotocorriente normalizada.
i01 , i02: Corrientes inversas de saturación normalizadas.
j, k: Indicador genérico asociado a un parámetro de un conjunto ordenado de
ellos hasta el número np.
k: Constante de Boltzmann (1,381.10-23 J.K-1)
k1, k2; kOC1, kOC2: Parámetros normalizados de tensión, de primera y segunda
exponencial, inversamente proporcionales al respectivo coeficiente de
idealidad (VM/mVt en oscuridad, VOC/mVt en iluminación).
Ln: Factor de normalización del eje logarítmico y en el caso de oscuridad
M, M : Matriz del sistema.
MN : Matriz normalizada del sistema
MC, 1−NM : Matriz de correlaciones
Mk,j: Elemento k,j (fila k, columna j) de la matriz M.
M11, M12, M21, M22: Matrices procedentes de una partición de M
MI, M-1 1−M : Matriz inversa de M. Salvo un factor, matriz de error o matriz de
covarianzas.
MI11, MI12, MI21, MI22: Matrices procedentes de una partición de M-1
xiii
m: Factor o coeficiente de idealidad, único en un modelo de una exponencial
m1 , m2: Factores de idealidad en un modelo de dos exponenciales. Por convenio:
m2 > m1
nd: Número de datos (pares I-V) experimentales.
np: Número de parámetros.
Pe: Punto experimental genérico
Pa: Punto perteneciente a una curva modelo, próximo a Pn y obtenido mediante
una relación simple de correspondencia con Pe.
Pn: Punto perteneciente a una curva modelo y a la recta normal a ella que pasa por
el experimental, Pe
pj: Parámetro genérico, j-ésimo de un conjunto de np parámetros.
pj: Conjunto genérico de parámetros que deben ser optimizados
pj0: Conjunto de valores iniciales de los parámetros
pjMC: Conjunto de valores de parámetros optimizados según un criterio de
mínimos cuadrados
q, r: Indicadores complementarios (q+r = np) de las particiones de M o MI
RMS: (root mean squares, raíz de la media de los cuadrados). Salvo un factor
próximo a 1, error estándar del ajuste.
RO: Resistencia dinámica (dV/dI) en circuito abierto. Permite obtener la resistencia
en serie (RS) descontando la resistencia interna o intrínseca (mVt/ISC).
xiv
RP: Resistencia en paralelo. Habitualmente representada mediante su
(conductancia) inversa, GP.
RS: Resistencia en serie.
r: Parámetro genérico del desplazamiento x-x’ (de resistencia para v-v’)
rS: Resistencia en serie normalizada.
s: Raíz cuadrada de s2. Equivale a RMS.
s2: Varianza del ajuste. Desviación cuadrática media (valor medio de los
cuadrados de las desviaciones).
s2min: Mínima desviación cuadrática media. Condición de ajuste óptimo.
T : Vector término independiente del sistema matricial.
Tk: Componente k-ésima del vector T
TN: Vector término independiente normalizado
T: Temperatura (absoluta, en grados K) de funcionamiento del dispositivo.
V: Tensión del dispositivo.
Vc , Vcal: Valor de tensión calculado
Ve , Vexp , Vmed : Valor de tensión experimental, medido.
VM : Valor de normalización para tensiones en oscuridad. Típicamente será
próximo al valor máximo trasladable al plano gráfico.
xv
VOC: Tensión de circuito abierto.
Vt: Tensión térmica, kT/e
V': Tensión corregida. Desplazada respecto de V en una caída óhmica (RSI).
v: Tensión normalizada.
vc: Tensión calculada normalizada.
v' tensión corregida normalizada.
w, wi: Peso, peso local i-ésimo, aplicable a cada desviación vertical (en el plano
x’-y) para convertirla a su correspondiente ortogonal aproximada.
x, y: Designaciones genéricas de las magnitudes que, en un gráfico, se
representan, respectivamente, sobre el eje horizontal (de abscisas) y vertical
(de ordenadas)
xa, ya; Coordenadas del punto Pa
xc, yc; Coordenadas de un punto genérico sobre una característica x-y modelada
(calculada).
xe, ye; Coordenadas de un punto genérico experimental, Pe.
xi, yi; xie, yie: Coordenadas del punto gráfico i-ésimo, representativo de una
característica x-y experimental.
xic, yic: Coordenadas del punto sobre una característica modelada que se
corresponde, mediante algún criterio preestablecido con el punto
experimental i-ésimo.
xvi
x': Variable paramétrica. Consistente en la variable x modificada por una
componente lineal con y (x’ = x ± r·y)
x’a, x’e: Valores de la variable paramétrica x’ correspondientes a los puntos Pa, Pe.
y, ya, yc, ye: Coordenada sobre el eje vertical del punto correspondiente: genérico,
Pa, Pc (calculado), Pe (experimental). En representaciones semi-logarítmicas (v-
lni) y es lni e i el valor experimental o calculado de corriente normalizada
α : Ángulo, respecto de la horizontal, de la recta tangente a una curva en el punto
Pa.
β : Ángulo, respecto de la vertical, de inclinación del segmento Pa-Pe
pΔ : Vector de parámetros incrementales
δa, δai: Aproximación de δn. particularizada al punto i-ésimo. Equivalente al
módulo, con signo, de εO.
δn: Distancia normal de un punto Pe a una curva modelo (distancia Pe-Pn)
ε: Vector desviación de un punto experimental, Pe, respecto de su
correspondiente, Pa, de la curva modelo.
εO: Vector del plano x-y representante de la desviación ortogonal (normal,
aproximado) de un punto experimental, Pe, respecto de la característica I-V
ajustada.
ε, εi: Desviación, respecto de la curva ajustada, de un punto experimental
genérico, particularizada al punto i-ésimo (módulo de ε y signo).
xvii
εx, εy; εxi, εyi: Componentes del vector desviación ε, particularizadas al punto i-
ésimo.
2ε : Desviación cuadrática media (= s2 = RMS2)
φ: Función genérica de un modelo expresado en la forma: φ(x,y,pj)=0.
χ2: Chi-cuadrado, función de error: suma cuadrática de desviaciones normalizadas
respecto de las desviaciones estándar locales.
λ : Coeficiente reductor del vector incremental pΔ utilizado para resolver
problemas de convergencia.
σi: Desviación estándar del dato experimental i-ésimo (yi).
σ(pj): Error estándar del parámetro pj.
σ(pj)/pj: Error relativo del parámetro pj. Habitualmente se expresará en porcentaje.
σy: Desviación estándar del ajuste.
2
jpσ : Varianza estándar del parámetro pj
2yσ : Varianza estándar del ajuste.
CAPÍTULO 1
INTRODUCCIÓN Y OBJETIVOS
Capitulo 1: Introducción y objetivos 1.1.Introducción
3
1.1 Introducción
“El sol, base de la vida y origen de todas las demás formas de energía utilizadas por el
hombre, es en sí mismo una fuente inagotable de energía. La tierra recibe del sol cada
día muchísima más energía que la que consume. Es nuestra responsabilidad usarla y
liberarnos de la dependencia de los combustibles fósiles que además de ser limitados,
contaminan el medio ambiente y causan problemas de estabilidad política en el tercer
mundo.” [Lor06].
Con la toma de conciencia sobre el cambio climático, se prevé que el uso de las energías
renovables adquiera un papel importante. Entre ellas, destaca la conversión fotovoltaica
por la que la energía solar se transforma en energía eléctrica mediante un dispositivo
electrónico llamado “célula solar”.
En los últimos años, gracias a los estímulos gubernamentales en ciertos países, ha
aumentado espectacularmente la capacidad de producción de sistemas fotovoltaicos y la
potencia instalada. Esto ha propiciado un descenso de los costes de generación de
electricidad que, no obstante, están aún lejos de los medios convencionales.
Cuando la luz del sol incide sobre las células solares, los fotones de la radiación
transmiten su energía al substrato semiconductor, provocando un movimiento de los
electrones y huecos en direcciones opuestas que genera una corriente eléctrica en el
semiconductor capaz de circular por un circuito externo para realizar un trabajo.
Para explicar el funcionamiento de la célula solar se utilizan diferentes modelos físico-
matemáticos que permiten relacionar la corriente, la tensión y otras variables de
funcionamiento como la iluminación y la temperatura, y predecir su comportamiento en
condiciones determinadas. Estos modelos contienen varios parámetros propios de cada
célula que dependen de su diseño y su proceso de fabricación. Si se conocen los
parámetros para un conjunto de dispositivos fabricados, el estudio de su variación
permitirá orientar la tecnología hacia unos resultados óptimos. De este modo, un exacto
conocimiento de los parámetros de la célula solar es de una extrema importancia para el
diseño y el control de calidad tanto de células solares como de generadores más
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
4
complejos (módulos, paneles, ramas, etc) y para estimar su comportamiento en
condiciones de operación.
El proceso de extracción de parámetros, objeto de este trabajo, consiste en la
determinación de los valores de los parámetros de un modelo de célula a partir de
medidas realizadas sobre ella. Muchos autores han desarrollado numerosos métodos
para la caracterización de células solares a partir de mediciones que permiten averiguar
el valor de los parámetros del modelo utilizado. Entre todos los métodos, los más
importantes y extendidos se basan en la curva I-V que representa el comportamiento
eléctrico de la célula y es fácilmente obtenible; se registra rutinariamente para células y
módulos en la fábrica para control de calidad y clasificación.
Por último, hay que recalcar que un procedimiento de extracción de parámetros debe
incluir i) la extracción de los valores de los parámetros propiamente dichos, ii) un
análisis de los errores que afectan a estos parámetros y, por último, iii) la cuantificación
de la bondad del ajuste dando el error estándar del mismo. Muchas veces, se ven
publicados estudios que se limitan al punto i), lo que para nosotros carece de valor.
En este entorno, pueden señalarse tres líneas de interés para el sector fotovoltaico a lo
largo de las cuales el trabajo desarrollado en la presente tesis puede presentar utilidad:
1.- La investigación para el aumento de eficiencia o la simplificación de procesos de
fabricación de las células solares. La caracterización permite identificar los fenómenos
que limitan el rendimiento y poner en práctica las mejoras correspondientes. Es una
actividad principal del Instituto de Energía Solar, incluyendo células de silicio, de
compuestos III-V y nuevas tecnologías.
2.- El control de procesos en fabricación. Con el aumento de la productividad de las
líneas, hay una clara ventaja en disponer de una herramienta rápida de análisis de las
curvas de las células o módulos que permita señalar posibles incidencias.
3.- El análisis de los sistemas fotovoltaicos. La curva I-V de un generador fotovoltaico,
formalmente igual que la de una célula, contiene la información que puede utilizarse,
Capitulo 1: Introducción y objetivos 1.2.Objetivos de la tesis
5
mediante la extracción de parámetros de un modelo, para calcular su productividad a lo
largo de un periodo determinado y en una localización concreta.
1.2 Objetivos de la tesis
El objetivo del trabajo propuesto consiste en el desarrollo de nuevos métodos de
extracción de parámetros a partir de la característica I-V de células solares, tanto de
iluminación como de oscuridad. Esto consiste en:
• Estudio del problema matemático del ajuste aplicado a las curvas I-V. Se abordan los
problemas generales de los ajustes no-lineales: la definición del error del ajuste, el
análisis de la convergencia del proceso iterativo y la significación estadística de los
parámetros extraídos, y su aplicación al caso de los modelos de curvas I-V de
iluminación y oscuridad para encontrar su expresión más adecuada.
• Desarrollo de herramientas informáticas. Se buscarán estrategias de optimización
robustas y que permitan no sólo obtener un conjunto de parámetros que proporcionen
buen acuerdo con las medidas, sino también una caracterización completa en términos
de error y fiabilidad. En su implementación como herramienta informática se perseguirá
la facilidad de uso y la flexibilidad, pues el objetivo es que pueda servir a los diferentes
grupos del Instituto de Energía Solar y otros.
• Validación del procedimiento. Mediante pruebas en células solares de diferentes
tecnologías se verificará la generalidad de los modelos y estrategias de ajuste y se
plantearán sus posibles extensiones.
Para conseguir estos objetivos se desarrolla la tesis según el plan que sigue.
1.3 Plan de la tesis
Capítulo 1: Se presenta el estado del arte tras los objetivos y el plan de la tesis.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
6
Capítulo 2: Se introduce el procedimiento matemático que se usa durante todo el
trabajo de la tesis. Tras presentar el problema del ajuste por mínimos cuadrados con
ecuaciones lineales y no-lineales, se define la matriz de covarianzas y otros indicadores
estadísticos de importancia. A continuación se definen los errores estándar de los
parámetros a extraer, precisándose las expresiones para su obtención. Por último, se
deriva una forma sencilla y explícita para el cálculo aproximado de las desviaciones
ortogonales en el caso de una función general.
Capítulo 3: En este capítulo se aplican los conceptos anteriores al ajuste de
características I-V de iluminación con factores de idealidad fijos minimizando la
distancia ortogonal. El proceso iterativo para la extracción de los cinco parámetros del
modelo resulta ser simple y de convergencia rápida y segura en una variedad de casos
estudiados correspondientes a células solares de diferentes tecnologías y diferentes
materiales.
Capítulo 4: Se presentan y comparan en este capítulo diferentes definiciones del error
del ajuste: error en corriente, error combinado en corriente y en tensión y distancia
gráfica ortogonal (normalizada). Estudiando su aplicación a una curva I-V de
iluminación, se ilustran sus diferentes méritos e inconvenientes, usando los métodos de
cálculo del capítulo 3.
Capítulo 5: Se ajustan características I-V de oscuridad que, en principio, contienen seis
parámetros. Sin embargo, se observa que el proceso no suele ser estable debido a que
aparecen correlaciones muy importantes entre diferentes parámetros, como lo indica la
matriz de covarianzas. Por ello, se diseña un método de extracción de cuatro, cinco y
seis parámetros estructurado y seguro para converger al mínimo deseado. En la práctica
no todos los casos experimentales permiten la extracción de seis parámetros
significativos.
Capítulo 6: Se presentan las principales conclusiones del trabajo realizado, así como se
sugieren las líneas a lo largo de las cuales podría completarse.
En los anexos se recogen detalles matemáticos de los cálculos relativos a alguno de los
capítulos.
Capitulo 1: Introducción y objetivos 1.4 Estado del arte
7
1.4 Estado del arte
La característica I-V de la célula solar en condiciones determinadas de trabajo, por
ejemplo condiciones estándar, o un espectro y una temperatura ambiente determinados,
es la medida más representativa de su calidad como generador fotovoltaico “unitario” y
la más extendida y usada en los laboratorios y entornos industriales. De aquí el interés
de extraer toda la información sobre las células que de ella pueda obtenerse. Por otra
parte, los modelos más utilizados para explicar las medidas de la curva I-V de células
solares suelen basarse en representar la corriente como suma de términos exponenciales
(los asociados a diodos) y lineales (los asociados a resistencias en paralelo)[Hov75]. A
continuación se recogen las expresiones de los más importantes.
El modelo de una exponencial en iluminación se escribe:
⎥⎦
⎤⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ +−+−= 1exp)( 0
t
SPSL mV
IRVIGIRVII
(1.1)
Estando la tensión térmica, Vt, determinada por la temperatura, esta expresión contiene
5 parámetros propios de la célula en cuestión: La corriente de saturación inversa es I0 y
el factor de idealidad m, IL representa la corriente generada por la iluminación, RS la
resistencia serie y GP la conductancia en paralelo. La corriente I se toma positiva si sale
por el lado p de la célula, y el voltaje V es la diferencia de potencial entre el lado p y el
n.
Este es el modelo más utilizado en el campo de los sistemas fotovoltaicos, porque
presenta la mayor simplicidad compatible con un ajuste suficientemente bueno, y
porque en ese campo no suele ser tan importante el contenido físico de los parámetros
(el de un m arbitrario puede ser problemático, por ejemplo) como disponer de una
herramienta suficientemente precisa para generar características continuas:
extrapolación a diversas condiciones, entre ellas las estándar, etc.
El modelo de dos exponenciales de iluminación con los factores de idealidad m1 y m2
variables o fijos incluye dos funciones exponenciales del voltaje:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
8
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ +−
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ +−+−= 1exp1exp)(
101
202
t
S
t
SPSL Vm
IRVIVmIRVIGIRVII
(1.2)
Y contiene hasta 7 parámetros, con IL, RS y GP definidos arriba. En este caso hay dos
diodos caracterizados por sus respectivas corrientes de saturación, I01 e I02, y factores de
idealidad, m1 y m2, variables.
La versión más reducida de este modelo, con los factores de idealidad m1 y m2 fijos,
contiene cinco parámetros (IL, RS, GP, I01 y I02) y es también muy utilizada.
En el caso de curvas de oscuridad la expresión del modelo de dos exponenciales, con 6
parámetros (RS, GP, I01, I02, m1 y m2) será:
⎥⎦
⎤⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+⎥
⎦
⎤⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+−= 1exp1exp)(
101
202
t
S
t
SPS Vm
IRVIVmIRVIGIRVI
(1.3)
La corriente, por convenio, es positiva ahora si entra por el terminal p.
Por último, el modelo de una exponencial en oscuridad, de 4 parámetros (equivalente al
(1.1) de iluminación, con los mismos parámetros excepto IL) es:
⎥⎦
⎤⎢⎣
⎡−⎟⎟⎠
⎞⎜⎜⎝
⎛ −+−= 1exp)( 0
t
SPS mV
IRVIGIRVI
(1.4)
Los modelos presentados en (1.2) y (1.3) son utilizados con preferencia a los (1.1) y
(1.4) por los fabricantes de células solares.
Los primeros métodos descritos en la bibliografía no eran propiamente de ajuste de
curvas sino de extracción de parámetros fundamentales a partir de conjuntos
restringidos de los datos, y operación con ellos. Jia et al.[Jia87], [Jia88], Charles et
al.[Cha88] y Appelbaum et al.[App93] se centran en la corriente de cortocircuito,
tensión de circuito abierto y el punto de potencia máxima para expresar en función de
ellos la relación corriente-tensión. Son ajustes sencillos y pueden especificar el
Capitulo 1: Introducción y objetivos 1.4 Estado del arte
9
comportamiento eléctrico de la célula, pero estos métodos no usan todos los datos
experimentales y no suelen ir acompañados de los estudios estadísticos que informen
sobre el grado de incertidumbre y correlación de los parámetros ajustados.
Otros procedimientos de ajuste usan todo el conjunto de datos medidos. El número de
parámetros a extraer varía dependiendo del modelo que se elija.
Charles et al.[Cha81] utilizan un modelo de una exponencial (1.1) para la curva de
iluminación, obteniendo diferentes parámetros internos de las células.
Kojima el al.[Koj98] estudian el comportamiento de células solares CIS con diferentes
niveles de iluminación y en oscuridad usando los modelos (1.2) y (1.3)
Como la resistencia serie, Rs, es un parámetro de gran importancia para la célula solar,
para su obtención a partir de medidas I-V se han desarrollado métodos específicos.
Entre los primeros y más conocidos se encuentra el de Wolf [Wol63], que es un
procedimiento gráfico donde se extrae la resistencia serie como único parámetro a partir
de dos curvas de iluminación obtenidas bajo diferente irradiancia.
El caso de la resistencia serie ilustra el hecho de que los parámetros constantes de un
modelo pueden no ser adecuados para todas las condiciones de funcionamiento. Esto lo
han estudiado de forma teórica Ruiz et al. [Rui82], Cuevas [Cue83] y Araujo, [Ara86]
para situaciones de oscuridad o de iluminación de células solares. Aberlee et al.
[Abe93] presentan en su artículo un método para la obtención de la resistencia serie
(con resultados diferentes) en oscuridad e iluminación. Estas consideraciones se aplican
a otros parámetros como los factores de idealidad m cuyo valor estudian McIntosh et al.
[McI00].
Cuando se requiere extraer parámetros para los modelos de suma de exponenciales
(1.2), el ajuste es lineal en todos los parámetros salvo en la resistencia serie y en los
factores de idealidad de forma que, si éstos se consideran conocidos “a priori”, la
obtención de los parámetros es directa. Sin embargo, con una ecuación en Rs no-lineal
se requiere algún valor inicial, y un método recurrente para su resolución. L. Chien-
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
10
Chih et al.[Chi08] describen este tipo de problemas de regresión no-lineal donde los
valores iniciales tienen una gran importancia para lograr el mejor resultado.
Suele considerarse como mejor ajuste de un modelo (curva teórica, conjunto de
parámetros) a un conjunto de datos experimentales aquél que minimiza algún tipo de
norma relacionada con el conjunto de distancias (ε) entre los valores medidos y la curva
teórica. En el ajuste por mínimos cuadrados estándar, la norma a minimizar es una suma
de cuadrados de distancias. Y las distancias son, en el caso más habitual, proyecciones
sobre la ordenada representada en el eje vertical. En otras variantes podría ser sobre el
eje horizontal o sobre la dirección ortonormal (variable en cada punto).
Este tipo de ajuste tiene una interpretación estadística clara pues el conjunto de
parámetros que hace mínima la distancia es el de máxima verosimilitud, es decir, el más
probable para el cual el conjunto de datos experimentales representa una única muestra
de valores de una función aleatoria.
También hay diferentes posibilidades para la elección del criterio o de la distancia ε.
Tratándose de características I-V, el valor más usado es la diferencia en corriente para
voltaje constante (o distancia vertical, pues la corriente suele representarse en función
del voltaje), lo que quiere decir que sólo se asumen errores en la medida de corrientes,
no de voltajes. Esto se debe a que los modelos se suelen presentar como expresiones de
la corriente en función del voltaje. Sin embargo, despreciar los errores de medida de la
tensión, puede inducir errores aparentes de corriente importantes en las zonas de fuerte
derivada (por ejemplo entre máxima potencia y circuito abierto en las características de
iluminación).
Araujo et al.[Ara82] con una curva de oscuridad con dos exponenciales aplican el
método de mínimos cuadrados con funciones lineales en GP, I01 e I02 considerando la
resistencia serie Rs y los factores de idealidad m1 y m2 constantes. La desviación
estándar utilizada ε es:
Capitulo 1: Introducción y objetivos 1.4 Estado del arte
11
( ) ( )( )
21
1
21
⎥⎥⎦
⎤
⎢⎢⎣
⎡
⎭⎬⎫
⎩⎨⎧ −
= ∑=
=
dni
i imed
imedical
d VIVIVI
nε
(1.5)
Siendo nd el numero de datos, Ical la corriente calculada, Imed la corriente experimental y
Vi la tensión medida de cada punto experimental.
El método presentado por Veissid et al. [Vei90] minimiza las desviaciones estándar de
los parámetros característicos, en condiciones de iluminación o de oscuridad. Van
Kerschaver et al.[Ker97] presentan en su artículo un método rápido de extracción de
parámetros a partir de curvas de iluminación, con dos exponenciales (1.2), usando sólo
la parte cercana al punto de máxima potencia en la curva I-V y el criterio de la distancia
vertical. Ortiz-Conde et al.[Ort06] analizan una curva de iluminación de una
exponencial utilizando la función de Lambert W(x) que se define como solución a
ecuaciones del tipo W(x)×exp(W(x)) = x. Este tipo de solución puede ser usado
directamente para estudiar células solares [Jai05a], [Jai05b] y [Cer02] . En la tesis
doctoral de V.E. Martínez Santos [Mar01] se aborda la caracterización de células
solares en líneas de producción de fábricas, utilizando también el criterio del error en
corriente. Polman et al.[Pol85] usan el ajuste por mínimos cuadrados, el criterio del
error en vertical y un modelo con dos exponenciales.
Martí et al.[Mar89] presentan diferentes curvas I-V de oscuridad y del tipo ISC-VOC para
establecer una metodología para seleccionar el criterio del error y para estudiar la
fiabilidad de los modelos usados. En sus procesos de ajuste, utilizan criterios de error
tanto de corriente como de tensión.
Una de las soluciones propuestas (Phang et al.[Pha86]) para superar el problema de
considerar sólo el error en corriente es elegir como magnitud a minimizar el área (suma
algebraica de trapecios) entre la curva ajustada y la experimental.
Otro método de extracción de parámetros es el propuesto por Burgers et al.[Bur96]
cuyo criterio elegido es la minimización de la suma cuadrática de distancias ortogonales
a la curva, abreviadamente llamado ODR (en castellano RDO: regresión de distancias
ortogonales). Se considera el más eficaz desde cualquier punto de vista. Pone en pie de
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
12
igualdad en lo que se refiere a los errores experimentales el voltaje y la corriente. En un
trabajo más reciente [Bur04] aplican el ajuste por RDO a curvas correspondientes a
diferentes niveles de iluminación.
El ajuste por tramos [Hao03], [Hao04] tiene en cuenta los errores en corriente o voltaje
según el tramo de curva ajustado, intentando mantener la simplicidad de la formulación
del criterio de distancia vertical (u horizontal). Puede usarse para obtener fácilmente
primeras aproximaciones a los parámetros, posteriormente refinados mediante, por
ejemplo, el criterio RDO, o bien constituir un procedimiento sustitutivo (por más
simple) a éste.
Chan et al.[Cha85] realizan un trabajo de comparación entre tres métodos de extracción
de parámetros utilizando esquemas de cálculo iterativos y el modelo de una
exponencial.
En un estudio [Hao05] comparamos el uso del criterio de error en corriente con el RDO
utilizando esos programas de ordenador MULTIV [Mar92], IVFIT [Bur96] de libre
distribución y criterio combinado por tramos.
Algunos autores (Jain y Kapoor [Jai04], Ortiz-Conde et al.[Ort05]) realizan el proceso
de extracción mediante métodos puramente analíticos.
A veces, la extracción de los parámetros de células solares se realiza recurriendo a
simuladores de dispositivos que incorporan modelos detallados del funcionamiento
físico. Por ejemplo, el programa PC-1D [Bas88], usado con profusión en el contexto
fotovoltaico, sirve para reproducir resultados de experimentos concretos y obtener
información de algún parámetro interno, pero no se trata de procesos de ajuste de
características terminales en el sentido estricto.
Muchos de los trabajos presentados no realizan un análisis estadístico de los resultados,
es decir, de la incertidumbre que afecta a los parámetros obtenidos o la adecuación del
modelo empleado. Existen numerosos estudios sobre el tema en la literatura
matemática, especialmente para la regresión lineal por mínimos cuadrados. En nuestro
caso se suman varias complicaciones: la forma implícita de las ecuaciones del modelo,
Capitulo 1: Introducción y objetivos 1.4 Estado del arte
13
la no linealidad de éstas con los parámetros a extraer y la hipótesis de error
experimental en las dos magnitudes medidas (I y V).
R. de Levie [Lev07] presenta en su artículo los fundamentos del método de los mínimos
cuadrados así como una breve historia del mismo, que está ya documentado en el año
213 en China; en Europa aparece en torno a 1700 y llega a denominarse método de
Gauss por las contribuciones de éste.
La formalización con matrices del método de mínimos cuadrados es introducida por
Arthur Cayley, produciéndose un avance notable en el tema. También de Levie en el
artículo antes citado considera la descripción con matrices y el significado de la
aparición de matrices singulares así como la interpretación del cero en los cálculos
realizados con ordenador.
Diferentes artículos [Ree89], [Ros92], [Lyb84] en la revista American Journal of
Physics estudian y presentan métodos de mínimos cuadrados cuando las dos variables
están afectadas de errores, cuando el sistema de ecuaciones es no lineal y cuando las
funciones son implícitas.
Los parámetros que se obtienen por el método de los mínimos cuadrados son
evidentemente inexactos porque se han determinado a partir de un conjunto finito de
datos y porque el proceso de medida proporciona datos con un cierto grado, intrínseco,
de incertidumbre.
Determinar los parámetros incluye estimar y analizar los errores que los aquejan, lo que
constituye un problema con una enorme dificultad que requiere todos los instrumentos
de la estadística matemática.
El estudio estadístico expuesto en el libro de Sánchez del Rio [San89] sobre los errores
estándar y su análisis estadístico se basa en la función de error llamada χ2 (chi-
cuadrado), y se desarrolla para ajuste lineal con error en una variable.
El problema es más complicado si se quiere llegar a cuantificar la bondad de un ajuste
cuando las ecuaciones son no lineales, caso abordado en el libro Numerical Recipes
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
14
[Pre92]. Su capítulo 15 trata diferentes ajustes de curvas, incluyendo el código para su
implementación. El ajuste no lineal está bastante desarrollado, y se presenta como la
búsqueda del mínimo de la función de error χ2 respecto a todos los parámetros a extraer.
Las ecuaciones del sistema se representan con una matriz que en muchos casos es casi
singular y cuya inversión plantea problemas. Para resolverlos se propone un método
(SVD, Singular Value Decomposition) que consiste en la descomposición de la matriz
buscando el elemento (parámetro) que presenta una más alta correlación con alguno de
los restantes.
CAPÍTULO 2
ASPECTOS GENERALES DEL AJUSTE
POR MÍNIMOS CUADRADOS
Capitulo 2: Aspectos generales del ajuste … 2.1 Introducción
17
2.1 Introducción
Se ha planteado el problema del ajuste por mínimos cuadrados en los casos de
ecuaciones lineales y no-lineales. Este último caso es el de mayor interés para los
objetivos de esta tesis y el que presenta dificultades mayores, tanto matemáticas como
de interpretación y, sobre todo, numéricas. En este capítulo se presenta el proceso
matemático generalizado que se aplicará a lo largo de la tesis en diferentes situaciones,
y que por tanto servirá muchas veces de referencia en los próximos capítulos.
La resolución de ecuaciones no-lineales con un elevado número de incógnitas necesita
un proceso iterativo cuya convergencia es muy problemática. El estudio realizado se
basa en la matriz del sistema linealizado de ecuaciones, que va modificándose en cada
iteración. Su análisis permite señalar las causas por las que la convergencia del proceso
se pierde y sugiere posibles soluciones para recuperarla. Dos son los motivos
fundamentales para el descarrilamiento de la convergencia: la lejanía de las variables
iniciales al mínimo buscado y un número excesivo de variables que, por tanto, exhiben
altos grados de correlación mutua. Las soluciones pasan por la disminución del número
de variables y/o la continuación del proceso de minimización en conjuntos limitados de
variables según indique el análisis de la matriz del sistema. Estas soluciones se usarán
para los ajustes de las medidas de células solares presentados en los capítulos
siguientes.
2.2. Planteamiento general del problema
Sea un conjunto de pares de valores experimentales (xi, yi; i=1, 2,…, nd)
correspondientes a dos magnitudes físicas x e y relacionadas. Por ejemplo, x puede ser
la tensión V en bornes de un dispositivo e y la corriente I circulante, o viceversa. O x
puede denotar la longitud de onda, o el coeficiente de absorción, e y la respuesta
espectral, o la eficiencia cuántica, etc.
Sea φ(x,y,pj) = 0 la expresión matemática de un modelo físico con np parámetros (pj,
j=1,2,…, np) que se supone representa adecuadamente el comportamiento experimental
del sistema. Frecuentemente, esa expresión se escribirá en las formas y = F(x,y,pj) o
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
18
incluso en la x = G(y,x,pj), no necesariamente explícitas como se indica por la presencia
de una variable a ambos lados del signo de igualdad.
A menudo, las dependencias de F o G con los parámetros pj serán no lineales, es decir,
F o G no consistirán, necesariamente, en combinaciones lineales de funciones
independientes, siendo los parámetros los factores de escala de esas funciones, sino que
algunos de ellos podrán entrar en la propia definición de las funciones.
El objeto de este capítulo es la descripción general del procedimiento utilizado para
extraer los valores concretos de los parámetros pj que mejor representan el
comportamiento del dispositivo de acuerdo con el modelo preestablecido, obteniendo la
función concreta φ(x,y,pj) = 0 que mejor se ajusta, según algún criterio a determinar, a
los datos experimentales.
Hay que tener en cuenta, además, que los pares experimentales están afectados por
errores de medida y constituyen solamente una posible realización del experimento, una
muestra estadística de resultados que, por ello, contienen un cierto grado, desconocido a
priori, de incertidumbre. Esta incertidumbre se trasladará a los parámetros extraídos.
Ningún procedimiento de ajuste está completo si no proporciona información sobre la
incertidumbre con que se conocen los parámetros obtenidos.
2.3. Criterios de ajuste. Ajuste por mínimos cuadrados
La pregunta de qué juego de parámetros es mejor que los demás debe formularse de
forma que pueda cuantificarse. Intuitivamente, se trata de hacer que la curva
correspondiente pase lo más cerca posible de los puntos. Así, hay que definir una
magnitud s, que llamaremos error estándar del ajuste, que caracterice adecuadamente la
distancia entre la curva y los puntos y se buscará el conjunto de parámetros que la hace
lo más pequeña posible.
Este error estándar del ajuste se compone con las contribuciones de los errores o
desviaciones individuales de cada punto experimental respecto a la curva teórica.
Llamaremos εi a esta desviación, que será una distancia en el plano x-y y que puede
definirse de diferentes maneras, como ilustra la Figura 2.1.
Capitulo 2: Aspectos generales del ajuste … 2.3 Criterios de ajuste. Ajuste por mínimos cuadrados
19
Las figuras a y b son representativas de criterios de distancia horizontal o vertical (ver
Capítulo 4)
La más habitual (parte a de la figura) es la distancia entre la ordenada medida y la
calculada para el valor experimental de la abscisa: se mide la distancia vertical entre el
punto y la curva. Así, vemos que la definición de la desviación, es decir, del criterio con
el que valoraremos los parámetros, consiste en 1) establecer la correspondencia de cada
punto experimental, (xi,yi) con un único punto calculado (xci,yci), es decir, que satisfaga
la condición del modelo φ(xci,yci,pj) = 0, y 2) medir la distancia entre los dos, que suele
tomarse sobre la recta que los une.
Dependiendo del criterio adoptado, para un mismo conjunto de datos experimentales y
un mismo modelo se pueden originar distintos planteamientos y obtener diferentes
resultados concretos, es decir, conjuntos de parámetros. Todos los resultados son
igualmente válidos desde un punto de vista matemático, en cuanto a que son acordes
con los criterios adoptados, pero se preferirán unos a otros precisamente por la
idoneidad del criterio. Se tratará esta cuestión con cierta profundidad, para el caso
concreto de la curva I-V de la célula solar.
Tesis doc
Figura
de un p
verticale
vertical
calculad
y1
y1
ctoral: Nuevos
2.1 Diferen
punto experi
es, b) horiz
d) rectas q
do sobre la c
yy1,x
y1c,x1c
ε1
ε1y
y1,x
y1c,x1c
ε1
ε1
1e
ε1 2c
1c
1e
ε1 2c
1c
s procedimien
A
c
e
ntes criterio
imental (xk,y
zontales, c)
que pasan
curva es (xk
x
1
y2,x2
y2c,x
1 ε2
x
1
y2,x2
y2c,x
1 ε2
x
ε2
2e
3e
4e
ε3
ε4
3c
4
x
ε2
2e
3e
4e
ε3
ε4
3c
4
ntos de análisi
os para la d
yk) o ke res
) rectas de
por el orig
kc,ykc) o, sim
x
x2c
x
x2c
1
4c
1
4c
is de los datos
20
efinición de
pecto de la
correspond
gen y e) no
mplemente, k
y
1
y
1
s corriente-ten
b
D
e la desviac
curva teóri
dencia oblic
ormales a la
kc
1e
ε1 2c
1c
1e
ε1 2c
1c
nsión de…
b
D
ción εk, con
ica sobre a)
cua pero di
a curva. El
x
ε2
2e
c3e
4e
ε3
ε4
3c
x
ε2
2e
c3e
4e
ε3
ε4
3c
n signo,
) rectas
istancia
l punto
1
e
4c
1
e
4c
Capitulo 2: Aspectos generales del ajuste … 2.3 Criterios de ajuste. Ajuste por mínimos cuadrados
21
2.3.1. Las desviaciones medidas sobre la normal a la curva modelo
Aunque la discusión sobre la idoneidad de los diferentes criterios se realizará en el
Capítulo 4, se describe aquí el criterio de la distancia ortogonal a la curva modelo con
objeto de aplicar algunos desarrollos posteriores a un caso concreto. La elección del
criterio podría estar simplemente fundada en la comodidad de desarrollo y cálculo de las
expresiones resultantes en uno u otro caso. Sin embargo, el criterio de la distancia
ortogonal debería ser considerado el más eficaz desde cualquier punto de vista.
A continuación se presenta brevemente este criterio y una aproximación explícita a su
valor.
Es bien sabido que la distancia más corta de un punto, Pe (xe, ye), a una curva plana de
expresión implícita φ(x,y) = 0 que no lo contiene es aquella medida sobre la normal a la
curva que pasa por el punto. Esta es la distancia normal o, simplemente, la distancia del
punto a la curva. En particular, la distancia normal es menor que cualquiera de las dos
distancias medidas sobre el eje y (que a menudo llamaremos distancia vertical, con
x=xe) o sobre el eje x (distancia horizontal, con y=ye). Si x e y son en origen magnitudes
físicas con dimensiones convendremos que han sido normalizadas (por ejemplo, -
respecto de sus correspondientes fondos de escala) para poder tratar con distancias
adimensionales en los gráficos.
Todo ello hace atractiva para el ajuste y extracción de parámetros por mínimos
cuadrados la consideración de criterios basados en la desviación según la normal. Ésta
sería aquí la distancia normal con signo, positivo o negativo, asignado coherentemente.
A continuación se analizan las dificultades operativas de este criterio y las
simplificaciones que pueden hacerlo tratable.
La base del proceso de ajuste está en la obtención de expresiones derivables (al menos
en primer orden) de las desviaciones individuales. En esto radica la dificultad
fundamental de este caso: el punto Pn, perteneciente a la curva y a su normal desde uno
experimental, Pe, sólo suele obtenerse de forma precisa mediante aproximaciones
sucesivas pues el problema planteado en la mayoría de los casos no puede resolverse
analíticamente.
Tesis doc
La Figu
explícita
Donde r
se aplic
normali
resisten
normali
2.2. Par
siendo
(r<0). (
Figura
normal
genéric
El punt
es posi
ctoral: Nuevos
ura 2.2 esqu
a en y:
r es uno de
ca a los m
izada y x la
ncia en se
izaciones de
ra caracterí
válida, per
(2.1) tambié
2.2. Repre
l, δn, de
camente exp
to Pe se enc
tiva.
s procedimien
uematiza un
( pxFy ′= ,
los parámet
modelos de
a tensión. E
erie, positi
e tensión y
sticas de ilu
o r corresp
én contiene
sentación g
un punto
presada med
cuentra por
ntos de análisi
caso partic
)p j con
tros y pj rep
e caracterís
El parámetro
va y tam
corriente. E
uminación,
pondería ah
el caso part
geométrica
experimen
diante (2.1)
debajo de la
is de los datos
22
cular de la f
xx =′n
presenta al c
sticas I-V
o r, para la
mbién norm
Este es el ca
la expresió
hora a la re
ticular de m
del proceso
ntal, Pe, r
) con r>0. L
a curva (εy
s corriente-ten
función mod
yr ⋅−
conjunto de
con y rep
s caracterís
malizada co
aso (r>0) r
ón genérica
esistencia s
modelo explí
o de aproxi
respecto d
La curva tie
> 0) y la de
nsión de…
delo que se
los restante
presentando
sticas de os
oherenteme
epresentado
a del model
serie con si
ícito en y co
mación a la
de una cur
ne concavid
esviación, p
supone sem
(2.1)
es. Esta form
la corrien
curidad, es
ente con l
o en la Figu
lo (2.1) sig
igno negati
on r = 0.
a desviació
rva model
dad positiva
or convenio
mi-
ma
nte
la
las
ura
gue
vo
ón
lo
a.
o,
Capitulo 2: Aspectos generales del ajuste … 2.3 Criterios de ajuste. Ajuste por mínimos cuadrados
23
En la Figura 2.2, el punto Pn, perteneciente a la curva, es aquel cuya normal contiene al
punto Pe. Como habitualmente la función F no es analíticamente invertible, el punto Pn
resulta difícil de obtener. Por el contrario pueden obtenerse sencillamente las
coordenadas de un punto próximo, Pa, sobre la curva calculada, siempre y cuando Pe no
esté muy alejado de ella como corresponde a un ajuste razonable a los valores
experimentales. La obtención del punto Pa se deduce de la gráfica: Es el punto de
intersección de la línea x’= cte expresada en (2.1), que pasa por Pe, y la curva calculada.
Las coordenadas de Pa (xa, ya) son:
( )( )⎩
⎨⎧
−+=
′=′≡=⇒⋅−≡′=⋅−≡′
eaea
jeaaaeeeaaa yFrxx
pxxFFyyrxxyrxx
,
(2.2)
Así, la desviación ε, de acuerdo con este criterio de correspondencia, sus componentes
εx, εy y el ángulo β de inclinación del segmento Pa-Pe son:
rr
rxxyFyy
y
x
yxy
yeax
eaeay
==⇒
⎪⎪⎭
⎪⎪⎬
⎫
+=++=
=−=−=−=
εεβ
εεεε
εεε
tg1 222
(2.3)
Se ha dado, por convenio, a la desviación ε el mismo signo que posee εy. En la Figura
2.2 éste es positivo; el signo negativo se daría si el punto Pe se encontrara por encima de
la curva modelo. También el signo de β es el mismo que el del parámetro r explicado en
un párrafo anterior.
El ángulo α es el de la tangente a la curva en el punto Pa, es decir:
ax
ax
a
a
aaaaa
FrF
xFr
xF
xyr
xF
xx
xF
xy
′
′
′+′
≡⎟⎠⎞
⎜⎝⎛
′+
⎟⎠⎞
⎜⎝⎛
′=
=⎟⎠⎞
⎜⎝⎛ −⎟
⎠⎞
⎜⎝⎛
′=⎟
⎠⎞
⎜⎝⎛ ′
⎟⎠⎞
⎜⎝⎛
′=⎟
⎠⎞
⎜⎝⎛=
1dd1
dd
dd1
dd
dd
dd
ddtgα
(2.4)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
24
Para obtener la desviación normal δn ha de usarse un método iterativo. Sin embargo sin
tener en cuenta la curvatura de la función sino sólo su pendiente en el punto próximo Pa,
δn se aproxima por δa (ver Figura 2.2):
( ) ( )( )( )
αβαε
ββαε
βαβαεβαεδδ
2
22
tg1tgtg1
coscos
tg1tg1tgtg1cos
+
⋅−=
+=
=++
⋅−=+=≈
yy
an
(2.5)
La aproximación es por exceso si la concavidad de la curva es hacia abajo (negativa) y
por defecto en caso contrario (concavidad hacia arriba o positiva como en la Figura
2.2). Análogamente pueden analizarse los casos en que el punto Pe se encuentre por
encima de la curva. Debe tenerse en cuenta que, en casos prácticos, con un número
razonablemente elevado de puntos experimentales y una curva ajustada con tramos de
concavidades distintas, incluso en signo, se darán los distintos casos distribuidos de
forma aleatoria, sobre todo porque será aleatoria la distribución de los puntos
experimentales por encima o debajo de la curva. Esto justificaría por sí solo el uso de la
expresión (2.5) como la de la desviación a minimizar cuadráticamente en un proceso de
ajuste, con preferencia sobre ε, εy ó εx, por ser más próximo a un criterio de desviación
normal.
Las tangentes se calculan en cada caso de iluminación y oscuridad respectivamente en
los capítulos 3 y 5.
2.3.2 El error estándar del ajuste
Una vez definidas las desviaciones individuales, se ha de componer la magnitud
representativa de la desviación global que haya de minimizarse. En el caso del ajuste
por mínimos cuadrados, se suele tomar como la suma de los cuadrados de las
desviaciones individuales extendida al número, nd, de puntos experimentales. Sin
embargo, en nuestra opinión, son más apropiadas otras magnitudes relacionadas con esa
suma cuadrática, pero menos dependientes del número, casual, de datos experimentales:
por ejemplo el valor cuadrático medio, que denotaremos como s2, o la raíz cuadrada, s,
Capitulo 2: Aspectos generales del ajuste … 2.3 Criterios de ajuste. Ajuste por mínimos cuadrados
25
de éste último (s = 2sRMS = : root mean squares, raíz de la media de los cuadrados).
Así, la expresión genérica del ajuste por mínimos cuadrados se plantea como sigue: el
conjunto de parámetros pjMC correspondiente al mejor ajuste es tal que
( ) ( )min1
22
1⎥⎦
⎤⎢⎣
⎡≡⇒ ∑
=
dn
iji
djMCj p
npsp ε (2.6)
Donde εi representa la desviación (con signo) del punto experimental i (xi, yi) respecto
de la curva o función del modelo φ(x,y,pj) = 0 correspondiente a los valores pjMC de los
respectivos parámetros.
El nombre de “mínimos cuadrados” proviene del exponente 2, al que se elevan las
desviaciones en el sumatorio. Se podrían utilizar otros valores (otros exponentes). En
general, cuanto mayor es el exponente, menos peso en el ajuste tienen los puntos más
alejados de la curva teórica y viceversa. En este trabajo se usarán sólo mínimos
cuadrados por la sencillez de su formulación y la significación estadística de los
parámetros que usándolos se obtienen [Pre92], [San89]. En este sentido estadístico,
suele tomarse como “error estándar del ajuste” la propia magnitud s (o RMS) corregida
para el “número efectivo de grados de libertad”, que es el número de datos
experimentales, nd, menos el de parámetros a determinar, np:
∑=−
=⋅−
=dn
ii
pdpd
d
nns
nnn
1
2ajuste
1 εσ (2.7)
Del mismo modo, cada punto i podría contribuir con desigual peso a s2 mediante la
inclusión de factores wi en el sumatorio. Así podría tenerse en cuenta el caso en que el
error de medida no afectara por igual a todos los puntos, de modo que a los más fiables
se les asignaría un peso mayor (ver §15.2 de la referencia [Pre92]).
Algo muy similar, en la práctica, aunque con muy distinta justificación, es lo que se
hace al considerar la distancia ortogonal: el resultado es equivalente a la distancia
vertical con un peso variable.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
26
La condición de mínimo en (2.6) se desglosa en tantas condiciones como parámetros, en
la forma de igualdades a cero de cada una de las primeras derivadas parciales de s2
respecto de cada parámetro:
02,...11
2 =∂∂
=∂∂
=∀⇒ ∑= j
in
ii
djPMCj pnp
snjpd εε (2.8)
El criterio de ajuste por mínimos cuadrados es sencillo de expresar y conduce a
formulaciones relativamente simples, por lo que su uso está muy generalizado. El
planteamiento del ajuste por mínimos cuadrados conduce a un sistema de ecuaciones
entre parámetros, en número igual al de éstos, y por tanto con solución esperable única
para cada muestra de datos experimentales. Pero contiene también la información
necesaria para precisar la incertidumbre de los valores de los parámetros y para la
extrapolación estadística de los resultados.
La condición (2.6) o su desglose (2.8) no incluye, necesariamente, la condición de
desviación promedio nula (es decir, s1 ≡ (1/nd)∑εi =0). Esta condición, por sí sola, no
constituiría un buen criterio de ajuste, salvo en el caso de un único parámetro. En
efecto, se permitirían np-1 grados de libertad en la elección de valores de los
parámetros.
En situaciones concretas (si la función F contiene un término constante y no se aplican
pesos wi variables) alguna de las condiciones (2.8) puede ser estrictamente equivalente a
ésta, pero no es el caso general. No obstante, el cumplimiento simultáneo de las np
condiciones (2.8) habitualmente conduce a un resultado sólo aproximado s1 ∼ 0.
Se tratan, a continuación, los aspectos generales del proceso, con independencia de los
criterios elegidos para la definición de las desviaciones individuales εi.
2.4. Ajuste por mínimos cuadrados en el caso lineal.
Se habla de ajuste lineal cuando la función teórica depende linealmente de los
parámetros pj a extraer [San89]. El ejemplo más conocido es el ajuste polinómico, en
que los parámetros son los coeficientes de las sucesivas potencias de x:
Capitulo 2: Aspectos generales del ajuste … 2.4 Ajuste por mínimos cuadrados en el caso lineal
27
y = pnpxnp-1+pnp-1xnp-2+…+p1. Un caso más general de dependencia lineal de la función
de ajuste con los parámetros, cuando ésta se describe en forma implícita, puede
expresarse así:
∑=
==pn
jjj yxfpyxFy
1
),(),( (2.9a)
Donde las fj(x,y) pueden ser funciones cualesquiera, pero independientes de cualquiera
de los np parámetros pj. Por otra parte, la desviación cuadrática s2 (2.6) se desarrolla
como una forma cuadrática de los parámetros pj y la aplicación de la condición de
mínimo da lugar a un sistema de ecuaciones lineales, sólo cuando i) las funciones fj (y
por tanto F) no dependen de y y ii) el criterio de ajuste es el de distancia vertical (Figura
2.1, a).
( ) ( )
( ) ( )
( ) ( ) ( ) ( )[ ]∑
∑
=
=
−==∂∂
⇒
−≡∀
==
p
p
n
jikiikijjiki
k
i
iii
n
jjj
xfyxfxfpxfp
yxFi
xfpxFy
1
2
alexperiment
1
22
:error de criterio
:explícito modeloSi
εε
ε (2.9b)
Que conduce a:
k
n
jjjk TpM
p
=∑=1
, (2.10a)
Ó, en notación matricial:
Donde P es el vector de parámetros, de dimensión np, y M y T son la matriz cuadrada
(np× np) y simétrica y el vector (np×1), respectivamente, de componentes:
TMPTPM 1solución −==
(2.10b)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
28
( ) ( )
( ) k
n
iiki
dk
jk
n
iijik
dkjjk
yfxfyn
T
ffxfxfn
MM
d
d
==
≡==
∑
∑
=
=
1
1,,
1
1
(2.11)
La matriz M se denomina de curvatura porque contiene los coeficientes de la forma
cuadrática. Su inversa M-1 es la matriz de error o de covarianzas, denominaciones
debidas a que los elementos de la diagonal principal son también (proporcionales a) las
varianzas de los parámetros pj y cada elemento fuera de la diagonal es proporcional a la
covarianza del par de parámetros asociados a la correspondiente fila y columna, a su vez
relacionada con el factor de correlación entre ambos parámetros (ver apartado §2.10).
Cuando el sistema esta bien formado (funciones fj del desarrollo (2.9a) independientes
unas de otras) su resolución mediante la matriz inversa, como se indica en (2.10b) se
produce de una sola vez y sin necesitar valores iniciales [San89].
2.5. Ajuste no lineal. Tratamiento matricial iterativo.
Las np condiciones (2.8) representan un sistema algebraico de np ecuaciones con np
incógnitas: los np parámetros pj. En casos generales la relación de F con algunos de los
parámetros no es lineal y el desarrollo (2.9a) sólo es válido en términos incrementales
(estrictamente, diferenciales), reemplazando cada parámetro por su incremento y
añadiendo un término F0, representativo de la función F para un conjunto predefinido (o
inicial) de valores de los parámetros pj0:
( ) ( ) ( ) ( ) ( ) 0
,,;,,,1
0
j
p
pjj
n
jjj p
yxFyxfyxfpyxFyxF ⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
≡Δ+≅ ∑=
(2.12)
En este caso las funciones fj que constituyen ahora la base incremental de F (base de
ΔF, que no de F) son cambiantes. Para la solución del problema hay que recurrir a las
técnicas apropiadas que, básicamente, consisten en realizar aproximaciones sucesivas
Capitulo 2: Aspectos generales del ajuste … 2.6 Matriz dinámica del sistema
29
mediante sistemas lineales únicamente válidos en entornos pequeños de los valores de
los parámetros.
El proceso de iteración de ajustes lineales, requiere un conjunto inicial de parámetros.
La matriz del sistema, que llamaremos “dinámica”, por cambiante, permite obtener
conjuntos sucesivos de parámetros que minimizan aproximaciones lineales de la
función objetivo (suma cuadrática de desviaciones). Se ha de disponer asimismo de
procedimientos de control de la convergencia del proceso.
2.6. Matriz dinámica del sistema
M representa el comportamiento de las desviaciones cuadráticas si las desviaciones
propiamente dichas se aproximan mediante relaciones lineales (es decir, no es s2 sino ε,
lo que se desarrolla y trunca “a priori”). Así, representando con el subíndice 0 la
particularización de una magnitud (en un punto genérico i) para un conjunto de
parámetros pj0 y desarrollando la desviación individual, εi, en términos de
incrementos genéricos Δpj, truncada al primer orden:
( )
( ) 201
20
20
1 100
100
20
1
222
100
1 00
1con
21
,,1Si
sn
ppffpfn
s
pfpp
ni
d
p ppd
pp
n
ii
d
n
k
n
llklk
n
kkk
n
ii
d
n
kkiki
n
kk
k
iiid
≡≡
ΔΔ+Δ+≅≡≡⇒
Δ+≡Δ⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
+≅=∀
∑
∑∑∑∑
∑∑
=
= ===
==
εε
εεεε
εεεεL
(2.13)
y
( ) ( ) ( )∑∑
∑∑
==
==
≡≡
⎥⎦
⎤⎢⎣
⎡Δ+=⎟
⎟⎠
⎞⎜⎜⎝
⎛
∂∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡Δ⎟⎟
⎠
⎞⎜⎜⎝
⎛∂∂
+≅∂∂
=∂∂
=∀
dd
pp
n
iikij
dkj
n
iiji
dj
n
kkkjj
j
n
kk
kjj
p
ffn
fffn
f
pfffp
pppp
s
nj
10000
10000
10000
01 00
2
1;1con
222
,,1
εε
εεεεεε
L
(2.14)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
30
Si la desviación individual, εi, responde al criterio más simple (vertical) las funciones fj
son también:
( )ijj
iijiii p
Fp
fyFi ⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
=⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
≡⇒−≡∀εεSi (2.15)
que corresponden al desarrollo lineal (truncado) de F:
( )∑∑==
Δ+=Δ⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
∂∂
+≅pn
jjiji
pn
jj
ij
ii pfFppFFF
100
10
0 (2.16)
Para las matrices de una fila o una columna utilizaremos la notación “bra-ket” con la
que el vector “bra” v es el vector fila np ×1 de componentes vj, j=1,…, np, y su “ket”
correspondiente v su transpuesto en columna 1× np.
Se tiene así, para (2.13):
( )
0
22
0000
,,
0202
21
2
⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂∂
≅=⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
==
ΔΔ+Δ⋅+≅
kjkj
kjjkkj
p
ppsff
ppMM
pMppfss
εε
ε
(2.17)
La última igualdad aproximada en (2.17) justifica que el desarrollo previo de s2 sea
preciso hasta el 2º orden, aunque proviene de sólo un primer orden de aproximación
para ε. A su vez, esa igualdad aproximada procede del escaso significado de las sumas
de términos con ε como factor de un producto (por su esperado pequeño valor y signo
aleatorio)
M es simétrica
M es igual a su transpuesta como se deduce inmediatamente de su definición (2.17).
Con ello, se puede escribir (2.14) en notación matricial como:
Capitulo 2: Aspectos generales del ajuste … 2.6 Matriz dinámica del sistema
31
pMfpsMpf
ps
pp Δ+⋅≅∂∂
Δ+⋅≅∂∂
0
2
0
2
21ó
21 εε (2.18)
M es definida positiva
Siempre que las np funciones ∂ε/∂pj sean linealmente independientes, se puede decir que
la matriz M es definida positiva[Lev07]. En efecto, los elementos de la diagonal
principal son todos positivos pues son sumas de cuadrados. También lo son los
determinantes de todos los menores principales de orden 2:
( ) 0detdet
;;,,1,
2222
2
>⋅−⋅=⎟⎟
⎠
⎞
⎜⎜
⎝
⎛=
≠≠=∀
kjkjkkj
kjjjk
kjp
fffffff
fffm
cffkjnkj L
(2.19)
Lo que, a su vez, significa que la forma cuadrática del tercer sumando en el segundo
miembro de (2.17) pMp ΔΔ es definida positiva puesto que pMp ΔΔ >0 sean
cuales sean los signos de las componentes incrementales del “vector” Δp.
Se concluye, pues, que si las aproximaciones efectuadas, despreciando términos de
tercer orden o superior, son válidas y las funciones incrementales son linealmente
independientes, la matriz M del sistema es definida positiva y tiene inversa. En tal caso,
la solución buscada para Δp, que en (2.18) hace nulo el primer miembro y todas las
primeras derivadas de s2 en p0+Δp, es:
01
0min
2
0
2000
210
21con
TMppMTps
psfT
jjj
−=Δ⇒Δ+−≅∂∂
=
⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
−=⋅−≡ ε
(2.20)
Y, substituyéndola en (2.17), deberá conducir a:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
32
( )
202001
020
011
001
020min2 2
spMpsTMTs
TMMMTTMTsps
≤ΔΔ−=−=
+−≅Δ
−
−−−
(2.21)
La última desigualdad se deduce precisamente de que la forma cuadrática pMp ΔΔ
es definida positiva.
De (2.20) y (2.21) resulta claro que, si el conjunto p0 responde ya al mejor ajuste
pm, o, en otras palabras, si el vector ( )02 ps ∂∂ es ya el vector 0 , también serán
nulos el vector pΔ y el valor de la forma cuadrática: la desigualdad en (2.21) se
reduce a la igualdad y s20 es el mínimo absoluto(s2min) de s2.
2.7. Matriz estática
Convenimos en llamar estática a la matriz límite de la dinámica, cuando se alcanzan las
condiciones del ajuste óptimo o mínima s2, y la designamos mediante Mm. En el caso
lineal ambas matrices coinciden, pero no, en general, en los casos no lineales. La matriz
dinámica define únicamente las diversas aproximaciones sucesivas. Pero es la matriz
estática la que contiene la información relevante a efectos estadísticos, es decir, cuando
se considera el conjunto de datos experimentales como una muestra estadística de datos
con sus errores aleatorios y, por tanto, también los parámetros obtenidos como muestra
esperable, con ciertas incertidumbres estadísticas.
La matriz Mm adquiere además un nuevo significado. En efecto, utilizando el desarrollo
(2.17) particularizado alrededor del mínimo, pm, y con pequeñas variaciones ahora
arbitrarias, apΔ , de los parámetros se tiene:
( ) min2min22 02 spMppsps amaaa >ΔΔ+Δ+≅Δ (2.22)
es decir, Mm es también la matriz de la forma cuadrática que determina el incremento de
la suma cuadrática de desviaciones por variaciones aleatorias de los parámetros respecto
al conjunto óptimo deducido para la muestra concreta de datos experimentales.
Capitulo 2: Aspectos generales del ajuste … 2.8 Resolución mediante proceso iterativo
33
2.8. Resolución mediante proceso iterativo. El problema de la convergencia
2.8.1 Convergencia y no convergencia
Los resultados (2.20) y (2.21), se basan en diferentes aproximaciones y por tanto, en
general, resultan también sólo aproximados. Por ello se requiere un proceso iterativo. Si
la matriz M fuera constante e independiente de los propios parámetros, todos los
símbolos “aproximadamente igual a” en las ecuaciones (2.14) a (2.21) se convierten en
igualdades estrictas. En particular, las derivadas segundas de las desviaciones
∂2εi/∂pj∂pk se anularían y M coincidiría estrictamente con la matriz de derivadas
segundas de s2 (ver eq (2.17)). La solución final se alcanza de una sola vez, sin
iteraciones.
Así (2.20) debe interpretarse como una tentativa de un mejor ajuste: Los parámetros
p0+Δp potencialmente darán lugar a una suma de desviaciones cuadráticas inferior a
la proporcionada por los parámetros p0. Esto deberá comprobarse, no mediante la
última relación de desigualdad en (2.21) sino por comparación directa del primer y
último miembros de esa relación: calculando directamente s2(p0+Δp) y comparándolo
con s20=s2(p0). La relación (2.21) se convierte de este modo en un procedimiento para
el control (dinámico) del grado de cumplimiento de las aproximaciones implícitas en el
proceso y, por tanto, de la validez del resultado (2.20).
El proceso iterativo puede no converger, o su planteamiento dejar de ser válido,
principalmente por dos motivos que pueden presentarse simultáneamente o por
separado
i) Los parámetros iniciales p0, o quizá sólo algunos de ellos, están muy alejados de
la solución. En lenguaje matemático, esto corresponde a una aproximación
insuficiente del desarrollo de s2 truncado hasta los términos de segundo orden y con
éstos también truncados despreciando términos proporcionales a ε. Es posible que
esta situación se dé en los primeros pasos de la iteración, de forma que (2.21) sólo
se incumpla transitoriamente alcanzándose posteriormente un régimen de
convergencia segura.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
34
ii) El problema se acerca a una multiplicidad de soluciones, escasamente discernibles
mediante las diferencias entre sus correspondientes valores de s2. El caso más
paradigmático consistiría en que la matriz M fuera singular y no tuviera inversa, es
decir, su determinante se anulara. Esto correspondería a un mal planteamiento del
problema, es decir del modelo físico: alguna de las funciones incrementales de base
(derivada de ε respecto de algún parámetro) es expresable como combinación lineal
de otras, lo que implica que los parámetros son interdependientes o, de manera
práctica, que su número es excesivo.
Sin llegar a este último extremo, pueden darse situaciones que se le aproximen
suficientemente como para hacer difícil la obtención de la solución numérica del
problema, porque el determinante resulta excesivamente pequeño. Así, los elementos de
la matriz inversa adquieren valores muy elevados y, por el carácter dinámico del
proceso, las sucesivas soluciones transitorias muestran un comportamiento
aparentemente errático en lugar de acercarse uniformemente a la solución.
Si, a pesar de todo, el problema tiene una solución matemática y se consigue llegar a
ella, la matriz M, que no será estrictamente singular, contendrá información muy
valiosa, pudiendo averiguarse las razones físicas o estadísticas de las dificultades. La
incertidumbre, definida como el error estándar de los parámetros, será elevada para
aquéllos que resulten casi interdependientes, lo que en la práctica equivale a decir que
algún parámetro en el modelo propuesto, o varios, está de más, es redundante.
Si M fuera estrictamente singular, la eliminación de los parámetros responsables de la
singularidad debería llevar a tratar con una matriz reducida, M’, no estrictamente
singular. Ésta sería el menor principal de M de mayor orden y no singular, es decir, de
rango igual al de M.
El modo de encarar estos dos casos de convergencia insegura puede ser similar cuando
el segundo no corresponde a un problema estrictamente mal planteado. Consistiría en
una aproximación por partes, dentro de cada paso de iteración, tratando, en cada parte,
de ajustar un conjunto reducido de parámetros, manteniendo los demás constantes. Esto
equivale a efectuar idéntico tratamiento que el descrito, pero considerando cada vez sólo
un menor principal de la matriz M, el que se obtiene de M eliminando una –o varias-
filas y sus correspondientes columnas transpuestas. El proceso será, en general, de
Capitulo 2: Aspectos generales del ajuste … 2.8 Resolución mediante proceso iterativo
35
convergencia más lenta, pero más segura. Una elección físicamente juiciosa de las
partes separando los parámetros más previsiblemente casi-interdependientes puede
significar un cambio drástico, de una convergencia “errática” a otra segura y “rápida”.
A veces, se trabajará con sólo dos bloques de parámetros, pudiendo el más pequeño de
ellos constar de uno o dos. Existe otra alternativa, el método SVD (Singular Value
Decomposition) que tiene un objetivo similar, pero un planteamiento diferente (ver §2.6
de la referencia [Pre92]). La otra alternativa es el método/algoritmo de Levenberg-
Marquardt que utiliza una solución a la no convergencia multiplicando la diagonal de la
matriz del sistema por un factor (1+λ). Dando valores a λ , según el resultado se acepta
la solución o no controlando así el proceso iterativo (ver §15[Pre92].)
2.8.2 Soluciones a la no convergencia
En algunos casos se plantea el problema de si se está o no próximo a la solución
correcta, final, de un proceso de ajuste. Aunque algunos indicadores como el de
convergencia, basado en la diferencia RMSi+1-RMSi pueden dar buenas ideas, a veces,
sobre todo cuando el proceso no converge, o es de oscilación lenta, no dan una
información adecuada. Se pueden hacer estimaciones basadas en la aproximación lineal
de los problemas no lineales. Se propone en línea similar al algoritmo de Levenberg-
Marquardt [Pre92] una solución al problema de convergencia cuando el ajuste es de más
de cuatro parámetro en lo que sigue.
En la expresión (2.21) se ha obtenido la varianza del ajuste en el entorno de un conjunto
de parámetros,pj0. Si el problema fuera lineal el mínimo de s2 se obtendría dando al
vector Δp el valor dado por la expresión (2.20) lo que nos predice que el mínimo de s2
estará por debajo del valor calculado con los datos iniciales en una cantidad
directamente calculable: 01
0 TMT − . En el problema lineal, luego se puede
comprobar que este ha sido, efectivamente, el resultado de la rebaja de s2.
En un problema no lineal se puede hacer algo similar en cualquier paso de iteración,
salvo que debe tenerse en cuenta que ese Δs2 negativo será solo aproximado
(corresponde a una extrapolación lineal) y cabe esperar que la aproximación sea tanto
mejor cuanto más cerca se esté de la solución final. En más casos de lo deseable la
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
36
extrapolación lineal puede llevar, sin embargo, a que los Δp obtenidos no sean
admisibles por dar nuevos parámetros fuera de su rango físicamente aceptable (se verán
ejemplos de ello en los casos de oscuridad analizados en el Capítulo 5) o, simplemente,
porque el Δs2 comprobado a posteriori sea positivo en vez de negativo.
Se utilizará un vector Δp proporcional a la solución obtenida de la aproximación lineal
( )( ) 0
10
220
01
02
01
0202
01
2
2
Si
TMTs
TMTTMTss
TMp
⋅⋅−−=
=⋅⋅+⋅⋅−≅
⋅⋅=Δ
−
−−
−
λλ
λλ
λ
λ
(2.23)
Lo que da un margen entre λ = 0 y λ = 2 en el que se obtendría decrecimiento del error
de ajuste (obviamente, con λ = 1 se obtiene la máxima variación). En el caso lineal esto
es correcto
En los casos no lineales lo que ocurre es que si algunos Δp son importantes el factor del
-2 en el segundo término y el tercer término de la ecuación (2.23) no son iguales por los
cambios, en el intervalo, de las matrices M y T (en eso consiste, en esencia, la falta de
linealidad). Se tendrá:
( ) ( )( ) As
BAss
TMTABBAss
TMp
BA
−>−≅⇒
⋅⋅≈>>⋅+⋅−≅
⋅⋅=Δ
<<=
−
−
20
2
201
localmin2
00
10
2202
00
1
casos muchosen 2
lineal no problemay Si
λ
λ λλ
λ
(2.24)
Esta es, básicamente, la razón de las pequeñas oscilaciones de RMS a lo largo del
proceso iterativo, como se verá en el capítulo 5 cuando el problema trata con 5
parámetros y mucho más acentuadas con 6 parámetros.
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
37
También, lo esbozado en (2.24) puede ser una vía alternativa para mejorar la
convergencia en el caso de los 6 parámetros: Se trataría de determinar aproximadamente
A y B usando, sucesivamente, dos valores tentativos de λ pequeños (y <1) y obteniendo
para cada uno los valores de los Δp y de s2. Una vez conocidos A y B se usa como
definitivo, para ese paso, el valor de λ = A/B.
2.9. Propiedades de M (y M-1)
Para ayudar al estudio de la mejor convergencia conviene ahondar en las propiedades y
significados de los elementos de las matrices M y M-1. Supondremos en todo caso que
M es no singular y, por tanto, que existe M-1 y es simétrica, por serlo M. En la definición
u obtención de M no se considerarán términos de tercer orden que incluyen εi como
factor sino únicamente términos expresables como productos de funciones de base, fp
(como en la última aproximación de (2.17)). Centraremos la atención, especialmente, en
los menores principales de órdenes y rangos 1 ó 2: los elementos diagonales (de la
diagonal principal) constituyen todos, uno cada uno, los menores principales de orden y
rango uno, y cada elemento no diagonal, junto con su transpuesto y los dos diagonales
correspondientes, forma parte de un único menor principal de orden 2.
Aunque las propiedades a describir tendrán su uso habitual en el entorno del límite
estático (Mm), son también, en buena medida, trasladables a sus formas dinámicas (M).
Suprimiremos pues el subíndice m para aligerar la escritura.
2.9.1. Relación entre menores principales de orden menor o igual que dos de M y M-1.
Obtención por partición
Conviene, en primer lugar, recordar la expresión general de la matriz inversa que se
obtiene mediante la partición de ambas, directa e inversa, en submatrices, para luego
particularizar a los casos de menores principales de orden 1 ó 2.
Supongamos que se hace una partición de M y MI ≡ M-1, ambas de orden np siendo, por
tanto, MMI = MIM = Inp×np, donde Inp×np es la matriz unidad de orden np, en la forma:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
38
rr
I
qr
Irq
I
I
I
rrqr
rqqq
MM
MMM
MM
MMM
××
××
××
×× == 2221
1211
2221
1211
; (2.25)
siendo q+r = np . Para obtener las submatrices de MI en función de las de M se tienen las
relaciones matriciales (deducidas del producto MMI = Inp×np):
rrII
qrII
rqII
qqII
IMMMMMMMMMMMMIMMMM
××
××
=+=+=+=+
2222122121221121
2212121121121111
00
(2.26a)
o las alternativas y equivalentes deducidas de MIM = Inp×np:
rrII
qrII
rqII
qqII
IMMMMMMMMMMMMIMMMM
××
××
=+=+=+=+
2222122121221121
2212121121121111
00
(2.26b)
Para obtener el menor principal MI11 y, de paso, la submatriz rectangular MI21 se despeja
MI21 de la segunda ecuación de la izquierda en (2.26a) y se sustituye en la primera,
resultando:
( )( )[ ] ( )[ ] 1
2112212111111211221211
112112221 −−
×
−
−
−=⇒⎪⎭
⎪⎬⎫
=−−= MMMMM
IMMMMMMMMM I
qqI
II
(2.27)
de forma análoga se obtiene MI22 y, al mismo tiempo, MI12 de las ecuaciones a la
derecha en (2.26a):
( )( )[ ] ( )[ ] 1
1211121222222121112122
221211112 −−
×−
−
−=⇒⎪⎭
⎪⎬⎫
=−−= MMMMM
IMMMMMMMMM I
rrI
II
(2.28)
Alternativamente, se podría trabajar de forma similar con las dos ecuaciones en la fila
superior de (2.26b), para deducir una expresión idéntica para MI11 y otra formalmente
distinta, aunque equivalente en resultados, para MI12, así como las correspondientes para
MI22 y MI21 de las dos ecuaciones en la fila inferior de (2.26b). No se recogerán aquí
otras expresiones alternativas, orientadas a una mayor eficacia de cálculo de la matriz
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
39
inversa, que se derivan mediante otras combinaciones de cuatro ecuaciones entre las
ocho del conjunto (2.26a) y (2.26b).
El interés reside, fundamentalmente, en la expresión (2.27) para MI11 y, más en
particular, cuando ésta es de orden 1 ó 2 (particiones en la forma: q=1, r=np-1 ó q=2,
r=np-2). La limitación de la discusión a estas particiones, sobre todo las referidas a los
cuatro elementos de la esquina superior izquierda (que, por simetría, se reducen a tres:
M1,1, M1,2=M2,1 y M2,2), no supone pérdida de generalidad, pues la reordenación de M y
las correspondientes de MI y pj mediante intercambios simultáneos de filas y
columnas permite llevar a esas posiciones cualquier elemento, diagonal o no. En este
último caso, junto con su transpuesto idéntico.
Debe notarse también aquí el significado de las submatrices de la diagonal principal de
la partición. Cuando se trate de matrices dinámicas en un paso de iteración determinado,
M11 representa la matriz (qxq) del sistema en una posible fase parcial consistente en
determinar los incrementos óptimos de los q primeros parámetros manteniendo fijos los
restantes r=np-q. En tal caso, la matriz inversa del sistema sería (M11)-1 que, como se
aprecia en (2.27), no es igual a MI11. Análogamente, M22 es la matriz del proceso
condicionado a la variación exclusiva de los r últimos parámetros, manteniendo fijos los
q primeros, y su inversa (M22)-1 tampoco es igual a MI22, de acuerdo con (2.28).
Se ha comprobado en este trabajo que esta descomposición de un paso de iteración en
dos o más fases condicionadas y sucesivas puede ser eficaz en casos de convergencia
insegura del sistema global. No obstante, resulta menos eficaz en casos de convergencia
segura, pues la suma de reducciones de la desviación cuadrática media en distintas fases
condicionadas no suele superar la reducción de un paso global.
2.9.2 Elementos diagonales: menores principales de orden 1
Consideremos uno cualquiera de los elementos diagonales llevado, por reordenación, a
la esquina superior izquierda, posición 1,1 (M1,1), y la partición efectuada de modo que
la submatriz M11 se reduce a este único elemento (q=1, r=np-1)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
40
2.9.2.1 Significado en la matriz M dinámica
Por su definición (2.17) como suma de cuadrados, de valores nunca simultáneamente
nulos, este elemento es estrictamente positivo:
( ) 011
2
011,11,1
11 >⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
== ∑=
dn
i
i
d pnMM ε (2.29)
M1,1 adquiere pleno significado si se considera un proceso parcial, que llamaremos “de
variación exclusiva del parámetro p1” consistente en minimizar s2 con respecto a p1
manteniendo fijos los restantes parámetros en los valores que tenían dentro del conjunto
p0.
Las ecuaciones (2.20) y (2.21), con el vector Δp de una sola componente, se reducen a:
2
01
01
01
2
1,1111,1
01
2
1
2
21
21
210
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
−=⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
−=Δ⇒Δ+⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
≅∂∂
=
p
pps
MppM
ps
ps
i
ii
ε
εε (2.30)
( ) ( )2
01
2
01
20
2
01
2
1120
21112012 2
11
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
−=⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
−=Δ−≅Δ
p
ps
ps
MspMsps
i
ii
ε
εε
(2.31)
es decir, tanto la variación necesaria de p1 como su efecto en la disminución de la suma
de desviaciones cuadráticas son inversamente proporcionales a ese elemento diagonal
de la matriz M.
2.9.2.2 Significado en la matriz M estática
Si, obtenido el conjunto óptimo, pm, y la matriz estática correspondiente Mm (en
adelante sin el subíndice m), se admite una variación arbitraria pero pequeña, positiva o
negativa y exclusiva del parámetro p1 (p1 = p1m+Δp1, pj>1=pjmp) el ajuste empeorará en
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
41
todo caso. La magnitud de este empeoramiento la proporciona (2.22) que en dichas
circunstancias se reduce a:
( ) ( )211,1min2122 pMspss Δ=−Δ≡Δ (2.32)
de modo que Δp1 debe limitarse a ( ) dd nssMnsp min221,1min21 si <Δ<Δ , es decir,
en términos estadísticos, s2min/(ndM1,1) es la varianza de p1, y su raíz la incertidumbre,
condicionadas ambas a la invariabilidad de los restantes parámetros1. Generalizando: La
varianza, así condicionada, de pk con los demás parámetros fijos, resulta ser
inversamente proporcional al elemento diagonal Mk,k.
2.9.2.3 Significado de un elemento diagonal de la matriz M-1 estática
Para encontrar el significado de (M-1)11 debe darse un paso más: Si, como antes, se
considera un desajuste Δp1 respecto del óptimo (de modo que el parámetro p1 queda
prefijado en el valor p1m+Δp1) pero, además, se trata de compensar en lo posible el
efecto sobre s2 reajustando los restantes parámetros (es decir, manteniendo una
condición de mínimo relativo de s2 respecto de todos los parámetros excepto el primero)
se tendrá, particularizando (2.18) a este caso:
( )[ ]( ) 1
21122
12112212
1,11
2
221
211
12111,1
1
221
021
pMMp
pMMMMps
pMpM
pMpMps
rrrrrrr
rr
Δ−=Δ
Δ−=∂∂
⇒Δ+Δ=
Δ+Δ=∂∂
−
−
××
× (2.33)
Hay que resaltar que el primer miembro en las expresiones de la izquierda de (2.33)
representa el conjunto de derivadas parciales de s2, respecto de cada parámetro,
particularizadas en el punto pm+Δp del espacio de parámetros (iguales a 0 excepto
para el parámetro nº 1). El segundo miembro responde al desarrollo de pM Δ teniendo
en cuenta que, por las condiciones de óptimo, todas las derivadas parciales
particularizadas en el punto pm, incluida la derivada respecto de p1, son nulas.
1 En todo rigor, (ver §2.10), en las divisiones precedentes debe reemplazarse el divisor nd por nd – np porque el número de grados de libertad (nº de puntos experimentales) se ve disminuido por el número de parámetros a determinar.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
42
El resultado de (2.22) para el incremento de s2 resulta entonces:
( ) ( )[ ]( ) ( )( ) 1,1
1
212
12112212
1,1min2122 −
− Δ=Δ−=−Δ=Δ
MppMMMMspss (2.34)
La última igualdad en (2.34) se ha establecido tras identificar, de acuerdo con (2.27), el
inverso del (único) elemento de la matriz MI11 cuando la partición es q=1, r=np-1.
La expresión (2.34) es muy similar a (2.32), trasladándose correspondientemente los
significados. También generalizando: la varianza (ver §2.10) del parámetro pk,
manteniendo la condición de óptimo “dinámico” para los demás parámetros, es
[s2min/(nd-np)](M-1)k,k, directamente proporcional al elemento diagonal correspondiente
de la matriz inversa. Es ésta última (y no la anterior, relacionada con 1/Mkk) la que en
términos del ajuste multiparamétrico se denomina habitualmente varianza del parámetro
pk
Al comparar (2.34) con (2.32), teniendo en cuenta que por ser M definida positiva es
(M-1)1,1>1/M1,1, una misma magnitud de la desviación Δs2 se logra con menor |Δp1| en
(2.32) que en (2.34). Es decir, el “óptimo” es más sensible a variaciones de los
parámetros en la condición b) que en la c). En contrapartida, la incertidumbre de los
parámetros es menor en el primer caso que en este segundo. Una “lectura” alternativa de
esta conclusión, trasladada a los pasos de un proceso dinámico sería la de una mayor
seguridad de la convergencia en un proceso con reajustes sucesivos de los parámetros
uno a uno que en otro de reajuste global.
En otro orden de conclusiones, también puede decirse que, puesto que la varianza de los
parámetros (o su raíz o incertidumbre) es en todo caso proporcional a s2min, el criterio
óptimo para definir las desviaciones individuales, εi, debería ser el que, a su vez,
minimice s2min frente a otros posibles criterios. Esta conclusión favorece al criterio
basado en la distancia normal de puntos experimentales a la curva modelo.
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
43
2.9.3 Elementos no diagonales, menor principal de orden 2
Consideraremos, como referencia, únicamente las matrices estáticas, reordenadas de
modo que el elemento en consideración, y su transpuesto idéntico, ocupen las
posiciones 1,2 y 2,1 respectivamente. La partición a tener en cuenta será entonces del
tipo: q=2, r=np-2.
Sean las matrices de orden 2: M11 y MI11 ≡ (M-1)11 ≠ (M11)-1. Como podría inferirse de la
generalización de los casos anteriores, su significado en el proceso está relacionado con
variaciones aleatorias, pero pequeñas, de los dos primeros parámetros:
1) manteniendo fijos los restantes parámetros y
2) con las variaciones de los restantes parámetros condicionadas al mantenimiento
de un mínimo relativo de la suma de desviaciones cuadráticas, s2.
En el caso 1, la matriz relevante del sistema se reduce a M11, el resto de submatrices no
interviene en ningún cálculo, se multiplican por vectores nulos. Y el resultado
equivalente a (2.32) es:
( ) ( ) ( ) 212,12
22,22
11,122122 2, ppMpMpMsppss m ΔΔ+Δ+Δ=−ΔΔ≡Δ (2.35)
donde se ha tenido en cuenta la simetría de M: M2,1 = M1,2.
Se observa que el resultado (2.35) coincide con (2.32) si sólo una de las dos variaciones,
Δp1 ó Δp2, es distinta de 0, conservándose pues los significados de los elementos
diagonales M1,1 y M2,2. Pero si sólo una es aleatoria, por ejemplo Δp1, y la otra
proporcional a ella (Δp2=aΔp1) y buscamos el valor de a que hace mínima la variación
Δs2 se obtiene:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
44
( ) ( ) ( )
( ) ( ) ( )( ) 1
2,111
21
2,1
11
212,2
112
1
2,2
22,1
1,12
1min22,2
2,1min12
detdet
2
−
Δ
ΔΔ=
−ΔΔ=Δ=
=⎟⎟⎠
⎞⎜⎜⎝
⎛−Δ=Δ⇒−=⇒Δ=Δ
Mpp
MMpp
MMp
MM
MpsMM
apap s
(2.36)
La última igualdad se establece por la simetría también, tanto de M11 como de su
inversa.
Al mismo resultado final conduce la correlación recíproca (Δp2 aleatoria con Δp1
proporcional a ella, que no es la inversa de la anterior):
( ) ( ) ( )
( ) ( ) ( )( ) 1
2,111
21
2,1
11
211,1
112
2
1,1
22,1
2,22
2min21,1
2,1min21
detdet
2
−
Δ
ΔΔ=
−ΔΔ=Δ=
=⎟⎟⎠
⎞⎜⎜⎝
⎛−Δ=Δ⇒−=⇒Δ=Δ
Mpp
MMpp
MMp
MM
MpsMM
bpbp s
(2.37)
Así, M1,2 (junto con uno de los elementos diagonales) aparece en las dos correlaciones
entre parámetros incrementales que mantienen mínimos relativos de Δs2. Y, en ambos
casos, la covarianza de p1 y p2, condicionada a la invariabilidad de los restantes
parámetros, es proporcional al elemento no diagonal de la matriz inversa y simétrica de
la submatriz M11 (que, recordamos de nuevo, no es igual al elemento no diagonal de la
submatriz MI11). Esa covarianza condicionada vale pues [s2min/(nd – np)][(M11)-1]1,2.
En el caso 2 la matriz del sistema es la completa M, aunque las ligaduras son otras. El
planteamiento y resultados son similares a los de (2.33) excepto en lo siguiente: La
ecuación y el resultado en la primera fila de (2.33) se refieren a una componente y los
de la segunda fila a las r=np-1 componentes restantes. Ahora la partición debe hacerse
con q=2 y r= np-2 y la primera fila será una ecuación vectorial, para dos componentes,
mientras el conjunto de la segunda fila se reducirá en una dimensión (np-2
componentes). Explícitamente, (2.33) se reemplaza por:
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
45
( )[ ]( )
qqrr
qqqq
rrrqqrr
rrqqqqq
pMMp
pMMMMps
pMpM
pMpMps
Δ−=Δ
Δ−=∂∂
⇒Δ+Δ=
Δ+Δ=∂∂
×
−
×
−
××
××
21122
2112212112
2221
12112
21
021
(2.38)
Nótese que la matriz q×q (2×2), entre paréntesis cuadrados, en la primera del bloque
inferior de (2.38) es, según (2.27), la matriz inversa de la submatriz MI11. Teniendo esto
en cuenta, la variación de s2 resulta en:
( )[ ] [ ]( ) ( ) ( ) ( ) ( ) 21
12,1
1122
12,2
1121
11,1
112
1112112212112
2 ppMpMpM
pMppMMMMps
IIIq
qqqI
qqqqq
ΔΔ+Δ+Δ=
ΔΔ=Δ−Δ=Δ
−−−=
−××
−
(2.39)
cuya última expresión tiene la misma forma que (2.35) para el caso 1, pero
reemplazando los elementos de la submatriz M11 de M, por los de la inversa de la
submatriz MI11 de la inversa MI de M.
Reproduciendo el análisis que llevó en el caso 1 a las expresiones (2.36) y (2.37) puede
establecerse, finalmente, que las correlaciones Δp2=aΔp1 y Δp1=bΔp2 que, en este caso
2, hacen mínima la variación Δs2 son, expresándolas en términos de la submatriz MI11:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )( ) ( )[ ]
( ) 112,1
2112,1
11
111
21min2
112,2
112,1
min
111,1
112,1
min
11,2
1111
112,11
2,111
11
111,11
2,211
11
112,21
1,111
det
detdetdet
2
2
II
I
I
I
s
I
I
s
II
II
I
II
I
II
Mpp
MMpps
MM
b
MM
a
MM
MM
MM
MM
MM
ΔΔ=
−ΔΔ=Δ⇒
=
=
=−===
−
−
Δ
Δ
−−−−
(2.40)
Lo que da pleno significado al elemento no diagonal (1,2) de la matriz inversa de M
como representativo de la covarianza de p1 y p2: cov(p1, p2)=[s2m/(nd – np)] (M-1)1,2.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
46
Por ultimo la extracción de significados estadísticos para los elementos diagonales de
las matrices M y MI (apartados b y c), así como para los elementos no diagonales
(apartado d, casos 1 y 2) ha conducido a la definición de dos tipos de varianzas de
parámetros individuales y de covarianzas de pares de parámetros. Para distinguir ambos
tipos se han adjetivado como condicionadas las relacionadas con los elementos de la
matriz M (condicionadas a la invariabilidad del resto de parámetros). Sin embargo, las
reconocidas habitualmente en la literatura son únicamente las relacionadas con la matriz
inversa MI, que se definen en un contexto de reajuste del resto de parámetros a
situaciones de mínimo relativo de la suma s2.
2.9.4 Matrices “normalizadas” o de correlación
2.9.4.1 Definición
En cualquiera de los casos anteriores las propiedades de las matrices M y M-1 y su
influencia en la convergencia del proceso dinámico no resultan suficientemente
esclarecedoras cuando se expresan directamente tal como se obtienen a través de las
derivaciones y sumas o valores medios de productos. Para que sus propiedades queden
puestas de manifiesto más claramente, pueden utilizarse sistemas de ecuaciones
equivalentes simétricas cuyos elementos diagonales sean todos 1. Al proceso de deducir
estas matrices cuyas diagonales están compuestas de unos lo denominaremos
“normalización”, y de las matrices así obtenidas diremos que están “normalizadas” o
que son matrices de correlación.
Los elementos diagonales, antes de normalizar, son todos positivos. El proceso consiste,
para cada matriz independientemente, en dividir cada elemento por el producto de las
raíces cuadradas de los elementos de la diagonal principal que le corresponden de
acuerdo a su fila y a su columna. En otras palabras, dividir todos los elementos de cada
fila por la raíz cuadrada del elemento diagonal correspondiente, y, asimismo, todos los
de cada columna. Los resultados son y deben ser tales que todos los elementos quedan
con módulo acotado a 1: Los de la diagonal principal son todos 1, se han dividido por sí
mismos, y los no diagonales, positivos o negativos, de valor absoluto inferior a 1. En
particular, la matriz 1−NM así obtenida es la habitualmente llamada “matriz de
Capitulo 2: Aspectos generales del ajuste … 2.9 Propiedades de M (y M-1)
47
correlaciones” entre pares de parámetros. Un elemento nulo indica ausencia total de
correlación, un elemento de valor +1 o -1 indicaría correlación absoluta, positiva o
negativa, entre los dos parámetros correspondientes. Se habla de correlación entre
parámetros o variables x e y cuando no se da una dependencia funcional, en el sentido
de que no existe una función y = f(x), pero sin embargo las variables no son
independientes. Cuando eso sucede se dice que existe una dependencia estadística entre
las variables o que existe una correlación entre ellas.
Si se diera una correlación +1 o -1 entre dos parámetros indicaría un problema mal
planteado en el que uno de los dos parámetros sobraría como elemento sujeto a
variación independiente. En casos prácticos pueden encontrarse elementos cuya
correlación sea tan próxima a 1, en módulo, que hagan imposible la convergencia del
proceso de ajuste dinámico.
La solución dada en esos casos consiste en la disminución del número de parámetros, lo
que quiere decir reducir el sistema de ecuaciones como se verá en los ejemplos
estudiados (Capítulo 5).
2.9.4.2 Cálculo de matrices
El sistema a resolver en cada paso es de la forma, como se recuerda en (2.10b):
jj
ljjl p
Tpp
M
TMpTpM
∂∂
⋅−=∂∂
⋅∂∂
=
=Δ⇒=Δ −
00
00
1
;
con
εεεε
(2.41)
Pero M se puede desglosar en:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
48
( ) ( ) ( )
( ) ( ) ( )jj
jjMljjlMMMN
j
OjjjjMljjlMMNM
MDDDMDM
pMDDDMDM
1;0con
:ó
;0con
1111
2
==⋅⋅=
⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
=≡≡⋅⋅=
−≠
−−−
≠
ε
(2.42)
Lo que equivale a obtener MN dividiendo cada elemento de M por la raíz cuadrada del
producto de los dos diagonales de M de su misma fila y columna respectivamente como
se define en a). La matriz MN es simétrica, por serlo M, y tiene igualados a 1 todos sus
elementos diagonales.
Del mismo modo, la operación que se realiza para obtener la matriz de correlación (MC)
ó (M-1)N proviene del desglose:
( ) ( ) ( ) ( )( )( ) ( )( ) ( )
( )
( ) ( ) ( )( )( ) ( )( ) ( )jj
jjMljjlMMMC
NC
jjjjMljjlMMNM
MDDDMDM
MM
MDDDMDM
1
11111
1
111
1;0con
: siendo ó,
;0con
1111
1111
−
−
≠
−−−−
−
−
≠
−−
==⋅⋅=
≡
≡≡⋅⋅=
−−−−
−−−−
(2.43)
Es decir, MN tiene, respecto a M las mismas propiedades de normalización que tiene la
matriz de correlaciones (MC) respecto de M-1. En particular, todos los elementos de MN,
así como todos los de MC, están acotados al intervalo [-1,+1]. Esta operación de
normalización tiene una ventaja importante, derivada de esa acotación: Los elementos
de MN se miden en una misma escala de importancia y son por ello comparables entre sí
(y los de MC, también entre sí). Esto no es posible directamente con los elementos de M
o de M-1.
Las matrices normalizadas (MN y MC) pueden tener un determinante muy inferior a 1 y,
naturalmente, sus inversas muy superior a 1. Así mismo, los elementos de la diagonal
principal de (MN)-1 [lo mismo que los de (MC)-1 =((M-1)N)-1] suelen ser distintos de 1 y,
con frecuencia, superiores.
Capitulo 2: Aspectos generales del ajuste … 2.10 Cálculo de la incertidumbre
49
Introduciendo el desglose (2.42), el sistema (2.41) puede convertirse en su equivalente
“normalizado”:
( )
( )
( )[ ]
( )⎥⎥⎦
⎤
⎢⎢⎣
⎡=⋅≡
Δ⋅=ΔΔ⋅≡Δ
⋅=Δ
⋅⋅⋅=Δ⇒
=Δ⋅⇒
=Δ⋅⋅⋅
−
−
−−−
jj
jjNMN
jjjjNMN
NNN
MNM
NNN
MNM
MT
TTDT
pMppDp
TMp
TDMDp
TpM
TpDMD
:decir es
:decir es
con
ó
1
1
111
(2.44)
También aquí se ponen de manifiesto las ventajas de esta “normalización”: Las
componentes normalizadas del término independiente (vector TN) así como las del
vector incremental (ΔpN) admiten las comparaciones directas entre sus propios valores
numéricos; lo que no es posible o al menos no es directo, ni fácil entre las del vector T
ni entre las del vector Δp, porque cada componente de estos últimos se mide en una
escala diferente e incluso, a veces, tiene dimensiones físicas diferentes.
Por todo esto creemos que, a la hora de trasladar resultados intermedios al texto de los
ejemplos, para analizar y estudiar evoluciones y comparaciones entre unos casos y otros
lo mejor es no hacerlo en bruto (la matriz M o la M-1, los vectores T o Δp) sino en forma
normalizada (MN o MC, TN o ΔpN).
2.10. Cálculo de la incertidumbre
A lo largo de la tesis se extraerán parámetros, se definirán sus errores estándar y se
estimará la bondad del ajuste. Para la estimación de incertidumbres o de errores se
recurre a la estadística matemática.
En la teoría estadística se define la variable aleatoria χ2 (chi-cuadrado) como:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
50
∑=
⎟⎟⎠
⎞⎜⎜⎝
⎛ −≡
dn
i i
ii yF1
2
2
σχ
(2.45)
σi es la desviación estándar, conocida o calculada previamente, del dato experimental yi.
Fi es el valor de la función de ajuste F que se corresponde con el experimental yi. De
este modo los valores de la variable aleatoria χ2 son siempre números (sin dimensiones
físicas).
Si el error σi individual no es conocido a priori puede suponerse el mismo para todos los
datos experimentales, y extraer el factor común 1/σ2 en (2.45), lo que significa que las
condiciones de minimización de χ2 equivaldrían en ese caso a las de minimización de la
sumatoria de los cuadrados de las desviaciones lo que también, en la práctica, equivale a
dar a σi el valor arbitrario 1.
La desviación estándar finalmente obtenida del ajuste (RMS) será el error σi que se
podrá asignar a posteriori a cada uno de los datos experimentales.
Como se verá existe una relación directa entre la varianza de χ2 y la varianza de los
parámetros.
La variable aleatoria χ2 se usa en el ajuste por mínimos cuadrados con una
interpretación estadística importante: el conjunto de parámetros p que hace mínimo el
valor χ2 en (2.45) es el que hace máxima la probabilidad de que en un experimento se
obtenga el conjunto de valores medidos. Se dice entonces que son los parámetros de
máxima verosimilitud.
Si la función minimizada es la cantidad χ2, con las varianzas de los datos desconocidas e
igualadas a priori a 1 (ver §15.2 en referencia [Pre92]), con nuestra notación sería:
( ) ( ) ⎟⎟⎠
⎞⎜⎜⎝
⎛−≡=⇒−⎯⎯→⎯⎟⎟
⎠
⎞⎜⎜⎝
⎛ −≡ ∑∑∑
===
=
dn
iii
dd
dn
iiii
dn
i i
ii yFn
ssnyFyF1
222
2
1
21
1
2
2 1χσ
χ σ
(2.46)
Capitulo 2: Aspectos generales del ajuste … 2.10 Cálculo de la incertidumbre
51
La matriz del sistema basado en χ2 resulta nd veces mayor que la del sistema basado en
s2, aunque la varianza del ajuste [var(y)=σy2] se define de la misma forma:
( ) ( )[ ] ( )∑=
−−
−=−
−≡≡
=⇒=
dn
i pd
dii
pdy
sd
sd
snn
nyFnn
y
Mn
MMnM
1min2
2opt
2
2
12
1
22
1var
1
σ
χχ
(2.47)
La división de la suma cuadrática por nd-np en lugar de por sólo nd tiene en cuenta la
reducción del número de grados de libertad por la inclusión en el ajuste de los np
parámetros a determinar [Pre92].
La matriz de covarianzas se define a partir de ||M-1||χ2, resultando:
( )
( )( )
( ) ( ) ( )⎪⎪
⎩
⎪⎪
⎨
⎧
==
=≡⇒
−==≡
−−
−
−−−
ljsd
yjls
d
ylj
d
jjsy
jp
spd
sd
yy
Mn
Mn
pp
n
Mp
Mnn
sM
nMM
j
12
12
1
1min212
12covar
22
2
222
,covar
var
σσ
σσ
σσ
χ
(2.48)
Y la matriz de correlaciones:
( )( )
( ) ( )( )
( ) ( )jjslls
ljs
jjll
ljjlljjl
MM
M
MM
MppMM
11
1
11
1
correlcorrel22
2
22
2
,correl−−
−
−−
−
=≡==χχ
χ
(2.49)
Estas definiciones se fundamentan en los conceptos expuestos en §2.9.
Con estas expresiones definimos las diferentes incertidumbres y errores estándar que se
usarán a lo largo de la tesis
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
52
2.11. Conclusiones
El trabajo de la tesis está dedicado a la minimización de la distancia o desviación
individual ε entre las curvas I-V experimental y calculada de células solares en los casos
de iluminación y de oscuridad utilizando el método de ajuste por mínimos cuadrados.
En este capítulo se presenta la definición del problema y el formalismo matemático
relacionado.
El primer paso consiste en la definición del error estándar del ajuste. Este error se
compone con las contribuciones de las desviaciones de cada punto experimental, siendo
definido como la raíz cuadrada del valor cuadrático medio de estas respecto del número
de grados de libertad (número de puntos experimentales reducido en el número de
parámetros a determinar).
Se pueden utilizar diferentes criterios para definir la desviación. En el caso de los
ajustes de curvas I-V el criterio óptimo es el basado en la distancia ortogonal de los
puntos experimentales a la curva modelo. Se ha presentado una manera sencilla y
explícita de calcular las desviaciones ortogonales en el caso de una función general.
En el ajuste por mínimos cuadrados, y en el caso general no lineal, se recurre a un
tratamiento matricial iterativo para resolver el sistema de ecuaciones. Para este proceso,
se han definido las matrices de covarianzas y se ha esclarecido su relación con el error
estándar de los parámetros. Asimismo, se ha obtenido la matriz de correlación y
analizado su papel en la convergencia del sistema. Estas matrices normalizadas y de
correlaciones contienen toda la información sobre el proceso de ajuste y el resultado del
mismo. En este capítulo se ha explicado cómo reconducir procesos de convergencia
insegura y la razón de ciertas pequeñas oscilaciones de RMS a lo largo de algunas
iteraciones, así como deducir las propiedades estadísticas de los parámetros de ajuste
obtenidos.
Capitulo 2: Aspectos generales del ajuste … 2.11 Conclusiones
53
El capítulo finaliza presentando el cálculo de incertidumbres: expresiones para el
cálculo de las varianzas y covarianzas de los parámetros y su relación con la matriz de
correlaciones. También se ha señalado la relación con la variable χ2 y deducido los
factores a tener en cuenta para la adecuada cuantificación de las incertidumbres
dependiendo de que la minimización de desviaciones se plantee sobre sumas cuadráticas
o valores medios.
CAPÍTULO 3
AJUSTE DE CURVAS I-V EN ILUMINACIÓN
Capítulo 3: Ajuste de curvas I-V de iluminación 3.1 Introducción
57
3.1 Introducción
El ajuste de datos experimentales I-V a un modelo consiste en la determinación de los
valores concretos de los parámetros ajustables que mejor representan el
comportamiento de la célula en las condiciones experimentales.
La determinación de los parámetros de un modelo puede tener un importante papel en
el diseño de la célula solar. La extracción de parámetros puede constituir también una
útil herramienta en el control del proceso de fabricación de la célula solar para
localizar las causas que pueden deteriorar su calidad.
La medida de curvas I-V de iluminación es la más directamente representativa de la
calidad de la célula solar y se realiza rutinariamente en todos los dispositivos de
laboratorio e industriales. De aquí el interés de extraer de ella toda la información
posible mediante el ajuste de un modelo teórico de la célula.
Se desarrolla en este capítulo el método de extracción de parámetros en el caso de la
curva I-V de iluminación. Muchos trabajos se han hecho en este campo, algunos de los
cuales se describieron y criticaron en el Capítulo 1. En lo que sigue se presenta como
aportación un procedimiento de ajuste que pretende mejorar algunas características de
aquellos.
Tras considerar los métodos presentados en el estado del arte para ajustar curvas I-V
de iluminación teniendo en cuenta los errores en las dos coordenadas (corriente y
tensión), se utilizó al principio un procedimiento de ajuste por tramos [Hao04]. El
ajuste por tramos (ver §4.2.4) se aplicó a varios ejemplos con éxito, pero presentaba
serias desventajas: la convergencia era difícil, llegándose a un valor del error
cuadrático medio 2ε que oscilaba, y se requería la definición de las zonas y sus
límites, a los que el método era bastante sensible.
Se concluyó que para mejorar los resultados se debían utilizar todos los datos
experimentales minimizando el error, globalmente, entre la curva teórica y los datos
experimentales según la distancia ortogonal. Eso conduce a ecuaciones no lineales
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
58
cuya resolución se hace por el proceso iterativo descrito en el Capítulo 2 para llegar al
mínimo del error cuadrático medio 2ε .
Para la realización de las medidas de células, se dispone en el Instituto de Energía
Solar de un sistema de medida de la característica I-V de iluminación y de oscuridad,
compuesto de los siguientes elementos que se pueden apreciar en las Figuras 3.1 y
3.2:
• Un simulador solar con una lámpara de xenón que proporciona una luz blanca con
un espectro parecido al de la luz del sol
• Una plataforma termostatada donde se sitúa la célula solar, cuya temperatura puede
controlarse con precisión de 1ºC
• Conexiones a los contactos positivo y negativo de la célula
• Voltímetro, amperímetro y carga electrónica digitales que pueden ser controlados
por ordenador
• Aplicación software desarrollada en el IES para la automatización de la medida de
curvas I-V
Figura 3.1.- Vista general del sistema de
medida para caracterizar células solares.
Figura 3.2.- Simulador solar y
plataforma termostatada donde se sitúa
la célula solar
Capítulo 3: Ajuste de curvas I-V de iluminación 3. 2 El modelo de la célula solar en iluminación
59
3.2. El modelo de la célula solar en iluminación
3.2.1 Modelos eléctricos de la célula iluminada. Definiciones de parámetros
Una célula solar iluminada, en estado estacionario, se representa por el circuito
equivalente [Luq03] de la Figura 3.3 correspondiente a la ecuación siguiente
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ +−
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ +−+−= 1exp1exp)(
101
202
t
S
t
SPSL Vm
IRVIVmIRVIGIRVII (3.1)
Se indica en el circuito el convenio de signos normalmente utilizado para la corriente,
I, y la tensión, V, del dispositivo en iluminación.
Figura 3.3: Modelo eléctrico de una célula solar en iluminación.
Cada uno de los elementos que componen este circuito equivalente representativo de
la ecuación (3.1) admite una interpretación física. El conocimiento de los valores
numéricos de estos componentes dará información sobre el funcionamiento interno
del dispositivo.
• El generador de corriente IL representa la corriente generada por la iluminación
[Gre92]. Es proporcional al área de la célula; para la mayoría de los materiales de
interés puede considerarse independiente del voltaje y aumenta débilmente con la
temperatura.
• Los diodos (I01, m1 y I02, m2) dan cuenta de la recombinación debida al exceso de
portadores asociado a la polarización directa de las uniones. Cada diodo viene
caracterizado por la corriente de saturación inversa I0 y por el factor de idealidad m,
ILI01m1
I02m2
GP
RS
I
+
_VIL
I01m1
I02m2
GP
RS
I
+
_V
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
60
que multiplica a la tensión térmica Vt (= kT/e) I0 es proporcional al área y depende
fuertemente de la temperatura. El valor de m está relacionado con el mecanismo y la
localización de las recombinaciones [Chi08] [Ree89]. En zonas neutras, la teoría
predice un valor 1 para cualquier mecanismo en baja inyección; en alta inyección,
cada mecanismo (RHS, Auger, luminiscencia) da lugar a un valor diferente. En zonas
de carga m es menos predecible. Frecuentemente se menciona un valor 2, que está
asociado a recombinación a través de un centro cuyo nivel energético esté situado en
la mitad de la banda prohibida, pero dependiendo de otros detalles pueden obtenerse
otras dependencias. El empleo de varios diodos en el circuito responde de esta
previsible disparidad del comportamiento de las recombinaciones [Gre95]. No
obstante a efectos de ajuste de parámetros no es necesario distinguir los dos factores
de mVt, sino que basta considerar la tensión mVt como el parámetro ajustable, no
precisando especificar la temperatura de medida.
• La resistencia serie RS intenta condensar en un solo componente efectos de
naturaleza distribuida y cuyo resultado es el siguiente: la polarización de la unión es
mayor que el voltaje externo debido a las caídas asociadas al flujo de portadores desde
el lugar en que se generan hasta los contactos (emisor, base, malla metálica,
superficies de contacto...). Aunque la teoría predice su variación con la polarización,
en circunstancias normales la suposición de que RS permanece constante es adecuada.
Muchas componentes de RS son inversamente proporcionales al área de la célula
[Abe93][Kam99].
• La conductancia paralelo GP simula la corriente de fugas en una célula real,
donde pueden existir caminos para que la corriente circule entre los terminales sin
atravesar la unión p/n (porque la célula esté localmente dañada, por cortocircuitos a lo
largo de los bordes, etc.), o bien componentes de corriente que, atravesando la unión,
no estén sometidas a las características de recombinación habituales. Estas
componentes de corriente se simulan mediante dependencia lineal (óhmica). La
conductancia GP es el componente más difícil de predecir y modelar. Por otra parte,
en la mayoría de casos de células de buena calidad su valor y su efecto son muy
pequeños. En ciertos casos no puede hacerse una distinción clara entre fenómenos que
deberían ser descritos por un diodo con un m grande o por la conductancia paralelo.
Debe esperarse que GP aumente con el área [Ric97], [Rad05], [Jia87].
Capítulo 3: Ajuste de curvas I-V de iluminación 3. 2 El modelo de la célula solar en iluminación
61
3.2.2 El modelo convencional de una célula en iluminación
La expresión (3.1) contiene hasta 7 parámetros (definidos en 3.2.1), propios de la
célula en cuestión: IL, I01, I02, RS, GP, así como los índices de idealidad m1 y m2.
Pueden considerarse ajustables todos ellos, aunque, a veces, los dos últimos o uno de
ellos se establecen a priori. Vt es la tensión térmica, kT/e, siendo k la constante de
Boltzmann, T la temperatura de funcionamiento y e la carga (absoluta) del electrón.
Así, Vt combinada con los factores de idealidad (es decir, los productos m1Vt y m2Vt)
puede ser ajustable si no se conoce o no está segura la temperatura de funcionamiento
en el momento de la medida.
A menudo, sin embargo, se fijan los valores de algunos de estos parámetros para dar
lugar a diferentes modelos. Difieren en el número de parámetros y en el contenido
físico de éstos; según la tecnología de la célula alguno de ellos puede resultar más
apropiado:
• Modelo de una exponencial [Pri07]. En este caso se supone que la
recombinación puede modelarse adecuadamente con un solo diodo lo que corresponde
a hacer, por ejemplo, I02 = 0, quedando por tanto cinco parámetros libres. El factor de
idealidad del diodo restante representará un promedio de las dependencias de los
diferentes mecanismos de recombinación.
• Modelo de dos exponenciales [Ort06] con factores de idealidad m1 y m2 fijos o
variables. Si estos últimos pueden tomar valores cualesquiera el modelo contiene siete
parámetros. Se mantienen dos diodos, uno intentando representar recombinación en
zonas neutras y otro en zonas de carga.
En los trabajos preliminares, el modelo de dos exponenciales con siete parámetros se
aplicó con éxito a varias características experimentales, en el sentido de que fue
posible recuperar un juego de parámetros teóricos que reproducía con precisión
suficiente la medida, como se describe en la referencia [Hao03]. Sin embargo, los
resultados nos han inclinado finalmente a usar un modelo en que los factores de
idealidad m1 y m2 tienen valores fijos. Este modelo de cinco parámetros es el que se ha
utilizado preferentemente, tanto para el procedimiento de ajuste por tramos descrito en
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
62
la referencia [Hao05], como en el procedimiento definitivo que se expone a
continuación en el resto de este capítulo. Cuando se describe el comportamiento de
módulos o sistemas fotovoltaicos y no de células individuales, se utiliza generalmente
un modelo de cinco parámetros pero con una sola exponencial cuya m es variable (
1≠m ).
Conviene indicar, a este respecto, que cuantos más parámetros contenga un modelo
con más fidelidad podrá reproducir (matemáticamente) el resultado de una medida,
pero si su interpretación física es dudosa no se obtiene información útil. Éste debe ser,
a nuestro juicio, el criterio fundamental a la hora de inclinarse por uno u otro modelo.
3.2.3. El modelo de dos exponenciales en iluminación
Como se indicó más arriba, su expresión se da habitualmente por la fórmula (3.1). Se
puede observar que, en general, la corriente I se relaciona explícitamente con una
tensión corregida V' = V+RSI.
El ajuste de datos experimentales (pares I-V) a un modelo determinado como (3.1)
consiste en la obtención de los valores concretos de los parámetros ajustables que con
mayor verosimilitud representan el comportamiento de la célula en las condiciones
experimentales. Es labor aparte, teórica, la determinación, por ejemplo, de qué
parámetros representan al dispositivo propiamente dicho, es decir, a su tecnología
(podrían ser aquí I01, I02, RS y GP) y cuál o cuáles están más directamente relacionados
con las condiciones de funcionamiento (como puede ser aquí el caso de IL). Por otra
parte, esta categorización de los parámetros puede ser arbitraria: determinadas
relaciones funcionales entre parámetros pueden dar lugar a otros conjuntos de ellos, si
se mantiene el número de parámetros independientes, con otros repartos de categorías.
Una de estas manipulaciones, que es la más frecuente y significativa, consistiría, por
ejemplo, en extraer dos parámetros, como la corriente de cortocircuito, ISC, y la
tensión de circuito abierto, VOC, claramente dependientes de las condiciones de
iluminación. Los otros tres parámetros se deberán relacionar, coherentemente, con los
explícitos en el modelo original (3.1).
Capítulo 3: Ajuste de curvas I-V de iluminación 3. 2 El modelo de la célula solar en iluminación
63
3.2.4 Rangos de validez física de los parámetros sin normalizar
La coherencia debe extenderse también a las condiciones que impone el mundo físico
y no solamente el matemático. Así, la utilización, con significado físico, de un modelo
como el (3.1) impone la condición de que todos y cada uno de los parámetros deben
tener valores no negativos, y alguno tampoco puede hacerse nulo. Así:
IL > 0 (si IL = 0 se trataría de funcionamiento en
oscuridad)
I01 ≥ 0 e I02 ≥ 0 (pero no simultáneamente I01 = I02 = 0)
RS ≥ 0 y GP ≥ 0
(3.2)
Se admite, como caso particular del modelo (3.1) reducido a otro de una sola
exponencial, que uno de los dos parámetros, I01 ó I02, pueda ser nulo, pero no ambos a
la vez, pues si así ocurriera el dispositivo no sería una célula de unión. Si el conjunto
de parámetros fuera otro que incluyera ISC y VOC, las dos primeras condiciones de
(3.2) se convertirían en:
ISC > 0 y VOC > 0 (3.3)
y, junto con la tercera, se establecen unos rangos de validez física para los tres
parámetros restantes que se darán más adelante en §3.5.
Para poder combinar magnitudes de dimensiones diferentes (I y V) convendrá también
utilizar variables y parámetros normalizados.
3.2.5 Normalización de variables y parámetros
Las características I-V de iluminación cortan el eje de tensiones en VOC y el de
corrientes en ISC: éstos serán los parámetros básicos de normalización por estar
naturalmente relacionados con las escalas, de medida como para representación
gráfica, y por tanto con la precisión de las medidas. Así, podrán utilizarse variables
normalizadas de corriente, i, y de tensión, v, tales que:
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
64
OCSC VVv
IIi == y
(3.4)
Y, por coherencia, parámetros normalizados de resistencia serie, rS, y de conductancia
paralelo, gP:
SC
OCPP
OC
SCSS I
VGg
VI
Rr == y (3.5)
Con lo que la expresión matemática de un modelo físico con np parámetros (pj,
j=1,2,…, np) que se supone representa adecuadamente el comportamiento
experimental del dispositivo, y que se expresó en forma general en (3.1), se convierte
aquí en la forma para cinco parámetros siendo fijos los factores de idealidad m1 y m2:
( )3,,,, pgrviFi PS= (3.6)
En (3.6) se ha hecho explícita la dependencia con otros dos parámetros normalizados
(rS y gP) y está implícita, por las relaciones (3.4), la presencia de otros dos parámetros
ISC y VOC, es decir, en (3.6) se conserva de hecho el número total de 5 parámetros
independientes en el modelo que ahora son ISC, VOC, rS, gP y p3. Éste último será una
cierta combinación funcional normalizada de los parámetros originales no
normalizados presentados en el apartado 3.2.
3.2.6 Definición del modelo normalizado de dos exponenciales
Introduciendo en (3.1) las normalizaciones (3.4) y (3.5) y utilizando la notación
siguiente:
12
1
22
11
0202
0101
;
;;
OCt
OCOC
t
OCOC
SCSCSC
LL
kmm
VmV
kVm
Vk
II
iII
iIIi
===
===
(3.7)
Tendremos como expresión normalizada del modelo (3.1) la siguiente:
Capítulo 3: Ajuste de curvas I-V de iluminación 3. 2 El modelo de la célula solar en iluminación
65
( )[ ] ( )[ ] ( )irvgirvkiirvkiii SPSOCSOCL +−−+−−+−= 1exp1exp 202101 (3.8)
Particularizando para circuito abierto (ca) y cortocircuito (cc):
( )[ ] ( )[ ]( )[ ] ( )[ ] SPSOCSOCL
POCOCL
rgrkirkiivigkikiivi−−−−−=⇒==
−−−−−=⇒==1exp1exp10,1:cc
1exp1exp01,0:ca
202101
202101
(3.9)
Estas dos ecuaciones representan dos relaciones, de cumplimiento obligatorio, entre
los parámetros iniciales. La primera establece la definición y dependencia de iL con
los restantes parámetros. La segunda puede, entonces, sustituirse por su diferencia con
la primera y se definen nuevos parámetros c1 y c2:
( ) ( )[ ] ( ) ( )[ ] ( ) ( )[ ] ( ) ( )[ ] SOCOCSOCOC
SOCOCSOCOC
rkkirkkicrkkirkkic−−−=−≡
−−−=−≡1exp1expexpexp
1exp1expexpexp
220222022
110111011 (3.10a)
( )SP rgcc −++= 11 21 (3.10b)
Y la expresión (3.8) quedará:
( )[ ]( )[ ]
( )[ ]( )[ ]
( )irvgrk
irvkcrk
irvkci
SP
SOC
sOC
SOC
sOC
−−+−−−−−−−
+−−−−−−−
=
11exp1
1exp11exp1
1exp1
2
22
1
11 (3.11)
Así, por (3.10b), de los dos nuevos parámetros c1 y c2 que sustituyen a I01 e I02, sólo
uno es independiente. Se tomará por convenio c2 como parámetro independiente, es
decir:
( )SP rgcc −−−= 11 21 (3.12)
Se utilizarán las notaciones condensadas:
( ) ( )[ ] ( ) ( )[ ]( ) ( )[ ] ( ) ( )[ ]
( )
( )irvfEE
EEEEf
EE
EEEEf
EEEErkEEirvkivEE
rkEEirvkivEE
SSCSCOC
OC
SCSCOC
OC
OCOC
SOCSCsOC
SOCSCsOC
+−=−−
=−−
≡−−
=−−
≡
≡==≡⇒−−=≡−−−=≡
−−=≡−−−=≡
1 ;11 ;
11
0,11)0,1(1exp1,0;1exp,
1exp1,0;1exp,
32
2
22
222
1
1
11
111
2211
222222
111111
(3.13)
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
66
De modo que, sustituyendo, en (3.11), c1 por su expresión (3.12), se tiene, finalmente,
como concreción de la primera expresión (3.6) de i:
( ) ( ) ( )[ ]3121212 1,,,, ffrgffcfcgrviFi SPPS −−−−−== (3.14)
Siendo rS, gP y c2 los parámetros independientes explícitos e ISC y VOC los implícitos.
Se observa que (3.14) es una expresión implícita en i, por el término rSi que se suma a
v en f1, f2 y f3, pero explícita en la variable v' = v+rSi o en su complementaria 1-v' = 1-
v-rSi.
3.2.7 Rangos de validez física de los parámetros normalizados
Se han impuesto más arriba para los parámetros implícitos (ISC y VOC) unas
condiciones de validez física (3.3) por las que ambos deben ser positivos. Por otra
parte, la segunda condición (3.2), junto con (3.10), establece que c1 y c2 no deben ser
simultáneamente nulos y, además, que rS debe ser estrictamente inferior a 1 (no puede
ser igual a 1). Para gP se tiene una restricción análoga (gP<1)
Los casos extremos de gP =1 y rS = 1 implicarían, independientemente el uno del otro,
características I-V estrictamente lineales entre cortocircuito y circuito abierto.
Por lo que respecta a la condición de que c1 y c2 no deban ser simultáneamente nulos,
resulta necesaria para que el caso analizado represente una célula solar, puesto que, de
no cumplirse, la curvatura de la característica sería nula.
Finalmente, puesto que c1 es aquí un parámetro dependiente, tal y como lo indica
(3.12), la condición de que sea mayor o igual a cero (I01 no negativo) implica que en
los procesos de ajuste no deben admitirse valores de c2 superiores a 1-gP(1-rS).
Así pues, las condiciones o rangos de validez física de los parámetros del modelo con
dos exponenciales e índices de idealidad fijos son:
( )SP
PS
OCSC
rgcgr
VI
−−≤≤<≤<≤
>>
11010;10
0;0
2
(3.15)
Capítulo 3: Ajuste de curvas I-V de iluminación 3.3 Mínimos cuadrados basados en la…
67
3.3 Mínimos cuadrados basados en la distancia ortogonal.
Para ajustar el modelo (3.1) se ha elegido el criterio de la mínima distancia ortogonal
cuadrática presentado en § 2.3.1. La distancia real individual y su aproximación
analítica en el caso de iluminación se ilustran en la Figura 3.4.
Figura 3.4: Distancia ortogonal, εn, de un punto experimental, Pe, a una curva
calculada, de iluminación, que pasa por el punto Pc. La distancia real εn, obtenible
numérica e iterativamente, se aproxima mediante εO cuya expresión es analítica.
La expresión de la aproximación analítica δa calculada en (2.5) y trasladada aquí que
llamaremos εO, es:
αβαεε
2tg1 tgtg1
+
−= yO (3.16)
En el caso de iluminación las tangentes se pueden expresar en función del modelo F
(3.14) y su primera derivada F’ (respecto de v’) partiendo de una primera
correspondencia entre puntos experimentales (e) y calculados (c):
εO εn ε
εO
Pe
Pc
x
y
εx
εy
α
βα
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
68
<( )
( ) ( )
cscs
cc
cccc
ysecsecx
ecy
esecsc
FrF
virF
vv
vF
vi
vFFFi
riirvv
iiirvirvv
⎟⎟⎠
⎞⎜⎜⎝
⎛′−
′=⎥
⎦
⎤⎢⎣
⎡⎟⎠⎞
⎜⎝⎛ +⋅′=⎟
⎠⎞
⎜⎝⎛ ′
′=⎟
⎠⎞
⎜⎝⎛
⎟⎠⎞
⎜⎝⎛
′≡′≡
−=−−=−=
−=+=+=′
1dd1
dd
dd
dd
dd;con
εε
ε
(3.17)
Lo que, teniendo en cuenta que, para iluminación, F’ es siempre negativa y εx y εy
tienen signos opuestos, da lugar a:
sy
x
sc
rFr
FvF
=−=′−
′−=⎟
⎠⎞
⎜⎝⎛−=
εεβα tgy
1ddtg (3.18)
Entonces, la desviación εO en este caso de iluminación se expresa como:
( ) 221 FFr
iF
S
ecO
′+′−
−=ε (3.19)
Donde, para un punto experimental genérico i-v, i=ie es la corriente experimental
normalizada (3.4), F=Fc el valor de la función teórica (3.14) para la variable v’=v+irS,
F’ su derivada respecto a la variable v’ (en el punto Fc, vc) y rS el parámetro
normalizado de resistencia serie. Por otra parte, el numerador en (3.19) es la
desviación en corriente con v’ constante, que es una desviación vertical en la
representación i-v’.
(3.19) es una expresión aproximada de la verdadera distancia ortogonal, pero la
aproximación afecta muy poco a los resultados como se muestra en los ejemplos, con
tal de utilizar la misma para todos los puntos. Como justificación del uso de esta
expresión aproximada podemos añadir que la experiencia muestra que incluso otros
tipos de distancia – oblicua, vertical, etc, que pueden entenderse como
aproximaciones aún más groseras – tampoco conducen a resultados muy diferentes.
Capítulo 3: Ajuste de curvas I-V de iluminación 3.3 Mínimos cuadrados basados en la…
69
Así, (3.19) significa que la distancia ortogonal equivale a la distancia vertical (en i-v’)
ponderada con un “peso” local wi que es el inverso del denominador (éste es en todo
punto ≥ 1, por lo que wi ≤ 1 puesto que F’ y su producto por rS son negativos), es
decir:
( )( )
11
1;con22,,, ≤′+′−
=−′==iiS
iiiiyiyiiOFFr
wivFw εεε (3.20)
wi puede considerarse como un peso para cada punto, pero de variación lenta y
gradual, aplicado a la desviación Fc-ie, que es la magnitud de variación aleatoria
La matriz M se obtiene a partir de las derivadas de εO respecto de los distintos
parámetros. Escritas para un parámetro genérico pj, estas son:
( ) ( )
( )
( ) ( ) ( )∑∑==
Δ+≡Δ⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
+≅
⋅=∂
∂≅
∂∂
+∂
∂=
∂∂
+∂
∂=
∂∂
+∂
∂=
∂∂
pp n
jjijiy
n
jj
ijiyiy
ijij
iyi
j
iiO
j
iyi
j
iiyi
j
iyi
j
iiy
j
iyi
j
iO
pfppF
fwp
w
pw
pw
pww
pw
pw
pw
p
10,
10,,
,
,,
,,
,,,
que ya
lnln
εεε
ε
εε
εε
εεε
(3.21)
La aproximación final de las derivadas proviene de despreciar el segundo sumando en
las igualdades precedentes que es, en cada punto, proporcional a la propia desviación
y, por tanto, pequeño y “autocompensado”, en el sentido de que su valor medio es
prácticamente nulo (ver §15 de la referencia [Pre92]). Esto hace que tanto εO como
sus derivadas paramétricas equivalgan, en la aproximación de primer orden, a las de εy
ponderadas por la misma función de peso wi, es decir, se proyectan sobre la misma
dirección aproximadamente ortogonal
No obstante, las derivadas parciales completas de εO, respecto a cada parámetro, se
calculan y se presentan en el Anexo 1.
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
70
3. 4 Desarrollo del procedimiento de ajuste
Dado un juego tentativo de parámetros iniciales, pj0 ≡ ISC0, VOC0, rS0, gP0, c20, se
tratará, en primer lugar, de determinar las desviaciones simples, ε (εO,i) y su valor
cuadrático medio, 2ε (llamado s2 en el Capítulo 2) respecto del modelo
particularizado para ese juego de parámetros, así como sus derivadas parciales
respecto de cada uno de los parámetros. Ello proporcionará índices del alejamiento o
cercanía del juego de parámetros respecto del ajuste óptimo, de acuerdo con el criterio
establecido para éste, y conducirá a la especificación del sistema matricial dado en §
2.6 como: 2ε
0001
0 ó,,1 TpMTpMnj j
n
lljlp
p
=Δ=Δ=∀ ∑=
L (3.22)
Que es un sistema de ecuaciones a resolver para Δpj de forma que el nuevo juego
pj0+Δpj proporcione un mejor ajuste. Este nuevo juego pasará a considerarse como
tentativo e inicial para proceder secuencialmente a nuevas estimaciones, siguiendo el
mismo esquema hasta conseguir desviaciones inapreciables respecto de la condición
de mínima desviación cuadrática (idealmente Tj = 0; es decir Δpj = 0, para todos y
cada uno de los pj).
Se indica a continuación, en primer lugar, cómo obtener un juego inicial de
parámetros suficientemente eficaz y, en segundo lugar, las expresiones que permiten
explicitar las componentes matriciales M0jl y T0j de (3.22), es decir, básicamente, las
de las desviaciones ε y de sus derivadas.
3.4.1 Juego de parámetros iniciales. División en zonas
En condiciones cercanas a cortocircuito o circuito abierto, respectivamente, se
aproximará la relación (I-V) mediante expresiones lineales (tangentes). En las
proximidades de cortocircuito:
Capítulo 3: Ajuste de curvas I-V de… 3.4 Desarrollo del procedimiento de ajuste
71
VGII PSC −≅ (3.23)
Y cerca del circuito abierto:
IRVV OOC −≅ (3.24)
De modo que un primer ajuste lineal (en dos tramos independientes próximos a
cortocircuito y a circuito abierto) de los datos experimentales directos (I, V)
suministra estimaciones iniciales con buena fiabilidad para ISC y VOC (ordenadas en el
origen) y con más incertidumbre para GP y RS=RO-m1Vt/ISC, siendo GP, RO las
pendientes de las tangentes respectivas. Así, se obtienen estimaciones para gP y rS. Se
dará un valor a priori de m1 y T (o, globalmente, de m1Vt)
Generalmente, la observación directa de los datos para aplicar el proceso, impone las
condiciones (3.15) ISC>0 y VOC>0, por lo que su comprobación será obvia. Con mayor
frecuencia podrían obtenerse resultados numéricos negativos para GP o RS que no
deben admitirse, forzando, en tales casos, sus estimaciones iniciales al valor nulo. Así
mismo, la observación directa de los datos habrá descartado, a priori, del análisis
aquellas características potencialmente responsables de valores superiores a 1 de los
parámetros gP ó rS como lo imponen las condiciones físicas (3.15). En cuanto al valor
inicial del parámetro c2, la mejor práctica es suponerlo nulo.
Sea nd el número de pares I-V de valores experimentales. Deberán darse ordenados
por V creciente o I decreciente. Idealmente ambos ordenamientos deberían coincidir.
En la práctica, si la toma de datos experimentales no ha sido suficientemente cuidada
y hay errores abultados, podría ocasionalmente haber alteraciones puntuales, pero al
menos uno de los dos ordenamientos debería adecuarse al criterio creciente de V o
decreciente de I. Supondremos el primero de éstos. Para ajustar con cinco parámetros
el número nd debe ser de, al menos, cinco, generalmente mucho mayor. Con cinco
puntos se tendría un ajuste sin desviaciones, es decir una curva modelada que pasa
estrictamente por los cinco puntos o, en muchos casos, un sistema con solución
forzada para algún parámetro, por los condicionantes de rango físicamente admisible.
Supondremos que nd >> 5.
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
72
Para los ajustes lineales iniciales (3.23)-(3.24) deben considerarse subconjuntos de
datos de pocos puntos próximos, respectivamente, a las condiciones de cortocircuito y
circuito abierto. Si los datos lo permiten, distribuidos por encima y por debajo de
dichas condiciones, y en número igual o superior a dos, puesto que dos son los
parámetros a determinar en cada zona. Para concretar supondremos que se utilizan
cinco puntos para cada una y que éstos son, respectivamente, los primeros (i = 1, 2,...,
5) y los últimos (i = nd -4, nd -3,..., nd) de la lista ordenada. El criterio de ajuste será el
de mínima desviación cuadrática media, respectivamente de corrientes y de tensiones,
es decir:
( )( )
( )( )
22222
22
222
2
min2222
,...,42
21111
11
111
1
min2111
5,...,11
0
10;
0
10;
iOiOCiiO
ki
iOOCiOC
ii
iiiOOCnni
i
iPiSCiiP
ii
iiPSCSC
ii
iiiPSCi
i
IRIVIVR
IRVVVVIRV
VGVIVIG
IVGIIIVGI
+−==∂∂
⋅+−==∂∂
⇒−−=
+−==∂∂
⋅−−==∂∂
⇒−−=
−=
=
εε
εεεε
εε
εεεε
(3.25)
Donde la barra encima de una magnitud indica valor promedio de la magnitud en el
rango de puntos correspondiente al de valores del índice i, y el rango está, a su vez,
indicado por el subíndice 1 (entorno de cortocircuito) ó 2 (entorno de circuito abierto).
Las ecuaciones (3.25) representan dos sistemas independientes, de dos ecuaciones
algebraicas cada uno. Sus soluciones, condicionadas a GP ≥ 0 y RO ≥ 0, e indicando
con el subíndice 0 su carácter de estimaciones iniciales, son:
iOiOC
ii
iiii
SC
tO
iPiSC
ii
iiiiP
IRVVII
IVIVI
VmR
VGIIVV
VIVIG
2202
222
2222
0
1
101021
21
11110
;;max
;;0max
+=⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
−
−⋅=
+=⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
−
−⋅=
(3.26)
Siendo, entonces, el juego inicial de parámetros:
Capítulo 3: Ajuste de curvas I-V de… 3.4 Desarrollo del procedimiento de ajuste
73
0;;;; 200
000
0
0
0
1000 ==⎟⎟
⎠
⎞⎜⎜⎝
⎛−= c
IVGg
VI
IVmRrVI
SC
OCPP
OC
SC
SC
tOSOCSC (3.27)
Aunque debiera verificarse siempre, convendrá comprobar el cumplimiento de las
restantes adecuaciones de rango (3.15).
También puede ser éste el momento de advertir otras inconsistencias de datos con el
modelo físico y, en su caso, ofrecer alternativas. Por ejemplo, entre otras, si GP0 = 0,
lo será porque el segundo argumento del máximo en la primera de (3.26) es negativo,
lo que significa una pendiente media positiva de los datos I-V próximos a
cortocircuito, físicamente incoherente. Puede optarse por revisar los datos
experimentales o por continuar el procedimiento con gP0 = 0.
La limitación para RO presenta otros matices: si el segundo argumento del máximo en
la segunda ecuación de (3.26) fuese negativo, revelaría una cierta inconsistencia física
de los datos (I creciente, en promedio, y positiva para V>VOC en el entorno de ésta). Si
sólo es una propiedad local, fruto de errores experimentales, el procedimiento podrá
continuar (con rS0 = 0), pero convendrá advertirlo. Incluso si ese término es positivo,
pero inferior a Vt/ISC0, los datos podrían ser más consistentes con rS = 0 y una sola
exponencial, pero de índice m1 < 1, el que hace iguales los dos argumentos del
máximo en la expresión de RO. Más adelante se verá que el incumplimiento de la
tercera condición (3.15), para el límite superior de c2, puede dar lugar a otra
advertencia similar: los datos próximos a potencia máxima serían más consistentes
con un modelo de una sola exponencial, de índice m2 > 2, y con el valor de c2 igualado
a ese límite superior, que implica c1 = 0, es decir anulando la primera exponencial.
3.4.2 Resolución del sistema matricial y obtención de Δpl
Calculadas todas las derivadas de (3.19) [Anejo 1] para cada par (I-V) del conjunto de
datos, se está en condiciones de obtener los elementos de la matriz M y del vector T,
del sistema (3.22) o (2.15a) del §2.4. Por comodidad, se reproduce el sistema a
continuación en (3.28) y, en (3.29), se expresan los elementos como resultados de
operaciones promedio. Las operaciones de promedio se entienden efectuadas sobre
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
74
todo el conjunto de nd elementos asociados al de pares de datos experimentales. Así
mismo, se suprime el subíndice 0, indicador de la particularización para un juego de
parámetros tentativo y sucesivamente actualizado:
TpM =Δ (3.28)
jj
jljl p
Tpp
M∂∂
−=∂∂
∂∂
=εεεε ; (3.29)
M y T pueden calcularse a partir de los desarrollos completos de las derivadas, pero
también, representando un sistema ligeramente diferente pero con resultados casi
idénticos, con la aproximación de (3.21) calculando sólo el peso local. Esta
aproximación se utilizó para la elaboración de las hojas de cálculo de Excel
empleadas para los ejemplos incluidos en este capítulo.
La resolución de (3.28) podría plantearse por métodos convencionales, es decir,
mediante el cálculo de la matriz inversa de M y:
TMp 1−=Δ (3.30)
Sin embargo, hay que hacer notar que no siempre deberá resolverse el sistema
completo de cinco ecuaciones (3.28): la imposición de condiciones de rango para los
parámetros o cualquier otra situación que signifique la imposición de un valor
prefijado para alguno de ellos conducirá a un sistema reducido, por ejemplo a cuatro
ecuaciones si se prefija un parámetro, lo que significa eliminar en (3.28) la ecuación
correspondiente a él. Puede convenir, por tanto, en primer lugar ordenar el sistema y
su matriz M y, en segundo lugar, prepararlo para una resolución secuencial,
empezando por los parámetros más susceptibles de estar sujetos a condiciones. Esto
lleva, en la práctica, a un planteamiento de solución por triangulación superior de la
matriz M y conversión de los elementos de la diagonal principal al valor 1. De esta
forma se tendrá una estructura de cálculo en que el incremento Δpl de cada parámetro
se expresa en función de un término independiente, que tiende a cero a medida que
avanza el proceso, y de los parámetros anteriormente calculados.
Capítulo 3: Ajuste de curvas I-V de… 3.4 Desarrollo del procedimiento de ajuste
75
Cada fila de la matriz M corresponde a un parámetro a extraer: Por ejemplo: j=1 será
para ISC, j=2 para VOC, j=3 para rS, j=4 para gP y j=5 para c2.
Una vez así establecido el sistema (3.28), la triangulación con normalización a 1 de
los elementos de la diagonal principal procede según los pasos siguientes, teniendo en
cuenta que, después de cada paso (i), el sistema resultante, con la misma solución que
el original (3.28), se expresa, formalmente, del mismo modo, es decir:
( ) ( )ii TpM =Δ (3.31)
Por otra parte, la triangulación deberá detenerse o alterarse en su orden en el paso
inmediatamente anterior a aquel en que deba forzarse una solución por imperativos
externos al proceso matemático, por el rango de validez física de parámetros u otros,
descartándose, en su caso, el resto de filas del sistema.
Se trata de un método de triangulación que hemos seguido en muchos casos.
Evidentemente, pueden utilizarse otras formas de resolución con o sin triangulación o
de detección anticipada de pasos que puedan originar problemas de convergencia. Por
ejemplo, el procedimiento SVD (Singular Value Decomposition) [Pre92] tiene,
esencialmente, un objetivo parecido.
A continuación, se detallan las etapas para la triangulación de M con normalización a
1 de la diagonal principal:
Paso 1. Normalización a la unidad de los elementos de la diagonal principal.
Solución para el primer parámetro, Δp1 (normalmente ΔISC), condicionada a los
restantes Δpl>1. La ecuación para este primer parámetro permanecerá, sin
modificaciones, en los sucesivos pasos:
∑=
Δ−=Δ
=⇒==
5
2
)1(1
)1(11
)1()1()1( 1;
lll
jjjj
jj
jj
jljl
pMTp
MMT
TMM
M (3.32)
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
76
Paso i. Genérico y secuencial: i = 2,3,4. La matriz M(i-1) procedente del paso
anterior (i-1) tendrá sus elementos de la diagonal principal con el valor 1 y los no
diagonales del triángulo inferior, en sus i-2 primeras columnas, con el valor 0. Se trata
ahora de mantener sin modificación las i-1 primeras filas, ya trianguladas, (ecuaciones
para los i-1 primeros parámetros) y de reducir a 0 los elementos no diagonales de la
columna i-1 del triángulo inferior (elementos j>l, l=i-1), manteniendo los de las
previas, así como los restantes 1 de la diagonal principal. Se tendrá, a continuación la
solución, condicionada a los posteriores, para el parámetro Δpi:
∑
∑
+=
<
−−
−−
−
−−
−−
−
−−
−−
−
−−
−−
−
+=
−<<
−−
Δ−=Δ
==⇒−
−=
−
−=
≥
Δ−=Δ
===⇒==<
5
1
)()(
)()(,
)1(,1
)1(1,
)1(
)1(1
)1(1,
)1()(
)1(,1
)1(1,
)1(
)1(,1
)1(1,
)1()(
5
1
)()(
)1(,
)(,
)()1()()1()(
1;0
;:
0;1;:
ill
iil
iii
ijj
iilj
iji
iij
ijj
ii
iij
iji
jiji
iij
ijj
ili
iij
ijli
jl
jll
ijl
ijj
ijlj
ijlj
ijj
ij
ij
ijl
ijl
pMTp
MMMMMTMT
TMMMMMM
Mij
pMTp
MMMTTMMij
(3.33)
Paso 5. Después del paso 4 (anterior para i=4) la matriz M(4) está casi
totalmente triangulada. Queda solamente el último menor principal de orden 2. En
este paso se triangula este último, finalizando el proceso, y se obtiene la solución
explícita para el último parámetro, Δp5:
)5(55
)5(55
)5(5,5
)4(45
)4(54
)4(55
)4(4
)4(54
)4(5)5(
5)4(45
)4(54
)4(55
)4(4
)4(54
)4(5)5(
5
5
1
)5()5(
)4(,
)5(,
)5()4()5()4()5(
1;0
;:5
0;1;:5
Tp
MMMMMTMTT
MMMMMMM
j
pMTp
MMMTTMMj
l
lll
jlljljj
jljjljjjjjjljl
=Δ
==⇒−−
=−−
==
Δ−=Δ
===⇒==<
<
+=
<<
∑
(3.34)
Capítulo 3: Ajuste de curvas I-V de… 3.4 Desarrollo del procedimiento de ajuste
77
Queda pues, finalmente, el sistema equivalente con matriz triangular superior y con
valores 1 en la diagonal principal. La solución es explícita si se materializa en orden
descendente (en la secuencia Δp5, Δp4,..., Δp1):
∑>
Δ−=Δ⇒=
=Δ
jlljljj pMTpj
TpM)5()5(
)5()5(
1,2,3,4,5 (3.35)
El cálculo inicial (antes de la triangulación) de la matriz M y de su inversa M-1 nos
proporciona (ver capítulo 2, expresión (2.48)) los errores estándar del conjunto de
parámetros: σ(ISC), σ(VOC), σ(rs), σ(gP), σ(c2).
A partir de esos resultados y de la relación existente entre los parámetros
normalizados y los parámetros originales (3.5), (3.7) y usando los errores estándar de
aquéllos (2.47), se deducen los errores estándar de cada parámetro original como:
( ) ( ) pl
n
l l
jj njp
pP
Pp
,...,1,1
=∂
∂= ∑
=
σσ (3.36)
Donde Pj representa un parámetro original, que puede ser función de los np parámetros
normalizados. Así, las expresiones de las incertidumbres relativas se detallan en el
Anejo3.
3.5. Ejemplo de ajuste. Aplicación del método iterativo. Célula CI1
Tras explicar la implementación del método de ajuste para el caso de iluminación, en
este apartado se ilustra con bastante detalle el proceso en un primer ejemplo (célula
CI1) con el modelo de dos exponenciales (dos diodos), utilizando las expresiones
completas de las derivadas y utilizando aproximaciones para comparar los resultados.
También se presenta en este ejemplo el modelo de una exponencial para el que no es
preciso cambiar el método de cálculo aunque se ajustará a un conjunto de parámetros
diferente, como se verá a continuación.
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
78
Tras esta ilustración se incluirán otros ejemplos con menor detalle y resaltando la
especificidad de cada uno, todos ellos utilizando el modelo normalizado con dos
diodos.
Todas las medidas de los ejemplos que siguen (CI1 a CI5) se han realizado con
temperatura e irradiancia constantes bajo una lámpara de xenón como se describió al
principio del capítulo. Para todos los ejemplos se tomará m1=1, m2=2 y
Vt = 0,02586V, que corresponde a una temperatura de operación de 300 K.
3.5.1 Cálculo de los elementos de la matriz con derivadas completas
El método descrito anteriormente se ha implementado en una hoja de cálculo de Excel
y con ella se ilustran a continuación los diferentes pasos. Se utiliza como ejemplo una
célula (que llamaremos CI1) fabricada en el IES. Es una célula de silicio realizada
sobre un substrato FZ, con emisor de fósforo, BSF de aluminio y contactos
evaporados y de área 4 cm2. Los resultados experimentales de su característica I-V se
representan en la Figura 3.5.
Figura 3.5 Datos experimentales corriente-tensión de iluminación (célula CI1)
Se empieza el proceso de ajuste con la obtención de parámetros aproximados
mediante ajustes lineales por tramos, (3.25) y (3.26). Para ello se selecciona un
Célula CI1
0
0,04
0,08
0,12
0,16
0 0,1 0,2 0,3 0,4 0,5 0,6
Tensión (V)
Cor
rien
te (A
)
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
79
conjunto de puntos experimentales próximos, respectivamente, a cortocircuito y a
circuito abierto. El número de puntos, deberá ser cómo mínimo tres; en nuestro caso
hemos tomado cinco puntos como se ha indicado en §3.4.1.
Los 4 parámetros iniciales (ISC0, GP0 y VOC0, R0,) están definidos en las zonas
respectivas, siendo ISC0 y VOC0 la corriente de cortocircuito y la tensión de circuito
abierto, respectivamente. R0 es la pendiente (en valor absoluto) de V en función de I
en circuito abierto y GP0 la pendiente de I en función de V en cortocircuito, obtenidas
mediante las expresiones (3.26).
Los resultados de estos ajustes lineales iniciales de las regiones respectivas se
muestran en la Tabla 3.1
Tabla 3.1: Parámetros iniciales obtenidos
ISC0 (A) VOC0 (V) R0(Ω) GP0 (Ω-1)
0,137 0,616 0,863 -1,3.10-3
En este ejemplo se obtiene (numéricamente) un valor de GP0<0 que, por las
condiciones de rango, se trasladará al valor cero, límite inferior físicamente admisible.
Por otra parte, restando Vt/ISC ≅ 0,189 Ω del valor de R0 se obtiene RS ≅ 0,674 Ω
Con esos resultados se deducen los parámetros iniciales mediante (3.27), así como los
auxiliares kOC1 y kOC2 mediante (3.7). En esta fase inicial se asume que sólo la primera
exponencial es importante, es decir c20 = 0. Así el conjunto de los parámetros con que
se inicia el proceso iterativo es el mostrado en la Tabla 3.2.
Tabla 3.2: Parámetros iniciales introducidos en la iteración
ISC0 (A) VOC0 (V) rS0 gP0 c20
0,137 0,616 0,150 0 0
Con kOC1 =23,81 y kOC2 =11,90
Tras la primera iteración, sigue obteniéndose un resultado negativo para gP, por lo que
sigue también forzándose su valor a cero. El sistema se reduce pues, en la práctica, a
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
80
cuatro ecuaciones. La evolución de los resultados del proceso iterativo, conforme al
proceso indicado en §3.4.2, se muestra en la Tabla 3.3. Se incluye también la
evolución de la desviación estándar (RMS, ecuación (2.45)) porque juega el papel más
significativo y es (su cuadrado) la magnitud minimizada en el proceso.
Para monitorizar la convergencia del proceso, en la Tabla 3.3 se utiliza un indicador
de convergencia definido como (1-RMSi-1/RMSi), donde i denota el número de la
iteración. Muestra el progreso en la reducción del error en cada paso iterativo. En este
caso la reducción es muy rápida y el proceso podría detenerse cuando se alcanza un
valor de este indicador por debajo de, por ejemplo, 10-10. Sin embargo, en este caso se
ha continuado más allá para mostrar más claramente la estabilización, tanto de los
valores de los parámetros como del propio proceso. Esta ha sido, también, la única
razón para mostrar los valores de la tabla con un número de cifras significativas
manifiestamente exagerado.
Tabla 3.3: Secuencia iterativa del proceso para el ejemplo CI1
Paso ISC(A) VOC(V) rs gp c2 RMS Indicador de
convergencia
1º 0,1371664 0,61576264 0,15028195 0 0 0,00574315
2º 0,13730822 0,61658259 0,13525155 0 0,15469481 0,00413146 -0,3901
3º 0,13729969 0,61621584 0,13219734 0 0,17701719 0,00410651 -0,00607
4º 0,13730138 0,61619679 0,13197157 0 0,17886395 0,00410637 -3,4.10-05
5º 0,13730155 0,61619537 0,13195551 0 0,17899676 0,00410637 -1,7.10-07
6º 0,13730156 0,61619527 0,13195439 0 0,17900599 0,00410637 -8,3.10-10
7º 0,13730156 0,61619527 0,13195432 0 0,17900663 0,00410637 -4,0.10-12
8º 0,13730156 0,61619527 0,13195431 0 0,17900668 0,00410637 -1,6.10-14
9º 0,13730156 0,61619527 0,13195431 0 0,17900668 0,00410637 -3,7.10-15
10º 0,13730156 0,61619527 0,13195431 0 0,17900668 0,00410637 3,5.10-15
ISC y VOC son parámetros de valor bastante estable, obtenido con buena aproximación
desde las primeras iteraciones, que no varían mucho durante el proceso. El cambio
registrado tiene lugar a partir de la cuarta cifra significativa y a partir de la quinta-
sexta iteración su variación es insignificante. Lo mismo puede decirse de rS y c2 a
partir de la séptima-octava.
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
81
Hay que notar que el error RMS es adimensional ya que corresponde a desviaciones
ortogonales en sistemas de coordenadas normalizadas.
Como muestra se dan a continuación en la Tabla 3.4 algunos valores relacionados con
las matrices y vectores del sistema. Lo más apropiado para establecer comparaciones
es usar matrices normalizadas (por ejemplo MN y el vector TN) cuyos elementos no
tienen dimensiones físicas. La información se completa si, además, se suministra el
vector de normalización o matriz diagonal DM (vector raíz de la diagonal de M) cuyas
dimensiones son las del inverso de cada parámetro correspondiente. Para el caso de
cinco parámetros son estos:
Tabla 3.4: Matriz Normalizada MN inicial con cinco parámetros, Vector Normalizado
TN final, DM vector raíz de la diagonal de M inicial
ISC VOC rS gP c2 TN Dm
ISC 1 0,22 -0,34 -0,83 -0,52 2,2.10-14 4,3
VOC 0,22 1 -0,79 -0,26 -0,53 9,8.10-14 1,1
rS -0,34 -0,79 1 0,44 0,82 -1,3.10-13 0,39
gP -0,83 -0,26 0,44 1 0,74 -2,3.10-4 0,24
c2 -0,52 -0,53 0,82 0,74 1 -2.10-14 3,8.10-2
MN y DM se corresponden con los parámetros iniciales (1ª fila de la tabla 3.3). Por el
contrario TN se corresponde con los finales (última fila de la Tabla 3.3) para así
mostrar las peculiaridades de este caso: Este TN final tiene todas sus componentes,
salvo una (la correspondiente al parámetro gP) prácticamente nulas, lo que justifica la
convergencia del proceso de ajuste que, realmente, ha sido de cuatro parámetros
porque en todos los pasos de la iteración gP ha sido forzado a tomar el valor 0.
Como ya se mencionó anteriormente, se inicia el proceso iterativo con gp0 =0 y un
sistema matricial de 5 parámetros, pero se obtiene un resultado negativo del
incremento Δgp= -0,0081 lo que daría lugar a un gp = -0,0081, igualmente negativo y
físicamente inaceptable. Por ello, deberá rehacerse el cálculo pero restringido a los
restantes cuatro parámetros. Y esa comprobación deberá repetirse en cada paso de
iteración. Lo que muestra el vector TN final de este ejemplo es, más claramente, esa
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
82
misma situación: siendo negativa su componente asociada a gP y prácticamente 0 las
asociadas a los demás parámetros, una solución matemática que daría lugar a un mejor
ajuste correspondería a un valor negativo (incremento negativo respecto de 0) del
parámetro gP. Por otra parte, esta solución no admisible físicamente suele dar lugar, si
se continúa el proceso iterativo sin restricciones, a una deriva caótica con resultados
oscilantes y, con frecuencia, divergentes; razón adicional para ser desestimada.
Sin embargo, en cuanto a los resultados finales, es procedente incluir la información
(matricial) completa, para todos los parámetros con independencia de que los
condicionantes físicos hayan forzado un proceso con matrices reducidas.
Tabla 3. 5: La matriz de correlación inicial de 5 parámetros incluyendo gP
ISC VOC rS gP c2
ISC 1 0,06 0,25 0,79 -0,37
VOC 0,06 1 0,71 0,14 -0,33
rS 0,25 0,71 1 0,44 -0,79
gP 0,79 0,14 0,44 1 -0,71
c2 -0,37 -0,33 -0,79 -0,71 1
Tabla 3.6: Matriz de correlación final de 5 parámetros incluyendo gP:
ISC VOC rS gP c2
ISC 1 0,07 0,24 0,79 -0,36
VOC 0,07 1 0,72 0,15 -0,38
rS 0,24 0,72 1 0,44 -0,84
gP 0,79 0,15 0,44 1 -0,69
c2 -0,36 -0,38 -0,84 -0,69 1
En este caso, como puede apreciarse las diferencias entre ambas son mínimas. Lo que
se debe, entre otras razones, a que los parámetros de la estimación inicial (procedente
del ajuste lineal de tramos separados) ya satisfacen un ajuste con escaso margen de
mejora.
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
83
En las matrices de correlación de la Tabal 3.5 y la Tabla 3.6 se aprecia que el
coeficiente de correlación entre gp y c2 es alto, pero no excesivo (-0,69 al final y –0,71
al inicio del proceso). Un caso parecido se da entre ISC y gp con un coeficiente 0,79 al
inicio y al final del proceso
La correlación es también fuerte entre rS y c2 o VOC. Por ejemplo entre rS y c2 es de –
0,79 (final de -0,84) y entre rS, y VOC de 0,71 (0,72). En muchos casos la existencia de
correlaciones muy fuertes (coeficientes de correlación muy próximos a 1 o -1) puede
originar problemas de convergencia, como se indicó en el §2.9. El hecho de que en
este caso la convergencia haya sido fácil indica que estos valores, no demasiado
próximos a 1 o –1, no originan problemas.
Otro indicador global de riesgos de convergencia es el valor (y su evolución, en
cuanto a su proximidad a 0) del determinante de la matriz M, en su forma normalizada
(MN). En este caso dicho determinante ha variado desde 0,0103 en la situación inicial
hasta 0,0064 en la final. Paralelamente, los determinantes de las matrices inversas
normalizadas (matrices de correlación) han sido, respectivamente 0,015 y 0,0105. En
ambos casos se aprecia una tendencia decreciente aunque manteniéndose alejados de
una excesiva proximidad a 0, lo que también augura escasos problemas de
convergencia.
En §2.9 se mostró cómo la diagonal de la matriz inversa nos informa sobre la varianza
de cada parámetro. Se han obtenido los errores estándar global (RMS del ajuste) y de
cada parámetro según las definiciones y las expresiones dadas en el §2.10. En la Tabla
3.7 se presentan los parámetros del modelo normalizado así como sus errores estándar
y relativos:
Tabla 3. 7: Parámetros del modelo normalizado con sus errores (célula CI1)
ISC (A) VOC (V) rS gP c2
0,1373 0,6162 0,132 0 0,179
σ (ISC) (A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
3,1.10-4 1,1.10-3 5,8.10-3 7,6.10-3- 6,2.10-2
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% - σ (c2)/c2%
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
84
0,23 0,17 4,4 35
Con el error estándar del ajuste: RMS=4,1.10-3 y εm = 1,9.10-4
El error relativo es en torno al 0,2 % para ISC y para VOC, así que su error estándar
afecta sólo a la tercera o cuarta cifra significativa. Para rS el error estándar afecta a la
segunda o tercera cifra, siendo del 4% en términos relativos. Estos parámetros
presentan pues unas incertidumbres muy pequeñas. Por su parte, el error relativo de c2
es del 35%, grande pero aún aceptable en el sentido de que el parámetro es
significativo. En cuanto a gP, por ser nulo en este caso, no tiene sentido el error
relativo pero sí se da su error estándar.
El error (RMS) del ajuste representa la separación media de cada punto experimental
respecto de la curva ajustada en una representación gráfica normalizada y “cuadrada”,
con un fondo de escala 1 para ambos ejes. En este caso el error representa una
longitud de 4 milésimas del lado del cuadrado o 3 milésimas de su diagonal.
La Figura 3.6 representa el ajuste final de los datos de iluminación de la célula CI1
con las escalas normalizadas.
Figura 3.6: Ajuste final de la célula (CI1)
Una vez obtenidos los parámetros secundarios (parámetros del modelo normalizado),
se calculan los parámetros primarios del modelo convencional de (3.5) a (3.11), así
como sus incertidumbres. Los resultados se muestran en la Tabla 3.8:
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI1
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
85
Tabla 3.8: Parámetros del modelo convencional sin normalizar con sus errores
relativos (absoluto para GP) (célula CI1)
RS(Ω) GP(Ω-1) I01(A) I02(A) IL(A)
0,592 0 5,05.10-12 1,65.10-7 0,137
ΔRS /RS(%) ΔGp (Ω-1) ΔI01/I01(%) ΔI02/I02(%) ΔIL/IL(%)
4,8 1,05.10-3 13 37 0,33
Con m1Vt = 2,586.10-2 V y m2Vt= 5,172.10-2 V.
Los valores correspondientes a ISC (0,23 %) y VOC (0,17 %) se mostraron en la Tabla
3.7. Para ISC, VOC, IL el error es muy pequeño. Sin embargo son bastante significativos
los errores relativos de las corrientes inversas de saturación: 13% y 37% para I01 e I02
respectivamente.
Con los parámetros de la Tabla 3.8 puede obtenerse la corriente teórica en función del
voltaje. En la Figura 3.7 se representan los datos experimentales (puntos) con la curva
teórica ajustada (línea continua).
Figura 3.7: Ajuste final de los datos primarios I-V (célula CI1)
En las Figuras 3.8 y 3.9 se representa la desviación residual ortogonal, ε, en función
de la tensión normalizada, v, para la célula CI1 al principio y al final del proceso
iterativo, respectivamente.
00,020,040,060,08
0,10,120,14
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Cor
rien
te (A
)
Tensión (V)
Célula CI1
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
86
Figura 3.8: Error ortogonal para la aproximación inicial
Figura 3.9: Error ortogonal para la solución ajustada.
Se aprecia que los errores son algo mayores al inicio que al final, cuando se alcanza la
convergencia del proceso de ajuste. Según la Tabla 3.3 el valor de RMS pasa de
5,3.10-3 a 4,1.10-3. Esta variación no es muy importante y tan sólo significa que la
estimación inicial mediante ajustes lineales por tramos independientes es bastante
aceptable.
Es más significativa, por otra parte, la presencia de ciertos sesgos en la Figura 3.8
(zonas de varios puntos sucesivos con desviaciones del mismo signo) que desaparecen
en la Figura 3.9.
-0,015
-0,01
-0,005
0
0,005
0,01
0,015
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI1
-0,015
-0,01
-0,005
0
0,005
0,01
0,015
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI1
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
87
3.5.2 Cálculo de los elementos de la matriz con derivadas aproximadas
Se ha presentado el ajuste de la célula CI1 utilizando las derivadas completas dadas en
el Anejo 1. A continuación se realiza el mismo ajuste aproximando las derivadas
como se explicó en §3.3. Para comparar los resultados con los del apartado anterior se
presentan conjuntamente en la Tabla 3.9.
Tabla 3.9 Parámetros obtenidos con el modelo normalizado y usando las derivadas
completas o aproximadas (célula CI1)
Caso de
las
derivadas
completas
RMS ISC (A) VOC (V) rS gP c2
4,11.10-3 0,1373 0,6162 0,1320 0 0,179
Indicador de
convergencia
σ (ISC)
(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
-4.10-12
(6ª iteración) 3,1.10-4 1,1.10-3 5,8.10-3 7,6.10-3 6,2.10-2
Caso de
las
derivadas
aproxima
das
RMS ISC (A) VOC(V) rS - c2
4,16.10-3 0,1373 0,6156 0,1267 0 0,215
Indicador de
convergencia
σ (ISC)
(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
3.10-6
(6ª iteración) 3,1.10-4 1,1.10-3 6,1.10-3 7,7.10-3 6,5.10-2
Tal como estaba previsto, los errores estándar del ajuste (RMS) y de los distintos
parámetros son del mismo orden de magnitud, difiriendo en menos de un 6% en el
peor de los casos [σ(rS)], por lo que se pueden considerar prácticamente iguales. Y lo
mismo puede decirse de los parámetros obtenidos: son iguales dentro de los
respectivos márgenes de incertidumbre calculada. Por ejemplo rS±σ (rS) es
0,1320±0,0058 en el primer caso y 0,1267±0,0061 en el segundo y los resultados de
c2±σ (c2) son: 0,179±0,062 y 0,215±0,065 respectivamente. Los resultados son aún
mucho más próximos (iguales en las 4 y 3 primeras cifras significativas,
respectivamente) para ISC±σ (ISC): 0,1373±0,0003 (A) y VOC±σ (VOC):
0,616±0,001(V).
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
88
Ambos métodos son también similares en cuanto a la convergencia. En este ejemplo
concreto la convergencia ha sido algo más lenta con el método de las derivadas
aproximadas, pero sólo en los últimos pasos, cuando las diferencias paso a paso se
hacen casi inapreciables.
Todo ello demuestra la validez de la aproximación establecida para el cálculo de los
elementos de la matriz M del sistema.
3.5.3. Ajuste con el modelo de una exponencial
Se adapta nuestro modelo normalizado con dos exponenciales a uno normalizado con
una exponencial. Este modelo de un diodo con 1≠m se usa frecuentemente en el
modelado de sistemas fotovoltaicos (módulos, paneles, campos generadores, etc...).
Los parámetros a ajustar serán ISC, VOC, rS, gP y t
OCOC mV
Vk =1 . El valor de Vt está
relacionado directamente con la temperatura de funcionamiento interno de la célula.
Si la temperatura está controlada, el ajuste proporcionará el parámetro m, en caso
contrario no podrán separarse ambos factores del producto mVt. Esto se aplica tanto a
las medidas dentro del laboratorio como en el exterior y la segunda de esas situaciones
será la habitual cuando se caracterizan sistemas no unicelulares (asociaciones en serie
y/o en paralelo).
En la práctica, la introducción de ese quinto parámetro (kOC1 o m ajustable ≠1) para
ampliar un modelo de una exponencial con forma prefijada (m1 = 1) es otra alternativa
a la introducción de una segunda exponencial de forma también prefijada (m2 = 2) y
con c2≠0 como factor.
El método de cálculo es el establecido anteriormente, implementado en una hoja
Excel. Se han de cambiar los elementos de la matriz que contienen la derivada de ε respecto al parámetro c2 por la derivada respecto a kOC1. Se presentan a continuación
los resultados obtenidos para la célula CI1 en las Tablas 3.10 y 3.11.
Capítulo 3: Ajuste de curvas I-V de… 3.5 Ejemplo de ajuste. Aplicación del método…
89
Tabla 3.10: Parámetros del modelo normalizado de una exponencial con sus errores
relativos
(célula CI1)
ISC (A) VOC (V) rS gP kOC1
0,1373 0,6150 0,1082 0 17,03
σ(ISC) (A) σ(VOC)(V) σ(rS) σ(gP) σ(kOC1)
3,1.10-4 1,1.10-3 9,2.10-3 7,2.10-3 1,23
σ(ISC)/ISC % σ(VOC)/VOC% σ(rS)/rS% - σ (kOC1)/ kOC1%
0,22 0,18 8,5 7,2
Con el error estándar del ajuste: RMS=4,05.10-3
Tabla 3.11: Parámetros del modelo convencional deducidos de los de la tabla 3.10
(célula CI1)
RS(Ω) GP (Ω-1) I01(A) m IL(A)
0,49 0 5,51.10-9 1,40 0,1373
ΔRS/RS(%) ΔGp (Ω-1) ΔI01/I01(%) Δm/m(%) ΔIL/IL(%)
8,9 1,6.10-3 123 7,4 0,33
Con Vt = 0,02586 V (es decir T = 300 K y mVt = 0,03611 V)
El ajuste final se presenta en la Figura 3.10 y en la Figura 3.11 las desviaciones
ortogonales individuales.
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI1
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
90
Figura 3.11: Error ortogonal para la solución ajustada.
Los parámetros del modelo que son comunes con el de dos exponenciales (ISC, VOC, rS
y gP) se obtienen con valores e incertidumbres muy similares a los extraídos en los
ejercicios anteriores. Para mejor comparación se ha mantenido en seis el número de
iteraciones (indicador de convergencia = 4.10-9). El error RMS del ajuste también es
comparable al obtenido con el modelo de dos exponenciales (de 4,05.10-3 frente a
4,1.10-3). Lo más destacable de este ejemplo es la incertidumbre muy importante
obtenida para la corriente inversa de saturación, I01, que es incluso superior al 100%
(123%). Conviene hacer notar, sin embargo, que esta incertidumbre debe ser
interpretada en términos logarítmicos: σ(lnI01) = 1,23, que es, a su vez, prácticamente
la misma (absoluta) calculada para el parámetro característico de la función
exponencial, k01, y que, en términos relativos, no es la más importante del ejemplo
(7,2%).
Estas consideraciones apoyan, a nuestro juicio, la consideración de ISC y,
especialmente, VOC como parámetros más “robustos” para el modelado de
características de iluminación que, por ejemplo IL e I0.
3.6 Otros resultados y ejemplos
3.6.1 Resultados
Se presentan a continuación varios ejemplos de ajuste de curvas I-V de iluminación
realizados por el procedimiento descrito. Para cada caso, se dan los parámetros
-0,015
-0,01
-0,005
0
0,005
0,01
0,015
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI1
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
91
secundarios, pj, del modelo normalizado y sus incertidumbres expresadas como sus
errores estándar, σ(pj), y sus relativos, σ(pj)/pj, en porcentaje. También se presenta una
tabla con los parámetros del modelo primario (sin normalizar), sus errores y una
figura con la curva teórica (en línea continua) ajustada a los datos experimentales (en
puntos).
El indicador de convergencia, cuya evolución para el ejemplo anterior se dio en la
Tabla 3.3, sirve para cuantificar el grado de convergencia. Para cada ejemplo, se
especifica el número de iteraciones hasta alcanzar un determinado valor del indicador
no excesivamente pequeño. En algunos ejemplos se han obtenido resultados casi
definitivos en tan sólo cinco iteraciones (con el indicador de convergencia: -7,7.10-10)
consiguiéndose a partir de entonces variaciones residuales del error global del ajuste.
Esto da una idea de la facilidad o dificultad de la convergencia y también proporciona
más elementos de análisis y discusión, por ejemplo, cuando se pone en relación con el
grado de correlación entre parámetros.
• Célula CI2
Célula de antimoniuro de galio de estructura p (zinc) sobre n (teluro), para
aplicaciones termo-fotovoltaicas, encapsulada y con una capa antirreflectante. Área de
0,49 cm2.
Figura 3.12: Datos experimentales corriente-tensión de iluminación (célula
CI2)
0
0,003
0,006
0,009
0,012
0,015
0 0,1 0,2 0,3 0,4
Cor
rien
te (A
)
Tensión (V)
Célula CI2
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
92
Tabla 3.12: Parámetros del modelo normalizado con sus errores (célula CI2)
ISC (A) VOC (V) rS gP c2
0,01256 0,3068 1,64.10-2 1,76.10-2 0,712
σ (ISC)(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
2,5.10-6 6.10-5 2,1.10-3 7.10-4 0,013
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% σ (gP)/ gP% σ (c2)/c2%
0,02 0,02 13 4,1 1,8
RMS = 4,5.10-4
Tabla 3.13: Parámetros del modelo convencional, sin normalizar, y errores (célula CI2)
RS(Ω) GP(Ω-1) I01(A) I02(A) IL(A)
0,40 7,2.10-4 2,39.10-8 2,38.10-5 1,3.10-2
ΔRS/RS(%) ΔGP/GP% ΔI01/I01(%) ΔI02/I02(%) ΔIL/IL(%)
12,9 4,1 5,3 2,0 0,024
Después de seis iteraciones el indicador de convergencia llega a –6,1.10-10.
En este ejemplo se obtienen 5 parámetros en una convergencia rápida y segura. Se
presentan en las Figuras 3.13 y 3.14 los resultados del ajuste final de la célula CI2.
Figura 3.13: Ajuste final de la célula CI2
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI2
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
93
Figura 3.14: Error ortogonal para la solución ajustada
• Célula CI3
Célula de silicio multicristalino con contactos LGBG (laser grooved, buried grid) y
32 cm2 de área.
Figura 3.15: Datos experimentales corriente-tensión de iluminación (célula CI3)
-0,0015-0,001
-0,00050
0,00050,001
0,00150,002
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI2
0
0,2
0,4
0,6
0,8
1
1,2
0 0,1 0,2 0,3 0,4 0,5 0,6
I (A
)
V (V)
Célula CI3
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
94
Tabla 3.14: Parámetros del modelo normalizado con sus errores (célula CI3)
ISC (A) VOC (V) rS gP c2
1,147 0,573 0 4,8. 10-2 0,245
σ (ISC)(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
4,6.10-3 7,7.10-3 2,7.10-2 9,3.10-3 0,103
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% σ (gP)/ gP% σ (c2)/c2%
0,40 1,34 - 19,5 42
RMS = 5,0.10-3
Tabla 3.15: Parámetros del modelo convencional sin normalizar con sus errores (célula
CI3)
RS(Ω) GP(Ω-1) I01(A) I02(A) IL(A)
0 9,6.10-2 1,9.10-10 4,3.10-6 1,147
ΔRS(Ω) ΔGP/GP% ΔI01/I01(%) ΔI02/I02(%) ΔIL /IL(%)
0,013 21 46 57 0,53
Después de dieciséis iteraciones el indicador de convergencia llega a –9,9.10-9.
En este ejemplo se obtiene, tras la primera iteración, rS negativo. Se fuerza este
parámetro al cero como se explicó en §3.4.1 y como, de modo similar, se hizo en el
primer ejemplo con gP. El sistema queda con solo 4 parámetros ajustables, aunque la
comprobación se hace en cada paso. La convergencia del sistema ha sido lenta
Figura 3.16: Ajuste final de la célula CI3
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI3
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
95
Figura 3.17: Error ortogonal para la solución ajustada
• Célula CI4
Célula de substrato de silicio Cz con estructura (n/p/p+) (P/Al).
Figura 3.18: Datos experimentales corriente-tensión de iluminación (célula
CI4)
Tabla 3.16: Parámetros del modelo normalizado con sus errores (célula CI4)
ISC (A) VOC (V) rS gP c2
4,820 0,6180 1,26.10-2 1,6.10-2 0,190
σ (ISC)(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
2.10-3 1,2.10-4 7,4.10-4 1,1.10-3 9,5.10-3
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% σ (gP)/ gP% σ (c2)/c2%
0,043 0,02 5,9 7,1 5
RMS = 5,1.10-4
-0,015
-0,01
-0,005
0
0,005
0,01
0,015
0 0,2 0,4 0,6 0,8 1E
rror
ε
Tensión normalizada
Célula CI3
00,5
11,5
22,5
33,5
44,5
5
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Cor
rien
te (A
)
Tensión (V)
Célula CI4
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
96
Tabla 3.17: Parámetros del modelo convencional sin normalizar y sus errores (célula
CI4)
RS(Ω) GP(Ω-1) I01(A) I02(A) IL(A)
1,62.10-3 0,125 1,6.10-10 5,9.10-6 4,821
ΔRS/RS(%) ΔGP/GP% ΔI01/I01(%) ΔI02/I02(%) ΔIL/IL(%)
5,9 7,2 1,9 5,3 0,045
Después de cuatro iteraciones el indicador de convergencia llega a –3.10-10. La
convergencia ha sido bastante rápida
Figura 3.19: Ajuste final de la célula CI4
Figura 3.20: Error ortogonal para la solución ajustada.
• Célula CI5
Célula de silicio Cz y estructura (n/p/p+) (P/AL). Area de 4cm2. He fabricado está
célula en el Instituto de Energía Solar en el marco del laboratorio de caracterización
de células solares.
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI4
-0,0015
-0,001
-0,0005
0
0,0005
0,001
0,0015
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI4
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
97
Figura 3.21: Datos experimentales corriente-tensión de iluminación (célula
CI5)
Tabla 3.18: Parámetros del modelo normalizado con sus errores (célula CI5)
ISC (A) VOC (V) rS gP c2
0,1371 0,6501 0,104 0 5,9.10-2
σ (ISC)(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
1,6.10-4 9.10-4 4. 10-3 2,2.10-3 3,7.10-2
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% σ (gP)/ gP% σ (c2)/c2%
0,12 0,14 3,7 - 62
RMS = 3,4.10-3
Tabla 3.19: Parámetros del modelo convencional con sus errores(célula CI5)
RS(Ω) GP(Ω-1) I01(A) I02(A) IL(A)
0,49 0 1,56.10-12 2,8.10-8 0,1371
ΔRS/RS(%) ΔGP(Ω-1) ΔI01/I01(%) ΔI02/I02(%) ΔIL/IL(%)
4,0 4,7.10-4 7,7 64 0,14
Después de cinco iteraciones el indicador de convergencia llega a –8.10-10. El proceso
de convergencia ha sido rápido y seguro.
En este ejemplo se han obtenido 4 parámetros siendo Gp nulo. Se presenta el ajuste
final en la Figura 3.22 y el error ortogonal en la Figura 3.23.
0
0,03
0,06
0,09
0,12
0,15
0 0,2 0,4 0,6
Cor
rien
te (
A)
Tensión (V)
Célula CI5
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
98
Figura 3.22: Ajuste final de la célula CI5
Figura 3.23: Error ortogonal para la solución ajustada.
Se presentan en lo que sigue las matrices normalizadas en la Tabla 3.20, las matrices de
correlaciones en la Tabla 3.21 de los ejemplos así como la evolución de sus
determinantes con el fin de discutir mejor el proceso de convergencia.
También Se presentan en la Tabla 3.22 los determinantes de las matrices normalizada y
de correlación correspondientes a los pasos inicial y final del proceso iterativo de 5
parámetros. Se recuerda que en el paso inicial se toman los 4 parámetros de la fase
inicial con c2 = 0.
Y en la Tabla 3.23 las corrientes de diodo Ik = I0k (exp(VOC/mkVt)-1) en circuito abierto
y la que atraviesa la conductancia paralelo Ig = GP VOC están dadas. Se expresan también
como contribuciones porcentuales de la fotocorriente, IL, en los diferentes ejemplos.
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CI5
-0,01
-0,005
0
0,005
0,01
0 0,2 0,4 0,6 0,8 1
Err
orε
Tensión normalizada
Célula CI5
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
99
Tabla 3.20: Matrices normalizadas de los ejemplos de CI2 a CI5
ISC VOC rS gP c2
ISC 1 0,34 -0,53 -0,73 -0,59
VOC 0,34 1 -0,81 -0,56 -0,76
rS -0,53 -0,81 1 0,80 0,988
gP -0,73 -0,56 0,80 1 0,86
-0,59 -0,76 0,988 0,86 1
Matriz normalizada CI2
ISC VOC rS gP c2
ISC 1 0,36 -0,39 -0,92 -0,56
VOC 0,36 1 -0,986 -0,50 -0,85
rS -0,39 -0,986 1 0,55 0,91
gP -0,92 -0,50 0,55 1 0,76
c2 -0,56 -0,85 0,91 0,76 1
Matriz normalizada CI3
ISC VOC rS gP c2
ISC 1 0,22 -0,33 -0,79 -0,51
VOC 0,22 1 -0,86 -0,34 -0,65
rS -0,33 -0,86 1 0,51 0,87
gP -0,79 -0,34 0,51 1 0,77
c2 -0,51 -0,65 0,87 0,77 1
Matriz normalizada CI4
ISC VOC rS gP c2
ISC 1 0,20 -0,31 -0,49 0,48
VOC 0,20 1 -0,81 -0,21 -0,57
rS -0,31 -0,81 1 0,33 0,84
gP -0,49 -0,21 0,33 1 0,55
c2 0,48 -0,57 0,84 0,55 1
Matriz normalizada CI5
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
100
Determinantes de las diferentes matrices de los diferentes ejemplos
Tabla 3.22: Determinantes de las diferentes matrices de los diferentes ejemplos
Determinantes Matriz normalizada Matriz de correlación
CI1 inicial 0,0103 0,0150
final 0,0064 0,0105
CI2 inicial 0,00395 0,0132
final 0,000398 0,00252
CI3 inicial 1,1.10-4 1,57.10-4
final 4,3.10-5 6,79.10-5
CI4 inicial 0,00815 0,0151
final 0,00509 0,0111
CI5 inicial 0,0616 0,0910
final 0,0393 0,0668
Tabla 3.23: Componentes de corriente de las diferentes células en circuito abierto
Células I1 (A) I2(A) Ig(A) IL(A)
CI1 0,113 0,024 0 0,137
% 82,5 17,5 0
CI2 0,165 0,082 0,007 0,254
% 65 32 3
CI3 0,811 0,281 0,054 1,147
% 70,8 24,5 4,7
CI4 3,827 0,916 0,077 4,821
% 79,4 19 1,6
CI5 0,129 0,008 0 0,137
% 94,2 5,8 0
3.6.2 Discusión
El procedimiento se ha aplicado con éxito a varias características experimentales
correspondientes a células de materiales, tecnología y calidad muy dispares con
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
101
buenos resultados. Este éxito debe entenderse en el sentido de que ha sido posible
extraer un juego de parámetros que reproduce con razonable aproximación los
resultados de medida I-V, en toda su extensión, proporcionando además una
formulación funcional (continua) de esas características. En la mayoría de los casos la
convergencia ha sido rápida, estabilizándose el proceso tras cuatro o cinco pasos de
iteración. Es decir, en este número de pasos el error cuadrático medio se hace
prácticamente invariable y mínimo y el indicador de convergencia es del orden de, o
inferior a, 10-10.
En algunos casos, como el de la célula de silicio multicristalino con contactos LGBG
(CI3), la convergencia sólo ha sido posible tras una mejora de los datos: cuando un
grupo de datos experimentales presenta una repetición del valor de tensión o de
corriente es preferible quedarse con el promedio del grupo, evitando así dar un peso
excesivo a ese grupo en el error global del ajuste. Por otra parte, los datos deben
obtenerse en el primer cuadrante y estar repartidos a lo largo de la curva. Esta
condición deberá ser contemplada por los programas de medida automática o, en su
defecto, supervisada directamente antes de someter las medidas al proceso de ajuste.
Además de las incertidumbres de los parámetros, se puede obtener una importante
información de las matrices normalizada y de correlación que se han determinando
como se describe en §2.9.4
Los elementos de las matrices MN se miden en una misma escala de importancia y son
por ello comparables entre sí como las matrices de correlación. Esto no es posible
directamente con los elementos de M o de M-1. Los elementos de la diagonal principal
de las matrices normalizadas son todos 1 y los no diagonales, positivos o negativos, de
valor absoluto inferior a 1. Están acotados al intervalo [-1,+1] como se comprueba en
todas las matrices presentadas de los diferentes ejemplos.
Durante el proceso iterativo se puede observar como varían los determinantes de las
matrices normalizada y de correlación desde el paso inicial al paso final. Esta
evolución se ha presentado en la Tabla 3.17. Siendo siempre positivos, en todos los
casos experimentados los determinantes decrecen y se aproximan más a 0,
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
102
reduciéndose a veces hasta en un orden de magnitud. En el caso de CI3 los valores
son notablemente más pequeños desde el principio (del orden de 10-4 frente a otros
ejemplos con valores en torno a 10-2, lo que indica correlaciones entre parámetros
globalmente más importantes. Esto se puede relacionar también con el proceso
iterativo y su convergencia que ha sido lenta: Se han requerido 16 iteraciones frente a
4-5 de otros casos. Merece destacarse así mismo que, en todos los casos, el
determinante de la matriz de correlación ha resultado ser superior al de la matriz
normalizada (MN) en un factor de entre 1,5 y 6 veces, aproximadamente.
Algunas parejas de parámetros suelen presentar correlaciones importantes, por
ejemplo (rS y VOC), (gP e ISC ) o (rS y c2). Así, en la célula CI2 los coeficientes de
correlación entre éstas son de 0,58; 0,40 y -0,97, respectivamente pero de 0,98 0,91 y -
0,88 en CI3. Por el contrario, los coeficientes de correlación suelen ser bastante bajos
entre parámetros que tienen efecto importante en regiones distintas de la característica
I-V. Así es, por ejemplo, entre (VOC e ISC), (rS e ISC) o (gP y VOC).
Se presenta en la Figura 3.24 el coeficiente de correlación de la corriente de
cortocircuito ISC con los parámetros VOC, rS, gP, y c2 para diferentes células (en
diferentes colores).
Se puede apreciar la baja correlación existente entre la corriente de cortocircuito ISC y
la tensión de circuito abierto VOC, o con la resistencia serie rS, mientras que el
coeficiente de correlación es más alto entre los pares (ISC, gp) y (ISC, c2).
Figura 3.24: Coeficiente de correlación entre ISC y VOC, rS, gP o c2 para diferentes
células (CI1 a CI5)
-1-0,6-0,20,20,6
1
Voc rs gp c2
Parámetros P(Voc,rs,gp,c2) correlados con Isc
Coe
ficie
nte
de c
orre
laci
ón
CI1CI2CI3CI4CI5
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
103
Figura 3.25: Coeficiente de correlación entre gP y ISC, VOC, rS, o c2 para diferentes
células (CI1 a CI5)
En la Figura 3.25 se da el coeficiente de correlación de gP con los parámetros ISC, VOC,
rS y c2. Los pares (ISC, gP) y (c2, gP) presentan, generalmente, un valor alto del
coeficiente de correlación debido a que sus efectos son concurrentes en la misma
región de las características I-V (zonas de tensiones bajas e intermedias,
respectivamente). Esto ocurre para la mayoría de las células estudiadas.
Por el contrario, los coeficientes de correlación de los pares (gp, rs) y (gp, VOC), en
particular de este último, son usualmente más reducidos por no tener esos parámetros
su influencia primordial en la misma región.
Figura 3.26: Coeficiente de correlación entre rS y ISC, VOC, gP, o c2 para diferentes
células (CI1 a CI5)
-1
-0,6
-0,2
0,2
0,6
1
Isc Voc rs c2C
oefic
ient
e de c
orre
laci
ón
Parámetros P(Isc,Voc,rs,c2) correlados con gp
CI1
CI2
CI3
CI4
CI5
-1-0,6-0,20,20,6
1
Isc Voc gp c2
Coe
ficie
nte d
e cor
rela
ción
Parámetros P(Isc,Voc,gp,c2) correlados con rs
CI1CI2CI3CI4CI5
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
104
En la Figura 3.26 se da el coeficiente de correlación de rS con los parámetros ISC, VOC,
gP y c2. Los pares (rS, VOC,) y (rS, c2) presentan un alto coeficiente de correlación. Para
(rS, VOC,) debido a que los dos parámetros son relevantes en la misma región de las
características I-V. Para (rS, c2) a que c2 tiene su máximo efecto en la zona del codo
(intermedia), donde también es concurrente con los efectos de rS . Esto ocurre para la
mayoría de las células estudiadas.
Cuando el proceso de ajuste implica a cinco parámetros, como hasta aquí se ha
planteado, la matriz de covarianzas es estable y robusta y el proceso de iteración
converge a pesar de que algunos coeficientes de correlación son altos. Sin embargo,
cuando el número de parámetros aumenta, variando m1 o m2 o ambos, la matriz M del
sistema, así como la de covarianzas, tiende, con frecuencia, a tener un determinante
aproximándose a 0 y ocasionando una evolución caótica del vector incremental Δp y
del resultante vector para el término independiente T, de modo similar a como se verá
en detalle en el Capítulo 5: En lugar de una solución sucesiva y progresivamente
mejor aproximada, se desencadena un proceso oscilante y habitualmente divergente.
En el ejemplo CI5 (Tabla 3.19) se obtiene una incertidumbre relativa muy importante
(superior al 50%) para la corriente de saturación inversa de la segunda exponencial,
I02. Eso, en este caso, va unido a un reducido valor de c2 (frente a 1) y quiere decir que
la influencia de la segunda exponencial es pequeña, es decir, la solución del sistema
es casi independiente de este parámetro. Esto es lo esperable en células de silicio de
buena calidad en que la primera exponencial suele preponderar. Sin embargo, en otros
ejemplos (como CI3) se dan incertidumbres del mismo orden para ambas corrientes de
saturación, en este caso motivadas por matrices características más próximas a la
singularidad y por la existencia de varios coeficientes de correlación bastante
próximos a 1 o -1. En otros ejemplos, como CI2, se aprecia que la segunda
exponencial está determinada con menor incertidumbre que la primera, por ser
dominante, aunque, además en este caso (también en el CI4), todas las incertidumbres
son bastante reducidas.
De los parámetros extraídos y los resultados obtenidos en los diferentes ejemplos se
puede dar interpretaciones físicas sobre la calidad y la fabricación de las células
Capítulo 3: Ajuste de curvas I-V de iluminación 3.6 Otros resultados y ejemplos
105
solares estudiadas. La normalización de parámetros permite comparar a este respecto
células de diferente área y tecnología.
Uno de los requisitos de una célula de buena calidad es que el valor de gP sea muy
pequeño (o igual a cero). Es el caso de los ejemplos CI1 y CI5 (ambos con gP =0), CI2
(gP=1,76.10-2) y CI4 (gP=1,6.10-2). Para CI3 obtenemos un valor relativamente alto
(gP=4,86.10-2). La escasez de datos experimentales (para CI4, por ejemplo) en la zona
de bajas tensiones hace difícil distinguir claramente, en un ajuste, entre las influencias
de la conductancia paralelo y de la corriente de saturación I02, pues ambas se producen
en la misma zona.
Las corrientes inversas de saturación cumplen I01<< I02 (de otra forma el primer
término no sería apreciable). Para estudiar su influencia en el comportamiento de la
célula, se han calculado y comparado en la Tabla 3.23 sus contribuciones en circuito
abierto: En todos los ejemplos tenemos igualdad entre la suma de componentes y la
fotocorriente. Las contribuciones de I1 son mayores que las de I2 en los ejemplos CI1,
CI5, como debe ocurrir en buenas células de silicio. La célula CI2 en que la
contribución de la segunda exponencial es más importante es de GaSb. Como ya se
dijo, cuanto menor es la contribución de Ig, mejor. Si gP no es muy grande, como en
los casos analizados, su valor da aproximadamente la pérdida de potencia relativa
debida a la conductancia en paralelo.
Del mismo modo, cuanto menor valor de la resistencia serie, más potencia máxima y
mejor célula. Al usar la resistencia serie normalizada se tiene una lectura directa de su
importancia. Por ejemplo, para CI1 (rS = 0,108) y CI5 (rS = 0,104) tenemos una
pérdida aproximada del 10% en la potencia máxima. Para CI2 (rS = 1,64. 10-2), CI3 (rS
= 0), CI4 (rS = 1,26. 10-2) la resistencia serie y su efecto de pérdida son notablemente
más pequeños.
Tesis doctoral: “Nuevos procedimientos de análisis de los datos corriente-tensión de…”
106
3.7 Conclusiones
El método ilustrado nos permite extraer los parámetros físicos de curvas I-V en
iluminación de células solares y generadores fotovoltaicos, como se ha mostrado en
los diversos ejemplos de dispositivos de una gran variedad de tecnologías de
fabricación y de tamaños. De estos parámetros se puede dar interpretaciones físicas
sobre sus calidades y su fabricación. La normalización de los parámetros nos permite
hacer estas comparaciones y análisis directamente.
El método da los parámetros, sus incertidumbres y el error estándar del ajuste para
expresar la bondad del ajuste. La convergencia del sistema de ecuaciones establecido
para el conjunto de cinco parámetros que minimizan la distancia ortogonal es rápida.
La formulación aproximada utilizada evita la alta complejidad añadida, sin mejora
apreciable de la eficacia del ajuste, que tendría la búsqueda punto a punto de los
situados, con precisión, sobre direcciones ortogonales.
La expresión obtenida para la distancia ortogonal es aproximada, pero la aproximación
afecta muy poco a los resultados como se ha ilustrado en el ejemplo CI1, con tal de
utilizar la misma para todos los puntos experimentales. Así, se tiene que la distancia
ortogonal equivale a la distancia vertical ponderada con un “peso” local wi calculable
analíticamente en primera aproximación.
La resolución proporciona las matrices características, en especial la matriz de co-
varianzas, que se utilizan como fuente de información sobre el desarrollo del proceso
y sus posibles problemas de convergencia, así como sobre los errores estándar
(incertidumbres) y las correlaciones entre los parámetros.
Sobre el método hay que decir también que las posibilidades de solución y
convergencia disminuyen mucho cuando el número de parámetros aumenta. En la
práctica, esto significa que suele ser discutible pretender ajustar datos I-V de
iluminación con un número de parámetros superior a 5.
CAPÍTULO 4
CRITERIOS DE AJUSTE
Capítulo 4 Criterios de ajuste 4.1 Introducción
111
4.1. Introducción
En este capítulo se trata de describir y comparar diferentes criterios para una elección
adecuada del error de ajuste, de acuerdo con la definición del problema presentada en el
Capítulo 2. Aunque se trata de un problema muy general, se ha particularizado para el
caso de la característica I-V en iluminación de una célula con el fin de concretar, e
ilustrar mediante ejemplos, las consideraciones relevantes en su planteamiento. En esta
particularización como se comentó en los capítulos anteriores se supondrá que las
magnitudes físicas experimentales (en general, las variables x e y) son adimensionales,
están normalizadas y se designan, respectivamente, por los símbolos v e i puesto que
corresponden al voltaje y corriente de la célula.
Sea una colección de pares experimentales ve-ie, para nd pares, y un modelo teórico
ic = F(vc), donde el subíndice c recuerda que las magnitudes son calculadas. Se pretende
ajustar los resultados experimentales a esta expresión teórica, que incluye una colección
de parámetros ajustables (pj, j=1,..., Np) como se explicó en el §2.3 y §3.4.2
En general, el ajuste tendrá como objetivo la determinación del mínimo de una
desviación cuadrática media experimentos-modelo. Para ello debe definirse, en primer
lugar, cuál es la desviación individual a considerar, lo que implica establecer una
correspondencia entre puntos individuales experimentales y los puntos del modelo
calculado. Esto es lo que denominamos criterio de ajuste, La elección puede estar
relacionada con el conocimiento de las características experimentales en cuanto a la
exactitud presumida para las dos variables (i, v) que intervienen. A modo de ejemplo, en
los problemas más específicamente estadísticos, los valores concretos de la variable x
pueden estar perfectamente definidos y es la variable y la que en determinaciones
experimentales puede estar sujeta a dispersión. En nuestro caso, sin embargo, puede
decirse, en general, que tanto la determinación experimental de v como la de i están
afectadas de una cierta dispersión o error no sistemático
En primer lugar se presentan diferentes criterios de correspondencia de puntos
individuales experimental-modelo que pueden aplicarse. Se busca la función o
desviación cuadrática, que deberá hacerse mínima, y finalmente se determina mediante
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
112
algunos ejemplos cuál de los criterios posibles sería más apropiado, más eficaz, sobre
todo, computacionalmente.
Como se dijo, estas cuestiones se abordan en este apartado para el caso concreto de la
curva i-v de iluminación de una célula solar usando el modelo de cálculo establecido en
el Capítulo 3. Se trata en todo momento de establecer proyecciones de las conclusiones
para que tengan una validez más general.
4.2. Relaciones de correspondencia experimento-modelo y expresiones de la
desviación
4.2.1. Introducción
La desviación en corriente o en tensión son las más inmediatas y, por tanto, las más
utilizadas. Al analizarlas en detalle se aprecian posibles variantes, al mismo tiempo que
se buscan los matices diferenciales entre los posibles tratamientos y definiciones de las
desviaciones de corriente o de tensión.
Consideremos algunos de los distintos casos. Se ilustrarán gráficamente y, para aligerar
la notación, utilizaremos los siguientes convenios:
i) Un par genérico de valores experimentales se denotará v-i, su variable paramétrica
asociada v'=v±rSi, y su correspondiente par calculado, vc-ic con v'c=vc±rSic, siendo el
signo superior para el caso de iluminación y el inferior para el caso de oscuridad
ii) Se prescindirá también de la especificación de los parámetros pj en las expresiones
funcionales. Será sobreentendido un juego concreto y fijo de parámetros, antes de
proceder a analizar variaciones respecto de éstos, lo que tendría lugar sólo en el proceso
posterior de minimización de la desviación como se hizo en el capítulo anterior. Y, así,
obviaremos también los paréntesis en la especificación del valor de la variable
paramétrica (v') para el que se calcula una función, designando, por ejemplo, por F ≡
F(v') al valor calculado para v'=v±rSi y por Fc ≡ F(v'c) al calculado para v'c=vc±rSic.
Capítulo 4 Criterios de ajuste 4.2 Relaciones de correspondencia…
113
Conviene aclarar también que, generalmente, F será calculable directamente pues
depende de los valores conocidos, experimentales, v e i. Fc corresponde al punto
homólogo vc-ic cuya definición puede dar lugar a relaciones implícitas.
El objetivo será pues expresar la desviación propuesta, para cada criterio, en función del
par experimental y otros valores calculados para él: v, i, F, h, etc.
4.2.2 Desviación sólo en corriente
El primer criterio que denominaremos criterio 1, es la desviación en corriente εc1. Es
una de las desviaciones más usadas, por su expresión y cálculo directos:
iFc −=1ε (4.1)
Esta desviación no representa, como podría pretenderse, la diferencia de corrientes entre
dos puntos de la misma vertical en la representación i-v sino entre dos puntos de la
misma vertical en la representación i-v’, en la que el eje de tensiones, v’, sufre un
desplazamiento variable (rsi) respecto del eje v. En efecto, el criterio implícito de
correspondencia experimental-modelo es:
( )⎩⎨⎧
≠−===
⇒′=′viFrvv
FFivv
Sc
ccc
m (4.2)
Lo que se ilustra en la Figura 4.1 para datos en iluminación y dos casos, con i por
debajo (i<F, desviación positiva) y por encima (i>F, desviación negativa) de la curva
modelada, respectivamente. En ambos la desviación considerada es mayor que la
correspondiente en vertical.
Tesis doc
Figura
respecti
curva m
Este cr
modelad
continua
Aparent
parámet
punto e
su v'>1.
punto, u
garantiz
en más
inicial p
Al utili
respecto
variable
correspo
ctoral: Nuevos
4.1: Ilustrac
ivamente co
modelada
iterio equiv
dos median
ación, con
temente est
tros iniciale
xperimenta
. Normalme
una pendien
zar un punto
detalles ni
parece poco
izar la desv
o de la cur
e estadístic
ondencia se
s procedimien
ción del crit
on desviacio
vale a esta
nte rectas,
nsiderar ún
to podría d
es y, en part
al está claram
ente no se d
nte negativa
o único de c
casuísticas
apropiado.
viación ver
rva modela
ca sujeta
ería:
=vc
ntos de análisi
terio 1 para
ones de cor
ablecer corr
paralelas,
nicamente
dar lugar a
ticular, rS, n
mente desv
dará este pro
a mayor (me
corte con cu
posibles de
Sirva tan s
rtical real (
ada en la re
a desviaci
⎩⎨⎧
=⇒=
Fiv
vc
is de los datos
114
a dos casos c
rriente posit
respondenc
de pendi
la compon
problemas
no se han e
viado de la e
oblema, pue
enor en valo
ualquier rec
e este criteri
sólo como u
(caso c2) ,
epresentació
iones o e
((±≅
±′=′
rFFirvv
Sc
cSc
s corriente-ten
concretos d
tiva (1) y ne
ias entre p
iente -1/rS
nente verti
numéricos
elegido conv
evolución p
esto que la f
or absoluto)
cta de esa p
io, puesto q
una referenc
como se i
ón i-v, se a
errores alea
)( ) ′−−
Fiii
c
c
nsión de…
de puntos ex
egativa (2)
puntos expe
[=(ic-i)/(vc
ical de la
s de conver
venientemen
promedio, p
función Fc
) que (-1/rS)
pendiente. N
que ya desde
cia.
ilustra en l
asume que
atorios. El
xperimentale
respecto a
erimentales
c-v)] para,
a desviació
rgencia si l
nte o si alg
por ejemplo
tiene, en to
), lo que de
No entrarem
e este análi
a Figura 4
v no es u
l criterio
(4.3)
es
la
y
a
ón.
los
gún
si
do
ebe
mos
sis
.2,
una
de
)
Ca
do
va
fin
m
cá
no
ap
La
C
co
ce
ab
af
pr
Fi
re
apítulo 4 Crite
onde se ha
alor “exper
nalmente l
modelada. En
álculo o exp
o los prop
proximación
a desviación
omo, en el
omo ésta se
erca de circu
bsoluto, no
fectada de u
rogresivame
igura 4.2. I
espectivame
erios de ajuste
indicado co
rimental” c
los puntos
n todo caso
presión de l
pios parám
n.
n a consider
caso que no
erá pequeña
uito abierto
sólo siemp
un factor d
ente menor
Ilustración d
ente por deb
e
on F' el valo
concreto v'
experimen
o, puede con
la desviació
metros cor
rar, en este
cε
os ocupa, e
a cerca de
o (v' próxim
re menor q
de ponderac
al avanzar e
del criterio 2
bajo (1) y po
115
or de la fun
= v+rSi.
ntales no s
nsiderarse v
ón. Serán p
rrespondient
segundo ca
iic =−=12
l modelo da
cortocircuit
o a 1), la de
que la desvi
ción positiv
en el sentid
2 para dos c
or encima (2
4
nción deriva
La aproxim
se separan
válida la igu
robablemen
tes al aju
aso, se expre
FriF
S ′−
m1
ará siempre
to (para v'
esviación de
ación en el
vo respecto
do de v creci
casos concr
2) de la curv
4.2 Relaciones
ada de F re
mación en
excesivam
ualdad para
nte sólo los
uste, los a
esa como:
e una deriva
pequeña o
el segundo
primer cas
de ésta qu
iente.
retos de pun
va modelad
s de correspon
specto de v
(4.3) es v
mente de l
a ser utiliza
errores est
afectados p
ada, (F'), ne
negativa) y
caso εc2 es,
so εc1, sino
ue es inferio
ntos experim
da.
ndencia…
v' para el
válida si
la curva
ada en el
tándar, y
por esa
(4.4)
egativa y
y grande
en valor
que está
or a 1 y
mentales
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
116
4.2.3 Desviación combinada por tramos
Dado que las dos variables tienen errores experimentales, el uso exclusivo de los
criterios anteriores no se hace cargo adecuadamente de todos los aspectos del problema,
como se comentó en el Capítulo 1. En el ejemplo de la Figura 4.3 puede verse cómo la
contribución de los puntos donde la pendiente de la curva es grande dominaría el error
del ajuste si sólo se atendiera al error en corriente.
Figura 4.3 Característica teórica de una célula solar (línea gruesa) generada con el
modelo de dos exponenciales. Los puntos simulan medidas afectadas por errores con
distribuciones gausianas en voltaje y en corriente cuyas desviaciones son
proporcionales a VOC y a ISC, respectivamente. Las líneas de trazos muestran la
distancia vertical a la curva, y la línea fina es la longitud (valor absoluto) de estos
segmentos relacionada con la contribución al error para el ajuste en corriente
Así pues, en la región casi horizontal debería considerarse dominante el error de
corriente, y el de voltaje en la región de tensión elevada. Esto sugiere que se pueden
combinar los dos criterios [Hao03], [Hao04] dividiendo la característica en dos o más
tramos, en cada uno de los cuales se adopta una desviación distinta como ilustra la
Figura 4.4.
Varias consideraciones son necesarias para el uso de criterios mixtos. En primer lugar,
sólo pueden plantearse si se utilizan variables adimensionales, pues al construir el error
global deben agregarse magnitudes homogéneas. Otro requisito es que los resultados de
I/Isc, εi
V/Voc
Ca
es
de
La
ho
di
F
l
r
La
ca
en
tra
la
de
an
co
pa
di
ex
apítulo 4 Crite
stos método
ependientes
a combinac
orizontal, p
istancia orto
Figura 4.4
la recta ob
respecto de
a combinac
aracterística
n dos octant
amo en que
as desviacio
esviaciones
nteriores a
ontinuación
aralelo del
istinción ad
xpresiones d
erios de ajuste
os (los valo
s de la elecc
ción de crit
puede ser ú
ogonal que,
Representa
blicua, se m
la curva en
ción de tra
as I-V en ilu
tes iguales s
e i ≥ v, se ut
ones de ten
deberían
dos situacio
para el ca
caso de o
icional: la c
del criterio 3
e
ores de los
ción de los tr
erios de for
útil como ap
como verem
ación análog
muestra la
lugar de la
amos más
uminación)
separados p
tilizarían la
nsión. Por o
ser cohere
ones, que l
aso de ilum
oscuridad p
consideració
3 como:
117
parámetros
ramos
rmulación s
proximación
mos, es el m
ga a la de la
desviación
vertical.
simple (y
sería la resu
por la recta
as desviacio
otro lado, l
entes. Esto
lamaremos
minación (n
porque, en
ón logarítm
4
s que se rec
sencilla, co
n de imple
más indicado
a Figura 4.3
n horizonta
también m
ultante de la
i = v en co
ones de corr
los criterios
limitaría l
criterio 3
no continua
éste, habit
mica del eje d
4.2 Relaciones
cuperen) no
omo los de
ementación
o en la may
3, salvo en q
al de punto
más razonab
a división d
ordenadas n
riente y en e
s a utilizar
la casuístic
y criterio 4
amos el trat
tualmente,
de corriente
s de correspon
o deberían
distancia v
fácil al cri
yoría de los
que, por deb
os experim
ble, al men
del primer cu
normalizada
el tramo do
r para unas
ca derivada
4 que se res
tamiento si
debe añadi
es). Se prese
ndencia…
ser muy
vertical y
iterio de
casos.
bajo de
mentales
nos para
uadrante
as. En el
onde i≤v,
u otras
a de las
sumen a
imbólico
irse una
entan las
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
118
( ) ( )⎩⎨⎧
−−=−⇒−−=−=−⇒==
⇒′=′iFrvviFrvv
iFiiFFivv
ScSc
cccc
(4.5.a)
Sus desviaciones relativos son:
viiFrviiF
Svc
ic
≤−−=
>−=
para ) ( para
,3
,3
εε
(4.5.b)
Por el criterio 4 se tiene:
( )( )⎩
⎨⎧
′−−≅=≤
′−+≅==>FiFvviivi
FiirFFivvvi
cc
cSccc
;:para;:para
(4.6.a)
Y sus desviaciones:
viF
iF
viF-ri F
vc
Sic
≤′−
−=
>′
−=
para
para 1
,4
,4
ε
ε
(4.6.b)
4.2.4 Distancia sobre la normal a la curva modelo
El caso de la distancia ortogonal se presentó con detalle en el §2.3.1 y se particularizó
en §3.3 para el caso de iluminación.
La elección del criterio podría estar simplemente fundada en la comodidad de desarrollo
y cálculo de las expresiones resultantes en uno u otro caso. Como se verá a continuación
no hay diferencias sustanciales en este sentido, ni grandes diferencias en resultados
prácticos, por lo que este último criterio debería ser considerado el más eficaz desde
cualquier punto de vista, incluido el de su generalización a otros tipos de datos y
modelos.
Capítulo 4 Criterios de ajuste 4.3 Ejemplo de resultados…
119
4.3. Ejemplo de resultados con distintos criterios de ajuste
Se utiliza el modelo normalizado (3.14) de dos exponenciales de la curva I-V de
iluminación para extraer los parámetros normalizados definidos en (3.7). Para las
desviaciones sólo en corriente y el ajuste por tramos cerca del cortocircuito se usa la
expresión εC1 (4.1), mientras que la expresión εC3 (4.5b) se usa en el ajuste por tramos
cerca del circuito abierto. El método de cálculo desarrollado en el Capítulo 3 ha sido
usado para la expresión de la distancia ortogonal εO (3.19). Para la distancia vertical
hemos utilizado el esquema de cálculo de la distancia ortogonal pero poniendo el peso
wi correspondiente a cada punto en la expresión del error (3.19) igual a 1, en lugar de
ser variable y dependiente de la derivada de la función como en la distancia ortogonal.
Así, las expresiones de las derivadas se simplifican. Por último, para el caso por tramos
se ha usado la primera bisectriz (i = v) como la frontera de los dos tramos en cada uno
de los cuales la desviación se calcula con las expresiones ya citadas.
Se han implementado los ajustes con los criterios de: corriente, combinado por tramos y
de distancia ortogonal mediante hojas de cálculo Excel y se han aplicado a uno de los
ejemplos ya presentado: el ejemplo de la célula denominada CI1 de la curva I-V de
iluminación
Las diferencias, comentadas con anterioridad, entre los resultados obtenidos con los
diferentes criterios se exponen a continuación.
4.3.1 Resultados
En la Figura 4.5 trasladada aquí por comodidad se presentaron los puntos i-v
experimentales medidos en iluminación para la célula solar CI1 presentada como
Ejemplo 1 en el Capítulo 3.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
120
Figura 4.5 Datos experimentales corriente-tensión de iluminación (célula CI1)
Se recogen en la Tabla 4.1 los parámetros y errores estándar del ajuste obtenidos con los
diferentes criterios utilizados, y en la Tabla 4.2 los errores relativos de los parámetros
extraídos como se definió en §2.10 (ver también Anejo3). En el caso de la distancia
vertical se ha necesitado 8 iteraciones (indicador de convergencia ha variado de -1,33 a
-1,32.10-10), por tramos se han requerido menos de 10 iteraciones hasta conseguir la
convergencia del proceso (indicador de convergencia varia de -0,12 a -6.10-10). Por el
caso de la distancia ortogonal eran 13 iteraciones como se presento el §3.5.1
Tabla 4.1. Parámetros obtenidos con distintos criterios (célula CI1)
Criterio ISC (A) VOC (V) rS c2 RMS
Vertical 0,1382 0,6153 0,1151 0,4277 1,97.10-2
Tramos 0,1373 0,6160 0,1340 0,1764 7.10-3
Ortogonal 0,1373 0,6162 0,1319 0,1790 4,1.10-3
Con todos los criterios gp se ha obtenido el valor 0
Célula CI1
0
0,04
0,08
0,12
0,16
0 0,1 0,2 0,3 0,4 0,5 0,6
Tensión (V)
Cor
rien
te (A
)
Ca
C
σ(
Pa
fís
co
La
ap
En
só
apítulo 4 Crite
Cr
Ve
Tr
Or
on σ(gP)= 1
σ(gP)=7,6.10
ara esta célu
sicas, ya qu
omo se expl
as siguient
plicación de
n la Figura
ólo en corrie
Figura 4.6
cerca del c
erios de ajuste
Tab
riterio
ertical
ramos
rtogonal
1,3.10-2 en e
0-3 para dist
ula, y con l
ue el ajuste
licó en el §3
es figuras
e los diferen
4. 6 se pre
ente, y en la
6: Desviació
ircuito abie
e
bla 4.2. Err
σ(ISC)/ISC
0,62
0,39
0,23
el criterio p
ancia norm
los criterios
matemátic
3.5.1
recogen la
ntes criterios
esenta la de
a Figura 4.8
ón por tram
erto.
121
rores relativ
% σ(VOC)/
0,0
0,3
0,1
por tramos,
al.
s vistos, el v
o tiende a d
as desviacio
s de ajuste.
esviación p
8 la distancia
mos: en corr
os de cada p
/VOC% σ(
06
31
17
σ(gP)= 3,0
valor de gp
dar un valo
ones para
or tramos,
a ortogonal
iente cerca
4.3 Ej
parámetro
rS)/rS% σ(
4,99
7,79
4,4 34
1.10-2 para
se fija a 0 p
or negativo
cada punto
en la Figur
.
del cortocir
jemplo de resu
(c2)/c2%
22,45
59,41
4,90
distancia v
por conside
en todos lo
o obtenidas
ra 4.7 la de
rcuito y en
ultados…
vertical y
eraciones
os casos,
s tras la
esviación
tensión
Tesis doc
Figur
exper
4.3.2 Co
Según
corrient
F’ es, e
estándar
así, una
En cam
zona de
ctoral: Nuevos
ra 4.7. D
rimentales.
omentarios
la Figura 4
te, el proces
en valor ab
r del ajuste
a sobreestim
mbio, se obs
e tensiones
s procedimien
Desviación
Fi
4.7 se pue
so da lugar
bsoluto, mu
y puede ori
mación del er
erva en las
altas, tend
ntos de análisi
sólo en
igura 4.8. D
de interpre
a valores m
uy elevado.
iginar el fra
rror estánda
Figuras 4.6
ería a hace
is de los datos
122
corriente
Desviación o
etar que en
muy grandes
. Esto prod
acaso de la c
ar del ajuste
6 y 4.8 que
erse importa
s corriente-ten
en todo e
ortogonal.
n el caso d
s del error e
duce una so
convergenci
e, y de los p
e cuando el
ante, las am
nsión de…
el conjunt
de desviaci
en algunos
obreestimac
ia y, no obs
arámetros.
error de co
mplitudes d
o de dato
ones sólo
puntos don
ción del err
stante, si no
orriente, en
de la curva
os
en
nde
ror
es
la
se
Capítulo 4 Criterios de ajuste 4.3 Ejemplo de resultados…
123
suavizan de nuevo los criterios por tramos u ortogonal lo mantienen dentro de límites
más razonables.
En el caso de ajuste por tramos, para la zona en que la desviación en corriente se hace
demasiado grande se utiliza la desviación en voltaje, que conduce a una medida más
razonable del error estándar y permite alcanzar sin problemas la convergencia.
Se aproxima así al último caso, desviación ortogonal, para el que se observa una
distribución equitativa del error que, además, produce un buen desarrollo del proceso de
convergencia.
El error del ajuste, RMS, es más elevado para la desviación vertical (2.10-2); cuando
medimos la desviación por tramos es algo menor (6,9. 10-3) y mejora aún más cuando el
error es ortogonal (4,1. 10-3). Esto apunta a que el criterio de mínima distancia ortogonal
es preferible.
En la Tabla 4.2 se compararon los diferentes parámetros obtenidos con los 3 criterios
estudiados. ISC y VOC son del mismo orden en los tres casos. Se constata que el valor de
rS es más bajo en el caso de la distancia vertical. Por el contrario, el valor de c2 en el
caso vertical es aproximadamente el doble que en los casos de la distancia ortogonal y
por tramos, para los que está en un mismo rango. Se puede deducir entonces que el
parámetro c2 es menos preciso en el ajuste por tramos visto que se obtiene en la frontera
entre las dos regiones y el error estándar de c2 en este caso es grande (σ(c2)=0,105)
respeto a su error estándar en el caso de la distancia ortogonal ((σ(c2)=0,063). El valor
del error es aun mas alto cuando la distancia es vertical (σ(c2)=0,144) por la zona del
codo donde entra la influencia del error de la zona de tensiones altas. Por último, el
parámetro gP es nulo pero se puede medir su error estándar. Se ve que gP es más preciso
en el caso de la distancia ortogonal.
Según estos resultados el método ortogonal es también el más fiable porque conduce a
un conjunto de parámetros con menor incertidumbre.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
124
4.4. Conclusiones
En este capítulo se han presentado diferentes criterios para calcular la desviación ε. Se
destacan los criterios que más se utilizan en los procesos de ajuste de características I-V.
Asimismo, se han proporcionado expresiones matemáticas para los diferentes criterios
(sólo aproximadas en algunos casos) que pueden simplificar mucho los cálculos.
El más usado es el criterio de corriente o distancia vertical, porque la expresión del
modelo es casi explícita en la corriente. Se presentan también la distancia combinada,
concebido como una aproximación al de distancia ortogonal que maneja expresiones
menos complicadas. El criterio de la distancia ortogonal se presenta brevemente por
haber sido tratado con detalle en el Capítulo 2 y 3.
Con el ejemplo de la característica I-V de iluminación de una célula solar, se hace una
comparación del error estándar de ajuste en tres casos: la distancia vertical, combinada
o por tramos y ortogonal.
Se ha tratado de investigar sistemáticamente sus propiedades, comparando los
resultados con ellos obtenidos, de forma que puedan orientar la elección del criterio en
su momento.
La distancia ortogonal a la curva modelo, no teniendo especiales dificultades de
aplicación tras las aproximaciones introducidas, es el más apropiado por conducir a un
ajuste con menor error y a valores de los parámetros más precisos.
CAPÍTULO 5
AJUSTE DE CURVAS I-V EN OSCURIDAD
Capítulo 5 Ajuste de curvas I-V en oscuridad 5.1 Introducción
125
5.1. Introducción
En oscuridad, la característica I-V de la célula solar, según el modelo de dos
exponenciales, se escribe:
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+−= 1exp1exp)(
101
202
t
S
t
SPS Vm
IRVI
VmIRV
IGIRVI (5.1)
Y una célula solar en oscuridad, se representa por el circuito equivalente de la Figura
5.1. Se indica en el circuito el nuevo convenio de signos utilizado para la corriente y la
tensión del dispositivo que justifican que ahora v’ sea v-irs en vez de v+irs como en
iluminación.
Figura 5.1: Modelo eléctrico de una célula solar en oscuridad
Debido fundamentalmente a que el orden de magnitud de las corrientes varía
notablemente y a que las distintas componentes de corriente no están enmascaradas por
otra mayor (como la fotocorriente en el caso de iluminación), el ajuste de la
característica de oscuridad presenta peculiaridades diferenciadas del ajuste de la
característica de iluminación [Ara86], [Nie82]. Son diferentes (más difíciles, como se
verá) los problemas matemáticos planteados y las estrategias para resolverlos. Sin
embargo, el marco conceptual presentado en capítulos anteriores es plenamente
aplicable aquí.
Al abordar este caso se utilizó en un principio, como en el de iluminación, un
procedimiento de ajuste por tramos y se aplicó con éxito a varias características
experimentales. Pero, en conjunto, los resultados distaron mucho de ser satisfactorios:
Con frecuencia el proceso iterativo no convergía y el error cuadrático ε2, cuyo mínimo
se buscaba, oscilaba. Otra desventaja residía en la arbitrariedad en la definición de las
I
I01m1
I02m2
GP
RS
V
I
I01m1
I02m2
GP
RS
V
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
126
diferentes zonas, para la estimación de parámetros iniciales, problema no trivial y de
difícil automatización, y al cual el método se mostró bastante sensible.
Para mejorar el procedimiento se ha buscado, también, el ajuste por mínima distancia
cuadrática media ortogonal a toda la característica I-V. El método desarrollado para el
caso de iluminación requiere algunas adaptaciones para ser aplicado a datos de
oscuridad.
Según el tipo de datos disponibles, el modelo se ajustará para una representación lineal
o, preferentemente, logarítmica. Esto está relacionado con el número de parámetros que
pueden ajustarse y condicionado por la cantidad y calidad de los datos.
Aunque los datos de corriente cubran varios órdenes de magnitud, si se representan en
una escala única (lineal) no podrán extraerse todos los parámetros. Esto sólo será
posible con suficientes garantías de confiabilidad si las medidas de corriente se
desarrollan a lo largo de varios órdenes de magnitud y si, además, se representan en
forma apropiada para que destaquen efectos distintos. Ésta es la justificación del uso de
la expresión logarítmica de la característica para medidas de oscuridad. También es ésta
su ventaja: proporciona más información fiable sobre los rangos de baja tensión y muy
baja corriente. En iluminación, esa información se esconde bajo la incertidumbre
experimental de las pequeñas diferencias entre corrientes elevadas muy próximas a la
corriente de cortocircuito.
En torno a estas ideas se desarrolla el procedimiento, que se describe como un método
iterativo de resolución del sistema de ecuaciones cuya matriz característica es
(transformada de) la matriz de covarianzas llamada también matriz de error. Se
comienza con la deducción de las expresiones del ajuste cuando la escala de corriente es
logarítmica, forma preferida para la curva de oscuridad. También se consideran dos
formas alternativas de deducir parámetros iniciales suficientemente aproximados. El
procedimiento de ajuste global con muchos parámetros, en problemas no lineales, es
decir, cuando la matriz de error es variable (dinámica) y dependiente de los propios
parámetros que se pretenden determinar, suele ser esencialmente caótico, salvo quizá
cuando el conjunto de valores iniciales está muy próximo a la solución final. En estos
casos de convergencia insegura del sistema, la matriz es casi singular (determinante
próximo a cero) por la elevada correlación entre algunos parámetros. También, en estos
Capítulo 5 Ajuste de curvas I-V en oscuridad 5.1 Introducción
127
casos, las (co)varianzas de los parámetros suelen ser elevadas. Estos comportamientos
se ilustran con ejemplos, en los que también se muestra cómo el ajuste está
condicionado por la cantidad y calidad de los datos experimentales y se proponen
soluciones a los problemas de convergencia.
5.2 Modelo normalizado de dos exponenciales
El modelo original se expresa como en (5.1) y contiene hasta seis parámetros. Los
coeficientes de idealidad m1 y m2 pueden considerarse preestablecidos o no.
Dependiendo de si se consideran las dos exponenciales o una sola, y de si se ajustan los
valores de m1 y m2 o no, se tiene un modelo de 3, 4, 5 ó 6 parámetros. Parte del trabajo
desarrollado se ha encaminado a dilucidar los conjuntos de parámetros significativos
que pueden ser extraídos de un conjunto dado de puntos experimentales.
En el caso de oscuridad, aparentemente, no hay magnitudes características de corriente
y tensión para normalizar respecto de ellas, como en el caso de iluminación. Sin
embargo, para poder hablar de distancia entre puntos hay que trabajar con ejes
cartesianos sin dimensiones. En la práctica este proceso de normalización es similar al
que se realiza automáticamente cuando se trata de representar gráficamente una
función: se eligen escalas de corriente I y de voltaje V que optimicen la visualización de
los detalles de forma que la relación de aspecto de la representación sea equilibrada.
Esto significa elegir, con algún grado de libertad, valores máximos representables de la
corriente I, sea IM, y de la tensión V, sea VM. Los valores elegidos serán algo superiores
a los extremos experimentales pero, en su escritura, tienen un mínimo razonable de
cifras significativas. Por ejemplo, si el punto experimental más alto es V=0,883V, e
I=1,58 A, no tiene mucho sentido tomar los propios valores máximos como fondo de
escala, aunque matemáticamente sea irrelevante. Quizá, VM = 0,9 V e IM = 1,6 A o
cualquier otro par similar.
Definidos VM e IM para cada caso particular no habrá, en este caso, y a diferencia del
caso de iluminación, ninguna condición, sesgos físicos ni interrelación que deban
cumplir los parámetros normalizados salvo la de ser todos ellos no negativos.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
128
Para manejar variables y parámetros de cálculo que no tengan grandes variaciones en
órdenes de magnitud, y sólo por esta razón, conviene definir:
( )
202
2101
1
2
11
22
11
exp;exp
;
1;
;;
kIIck
IIc
mmk
VmVk
VmVk
IVG
VIRg
VIRr
irvV
IRVvVVv
IIi
MM
t
M
t
M
M
MP
MMPP
M
MSS
SM
S
MM
==
===
===
−=−
=′==
(5.2)
Para el modelo normalizado en el caso de oscuridad, de modo similar al de iluminación,
§3.5, se obtiene entonces:
( )( ) ( )[ ] ( ) ( )[ ] vgkvkckvkci
vFi
P ′+−−′−−+−−′−−=
′=
222111 exp)1exp(exp)1exp(
(5.3)
Lo que representa una expresión con sus cuatro parámetros normalizados c1, c2, rS y gP
en lugar de I01, I02, RS y RP (ó GP = 1/RP) si se prefijan m1 y m2. Si se prefiere un modelo
más general (con más parámetros) se usarán adicionalmente k1 y/o k2.
5.3. El criterio ortogonal en representación logarítmico-lineal
En el caso de curvas I-V de oscuridad es más habitual, y aconsejable, la representación
semilogarítmica (lineal en x – V -, logarítmica en y – I -, siempre con variables y ejes
normalizados). Esto es así porque la corriente de oscuridad varía, aproximadamente, de
forma exponencial con el voltaje. Durante la medida, esto se traduce en que los valores
de voltaje están tomados básicamente en una escala lineal, definida por el máximo
voltaje a medir, mientras que los de corriente recorren varias escalas con errores
absolutos variables. Así, es el logaritmo de la corriente quien puede suponerse afectado
por una distribución normal de errores, más que la corriente en sí. Y es el ajuste por
mínimos cuadrados en esta representación logarítmico-lineal el que deberá proporcionar
el significado estadístico adecuado de los parámetros extraídos [Pre92]
Capítulo 5 Ajuste de curvas I-V en oscuridad 5.3 El criterio ortogonal en representación…
129
Como el concepto del ajuste tomando como criterio la mínima distancia ortogonal se ha
detallado anteriormente en § 3.3 (caso de iluminación) y en §2.3.1, se aplican aquellas
expresiones a este caso de oscuridad que aquí tratamos.
Son necesarios algunos cambios respecto de las expresiones utilizadas en el caso de
iluminación, ya que:
-En la representación gráfica, los datos experimentales de corriente (o los valores de la
función genérica del modelo) deben escalarse logarítmicamente (ye ∝ lnie, yc ∝ lnFc
respectivamente) en tanto que los de tensión se mantienen en escala lineal (xe ∝ ve, xc ∝
vc).
-La configuración euclidiana del plano de representación, que implica la normalización
de los ejes x e y para obtener un área gráfica cuadrada de lado unidad, se logra mediante
la transformación de datos y valores calculados de corriente en la forma:
min,max,
min,
min,max,
min,
min,max,
min,
lnlnlnln
;lnln
lnlnlnln
lnln
ee
ecc
ee
ee
ee
eee ii
iFy
IIII
iiii
y−
−=
−−
=−
−=
(5.4a)
Y los de tensión, como en el caso de iluminación, en la forma:
max,max,
;e
cc
e
ee V
VxV
Vx == (5.4b)
de modo que los rangos de valores experimentales sobre ambas ordenadas varían entre 0
y 1. Ver ilustración en la Figura 5.2
Tesis do
Figur
punto
repre
La relac
define l
Capítulo
criterio
Capítulo
La apro
caracter
caso de
octoral: Nue
ra 5.2. Ilus
os experime
esentación g
ción fundam
la distancia
o 2 (y en la
de la míni
o 4.
oximación
rística I-V, ε
iluminación
evos proced
tración esqu
entales (e)
gráfica semi
mental es l
a entre pun
a Figura 5.3
ma distanc
a la desvi
εO (2.5) – d
n (expresión
dimientos d
uemática de
a sus corr
-logarítmic
la expresión
ntos corresp
3 adaptada
ia ortogona
ación ortog
definida en
n (3.19)) y
de análisis d
130
e las distanc
respondient
a y normali
n de la pen
pondientes,
al caso de
al cuadrátic
gonal del p
§2.3.1 – s
en el caso d
de los datos
cias ortogon
tes sobre la
izada.
ndiente de
representad
la curva I-V
a por los m
punto expe
e calcula de
de oscuridad
corriente-t
nales de un
a curva mo
la recta sob
da en la F
V oscuridad
motivos exp
erimental re
e manera d
d (ver Figur
tensión de…
conjunto d
odelo (c) e
bre la que
igura 2.2 d
d). Se elige
plicados en
especto de
diferente en
ra 5.3).
…
de
en
se
del
el
el
la
el
Ca
En
co
Se
Es
apítulo 5 Ajus
Figura 5.
oscuridad
n éste, se
ontinuación
e calculan la
=tanα
s decir:
ste de curvas I
.3. Ilustrac
en represen
calcula co
en (5.5a):
as tangentes
tan =εε
β
vF
ii
c
c
e
e⎟⎟⎠
⎞⎜⎜⎝
⎛
dd:con
ln
1
min,
max,
I-V en oscurid
ción esquem
ntación gráfi
omo sigue.
εε = yO
s:
⎪⎩
⎪⎨
⎧
=xy
x
ε
ε
εε
vv
vF
vF
c
c
c
c
c
′=
=
dd
dd
lndlnd
dad
131
mática de
fica semi-log
. Tomando
αβα
2tg1 tgtg1
+
−
(lnln
ma,
=−
=
=′ vvec
e
cy
vviF
c
ε
vF
vv
Fii
c
c
c
e
e
⎜⎜⎝
⎛′
=′
⎟⎟⎠
⎞⎜⎜⎝
⎛
1dd
1
n
1
min,
max,
5.3 El cr
la distanci
garítmica y
o la expres
αβ
)(
ln
min,ax
−
−
′ ecsv
e
e
iFri
i
e
vFr
vF
c
cs
c
c
c
=⎟⎟⎠
⎞−
dd
dd
iterio ortogon
ia ortogona
normalizad
sión (2.5)
)e
vFr
vFc
s
c
′+
′=
dd1
dd
nal en represen
al en el c
da.
de εO, rep
(5
(5
ntación…
aso
petida a
5.5a)
5.5b)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
132
⎟⎠⎞
⎜⎝⎛
′≡′
′+′
=
−≅⎟⎟
⎠
⎞⎜⎜⎝
⎛ −−−=⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+−=−=−
≅−−
⋅=
<<−
vFF
FrF
Fii
FiF
FiF
FFFi
FiiF
ii
FriF
iFrii
c
sc
e
e
c
ec
FiFc
ec
c
cce
c
eec
e
ecs
ec
ecs
e
e
cec
ddcon
11
ln
1tg
1lnlnlnlnln
porque ln)ln(ln
)(lntg
min,
max,
min,
max,
min,
max,
α
β
(5.6)
Reemplazadas en (5.5a) tendremos la expresión de εO. Suprimiendo, por innecesario
ahora, el subíndice c y abreviando con un símbolo específico (Ln) la longitud de
normalización para el eje gráfico vertical, tendremos:
( ) ( ) ( ) ( ) ( )iFwFFLFr
iFF
nS
O lnln1
lnln222
−⋅≡′+′+
−=ε
con
( ) ( ) 222min
max
)'(1
1ylnFFLFr
wiiL
nse
en
+′+=⎟⎟
⎠
⎞⎜⎜⎝
⎛≡
(5.7)
siendo w el peso local (el denominador es en todo punto ≥ 1, por lo que w ≤ 1) como se
explicó en §3.6.
5.4 Desarrollo del procedimiento de ajuste
Un proceso sistemático ha sido definido en el caso de oscuridad. El sistema de
ecuaciones, no-lineal, se resuelve mediante un proceso iterativo de sistemas lineales
aproximados. Para extraer los parámetros, el proceso debe ser convergente y el error
estándar del ajuste (RMS= 2Oε ) llegar a su mínimo, de la manera más rápida y segura
posible. Pero la matriz dinámica, definida en (2.10a), en muchos de los casos
experimentados, evoluciona hasta ser casi-singular y el proceso iterativo no converge,
tornándose caótico.
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.4 Desarrollo del procedimiento de ajuste
133
Con la sistematización del proceso se puede ir con cierta seguridad a un número
razonable de parámetros, compatible con el conjunto de datos.
Se utiliza el modelo básico normalizado (5.3). Se ha desarrollado el proceso en una hoja
de cálculo (Excel) como sigue:
• En la primera fase se considera sólo un término exponencial, quedando cuatro
parámetros. Se obtienen unos valores iniciales (rs0, k10, c10 y gp0) mediante
ajustes parciales de las zonas de altas (rs0, k10, c10) y bajas (gp0) tensiones,
respectivamente.
• Con estos parámetros se inicia la segunda fase, un proceso iterativo de ajuste
global (del conjunto completo de datos) con cuatro parámetros. Se obtienen los
valores (rs, k1, c1 y gp).
• En la tercera fase se introduce la segunda exponencial en el modelo. Los dos
parámetros que se añaden al conjunto anterior serían por tanto (c2, k2). Sin
embargo es conveniente comenzar fijando k2 o ligándolo al valor de k1
(típicamente a un valor mitad de k1, es decir m2 doble de m1) realizándose el
proceso iterativo de ajuste con cinco parámetros. Si en la primera iteración c2
resulta negativo, se interpreta que no hay lugar para una segunda exponencial
físicamente coherente con los datos y el procedimiento se da por finalizado con
el conjunto de cuatro parámetros y una exponencial obtenido en la segunda fase.
Si c2 es positivo se completa el proceso iterativo de ajuste con cinco parámetros
y dos exponenciales ligadas por la relación preestablecida entre sus coeficientes
característicos.
• El último paso consiste en ajustar con seis parámetros, buscando variaciones del
sexto (k2) desligándolo de k1. Este es el paso que con mayor frecuencia falla por
problemas de convergencia. En cuyo caso se estudia la correlación entre los
parámetros para intentar averiguar las razones y sortear el problema con alguno
de los procedimientos indicados a continuación en los ejemplos prácticos.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
134
En todas las fases del proceso la información que nos aporta la matriz normalizada y la
matriz inversa es importante para establecer las incertidumbres (errores estándar) de los
parámetros y para el cálculo de la matriz de correlación.
5.4.1. Expresiones para el ajuste inicial
Se propone un método para definir un conjunto de valores iniciales de parámetros
mediante ajustes lineales de subconjuntos de datos en las zonas de altas y bajas
tensiones. De cada zona se extraen valores de los parámetros más influyentes. A
continuación se explican con más detalle los procedimientos.
No considerar la segunda exponencial significa que c2 en (5.3) se hace nulo con k2
indeterminado. Se considera entonces la función modelo siguiente:
( ) ( )[ ] ( ) vgkvkciF P ′+−−′−−=≅ 111 exp1exp (5.8)
Para la zona de tensiones altas (v’ más próximo a 1 que a 0) los efectos dominantes son
el de resistencia serie (rS) y la recombinación de primera exponencial (c1, k1). Además,
la exponencial de exponente –k1 será despreciable frente a la de exponente - k1(1-v’). Se
aproxima el modelo (5.3) o (5.8) a:
( )[ ]vkcF ′−−≅ 1exp 11 (5.9a)
En forma logarítmica y explicitando la variable v’ [ver primeras de (5.2) y (5.3)] será:
( ) irkvkcF S111 1lnln −−−≅ (5.9b)
Esta expresión (5.9b) puede servir para determinar lnc1 y rS, con k1 prefijado, pero
también para determinar k1 si no se quiere prefijar. En principio, se debería optar casi
siempre por esta segunda opción. Con ello, del ajuste parcial de la zona de altas
tensiones pueden obtenerse tres de los parámetros iniciales: c10, k10 y rs0.
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.4 Desarrollo del procedimiento de ajuste
135
En la segunda región, que corresponde a las tensiones bajas (muy próximas a 0), se hace
un ajuste con un modelo básico lineal del que se determina únicamente gP.
Despreciando en (5.8) los términos exponenciales queda, para i y v próximas a 0:
vgvgi pp ≅′≅ (5.10)
Obteniéndose así el cuarto de los parámetros iniciales (gp0). En la práctica, gpv’ es la
diferencia entre la corriente normalizada y el término exponencial en (5.8), que puede
calcularse usando los resultados del ajuste de la primera zona. Así, es más bien esa
diferencia la que se ajusta a la recta gpv, pudiéndose además apreciar el rango máximo
al que puede extenderse este ajuste parcial.
Se completa así la obtención del juego inicial de cuatro parámetros normalizados (c10,
k10, rS0, y gp0)
5.4.2 Expresiones para el ajuste por mínima distancia ortogonal. Proceso iterativo.
Tras definir los parámetros iniciales (rS0, c10, k10 y gp0) en la primera fase, se inicia el
proceso iterativo. En las siguientes fases se trabaja con todos los datos experimentales y
se utiliza el modelo normalizado (5.3). En la segunda fase, el ajuste se hace con el
modelo reducido a la parte lineal y la primera exponencial (5.8) y se trata de refinar los
mismos 4 parámetros del conjunto inicial. La matriz del sistema será de dimensiones
4×4.
El sistema de ecuaciones linealizado, para cada paso de la iteración, es similar al que se
usó en el caso de iluminación en §3.4.2 y se desarrolló también en §2.5:
TMpTpM 1−=Δ⇒=Δ (5.11)
Donde:
j
OOj
j
O
l
Ojl p
Tpp
M∂∂
−=∂∂
∂∂
=εεεε ; (5.12)
Los elementos de la matriz, M, y del vector término independiente, T, del sistema (5.11)
están formados por los valores medios de los productos indicados (o sumas de
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
136
productos, extendidas a todos los puntos experimentales, divididas por el número de
estos). Las derivadas se calculan en el Anejo2, para cada par (I-V) del conjunto de
datos.
El proceso iterativo suele converger rápidamente y se obtienen los cuatro parámetros
refinados ( PS grkc y;; 11 ) junto con sus indicadores estadísticos deducidos de la matriz
inversa M-1.
La tercera fase comienza, como se ha dicho, con la introducción de la segunda
exponencial condicionada a una ligadura de k2 con k1: k2= k1/2 de modo que sólo c2 es
variable independiente. Queda, pues, el modelo con cinco parámetros ( PS grkc ;;; 11 y
c2). Los valores iniciales serán los obtenidos del ajuste con cuatro parámetros y un valor
inicial 0 para c2. Si después de la primera iteración c2<0, la célula solar estará bien
representada con el modelo de una exponencial. Si c2>0 continuamos el proceso
iterativo y buscamos la convergencia del sistema matricial 5×5 para extraer los cinco
parámetros. Se procede como en la segunda fase, buscando el mínimo de la suma
cuadrática de los errores dados en (5.7). Tras obtener los cinco parámetros, se admite la variación independiente de k2 de forma
que el sistema constará ahora de seis ecuaciones (matriz 6×6). Esta última fase tomará
como valores iniciales los resultantes de la fase precedente ( PS grkc ;;; 11 y c2) y el
valor inicial de k2= k1/2.
Cuando el número de parámetros es de cinco o más la convergencia del sistema
matricial dinámico suele presentar dificultades. En los ejemplos que siguen, se estudian
las soluciones que pueden adoptarse y se comentan los resultados. Para ello, se
utilizarán las herramientas matemáticas presentadas en el segundo capítulo.
5.5. Ejemplo de ajuste. Aplicación del método iterativo
Célula CO1
En este apartado se ilustra el método establecido de extracción de parámetros con un
conjunto de datos I-V de oscuridad. Se trata de los medidos para la célula solar llamada
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.6 Otros Resultados y Ejemplos
137
CO1. Es una célula de silicio, de área 4 cm2, tipo n/p, fabricada en el Instituto de
Energía Solar (es similar al dispositivo CI1, estudiado en el Capítulo 3, pero no
exactamente el mismo). Los datos experimentales se presentan en la Figura 5.4
Figura 5. 4: Datos experimentales I-V en oscuridad en representación semi-
logarítmica (Célula CO1)
Se obtienen los datos normalizados i y v mediante los valores máximos, para la
representación gráfica, de la corriente IM = 0,75 A y de la tensión VM = 0,99 V. Como se
trabaja, en el caso de oscuridad, con representaciones semi-logarítmicas, se toma
además lni-lnimin en lugar de i para el eje vertical (y) y se normaliza el eje con Ln= 13,5,
de forma que el rango gráfico de la ordenada también es unitario (de 0 a 1). Cuando sea
necesario deducir los valores de los coeficientes de idealidad m1 y m2 se considerará
Vt = 0,02586 V por las condiciones de temperatura de trabajo (300 K).
Se recogen los resultados del ajuste inicial en la Tabla 5.1 y en la Figura 5.5.
Tabla 5.1. Parámetros iniciales normalizados. Célula CO1
rS0 gp0 c10 k10
0,146 3,6.10-5 26,5 22,4
0,000001
0,00001
0,0001
0,001
0,01
0,1
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te (A
)
Tensión (V)
Célula CO1
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
138
Figura 5.5: Ajuste inicial de los datos experimentales (célula CO1)
En la segunda fase del proceso se utilizan todos los datos experimentales. Con el
conjunto de parámetros iniciales de la Tabla 5.1 se inicia el proceso iterativo, como se
explicó en §5.4. En cada iteración se modifica el valor de cada parámetro en Δp (5.11)
para la obtención de un nuevo conjunto de ellos, llegando al mínimo error requerido
cuando el vector T se hace nulo. Es un proceso de convergencia rápida porque la matriz,
de orden 4×4, es robusta y las correlaciones entre parámetros, de dos en dos, son
apreciables pero ninguna es demasiado próxima a 1 o a -1. El error estándar del ajuste,
(RMS= 2Oε ), va disminuyendo hasta un valor constante que no puede mejorarse. Los
errores estándar se calculan a partir de la matriz de covarianzas (M-1 estática).
En el primer paso de iteración, la matriz normalizada MN del sistema, el vector
normalizado TN y el vector Dm son los recogidos en la Tabla 5.2.
0,000001
0,00001
0,0001
0,001
0,01
0,1
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ada
Tensión normalizada
Datos experimentales
Curva ajustada
Célula CO1
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.6 Otros Resultados y Ejemplos
139
Tabla 5.2: Matriz normalizada MN (cuatro primeras columnas) y vectores TN y Dm del
sistema para 4 parámetros (célula CO1)
rs gp c1 k1 TN Dm
rs 1 -0,0002 -0,3642 0,1796 1,6.10-5 1,0.10-1
gp -0,0002 1 0,1406 -0,2186 -5,5.10-3 734
c1 -0,3642 0,1406 1 -0,9534 -3,1.10-3 1,2.10-3
k1 0,1796 -0,2186 -0,9534 1 4.10-3 1,3.10-2
La Tabla 5.3 muestra la evolución de RMS, el indicador de convergencia y de los
parámetros para este caso.
Tabla 5.3. Proceso de iteración con cuatro parámetros (célula CO1)
rs gp c1 k1 RMS Indicador de
convergencia
Parámetros
iniciales 1,46.10-1 3,64.10-5 26,54 22,41 0,009142826
1ª iteración 1,49.10-1 3,01.10-5 29,68 22,90 0,00671336 -0,362
2ª iteración 1,49.10-1 3,06.10-5 29,90 22,90 0,006696013 -0,003
3ª iteración 1,49.10-1 3,07.10-5 29,95 22,90 0,006696475 6,9.10-5
4ª iteración 1,49.10-1 3,07.10-5 29,95 22,91 0,006696538 9,4.10-6
5ª iteración 1,49.10-1 3,07.10-5 29,96 22,91 0,006696547 1,25.10-6
6ª iteración 1,49.10-1 3,07.10-5 29,96 22,91 0,006696548 1,64.10-7
7ª iteración 1,49.10-1 3,06.10-5 29,96 22,91 0,006696548 2,2.10-8
8ª iteración 1,49.10-1 3,06.10-5 29,96 22,91 0,006696548 2,9.10-9
El error medio, εm, se mantiene, en general, muy próximo a 0, pero no nulo. Su valor, al
final del proceso es, por ejemplo, de: εm = 3,4.10-4.
Durante el proceso, el vector residual T, que contiene las desviaciones respecto de la
nulidad de cada derivada paramétrica del error cuadrático medio, también va
cambiando. Cuando se ha establecido el final del proceso (después de la 8ª iteración) el
vector queda TN = (-9,3. 10-13; 5,6. 10-11; -1,8. 10-11; 2,9. 10-11). Las desviaciones son
mucho más pequeñas lógicamente que al inicio.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
140
En seis iteraciones el error RMS pasa de 9,1.10-3 a 6,7.10-3 sin variación apreciable
después. Se utiliza un indicador de convergencia que muestra el progreso en la
reducción del error en cada iteración y se calcula como 1-RMSi/RMSi-1. donde i denota
el número de la iteración. Éste pasa de –3,6.10-1 a 2,9.10-9 desde i=1 a i=8. Los
resultados del error RMS están presentados con una precisión de siete decimales para
poner en evidencia la convergencia en los últimos dígitos.
Los parámetros finales, junto con sus errores estándar calculados de acuerdo con §3.4.2
y el error global del ajuste se recogen en la Tabla 5.4. El ajuste final se presenta en la
Figura 5.6.
Tabla 5.4. Parámetros finales (4) normalizados, con sus errores estándar absolutos y
relativos (célula CO1)
rS gp c1 k1
0,149 3,07.10-5 30,0 22,9
σ(rS) σ(gp) σ(c1) σ(k1)
1,4.10-2 1,2.10-6 4,4 0,33
σ(rs)/rs% σ(gp)/gp% σ(c1)/c1% σ(k1)/k1%
9,1 3,9 15 1,5
Con RMS = 6,7.10-3
La extracción de los 4 parámetros es fácil y rápida. Para apreciar el significado del
valor de RMS (error estándar del ajuste) debe compararse con la unidad, que es el
tamaño de la arista del cuadrado de representación gráfica, o quizá con mayor
propiedad, con el tamaño de su diagonal (1,42). Respecto a los parámetros, es de
destacar que dos de ellos (rS y c1) se obtienen con incertidumbres razonables, en torno
al 10% o superiores, mientras que los otros dos (gP y k1) son bastante más precisos
(incertidumbre inferior al 5%). Otro método para apreciar la bondad del ajuste es dar
el coeficiente de correlación o R de Pearson, entre wLni y wLnF, siendo w el peso en
cada punto, i la corriente normalizada y F la función teórica. En este caso el
coeficiente de Pearson es muy próximo a 1 (0,99966) así como su cuadrado, R2 o
coeficiente de determinación (0,99931): esto nos informa sobre la estrecha relación
entre la corriente normalizada experimental y la función teórica que mejor se ajusta a
ella.
Ca
En
(5
Se
co
pr
lo
ca
La
Se
co
apítulo 5 Ajus
n la tercera
5.3). Se añad
e ajusta el
onjunto inic
rimera itera
os datos adm
aso contrari
a matriz nor
Tabla 5
rs
gp -0
c1 -
k1 0
c2 -
e procede c
on los valor
ste de curvas I
Figura
a fase se inc
de el par (c2
modelo con
cial de pará
ción, el nue
miten una s
o, no tendrí
rmalizada c
5.5: Matriz
rs
1 -0
0,0002
0,363 0
0,180 -
0,009 0
omo en el a
res intermed
I-V en oscurid
5.6: Ajuste
cluye en el
2, k2).
n cinco par
ámetros es
evo valor de
segunda exp
ía sentido.
característic
inicial MN d
gp
0,0002 -
1 0
0,136
0,212 -
0,749 0
ajuste con c
dios que se m
dad …
141
e de los dato
modelo la
rámetros, li
el final de
e c2 obtenid
ponencial,
a del sistem
del sistema
c1
0,363
0,136
1
0,954
0,466
cuatro parám
muestran en
os de CO1 c
segunda ex
gando k2 al
la fase ant
do es positiv
por lo que
ma se muestr
para cinco
k1
0,180
-0,212
-0,954
1
-0,623
metros y tam
n la Tabla 5
5.6 Otros R
con 4 parám
xponencial,
l valor de k
terior junto
vo (c2= 0,03
se prosigu
ra en la Tab
parámetros
c2
-0,009
0,749
0,466
-0,623
1
mbién se ob
5.6. Tras las
Resultados y E
metros
como se de
k1, con k2 =
con c20 =
3) lo que in
ue con el aj
bla 5.5
s (célula CO
TN inici
-6.10-1
3,6.10-1
-1,2.10-
1,9.10-1
1,7.10-
btiene conve
s iteraciones
Ejemplos
efinió en
= k1/2. El
0. En la
dica que
uste. En
O1)
al 2 10 -10 10 -3
ergencia,
s el error
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
142
global pasa de 6,7.10-3 a 4,8.10-3 y el indicador de convergencia de –6.10-1 a 4,2.10-08
después de 13 iteraciones.
Tabla 5.6. Proceso de iteración con 5 parámetros (célula CO1)
rs gp c1 k1 c2 RMS Indicator de
convergencia 1,48.10-1 3,07.10-5 29,96 22,91 0 0,006696548
1,81.10-1 2,06.10-5 52,34 25,16 2,66.10-2 0,010701724 -0,598
1,72.10-1 2,38.10-5 57,83 24,96 3,58.10-2 0,004800245 0,551
1,74.10-1 2,38.10-5 58,70 24,98 3,77.10-2 0,00476564 0,007
1,73.10-1 2,38.10-5 58,15 24,95 3,71.10-2 0,004765526 2,4.10-5
1,73.10-1 2,38.10-5 58,38 24,95 3,74.10-2 0,004765398 2,7.10-5
1,73.10-1 2,38.10-5 58,27 24,96 3,73.10-2 0,004765434 -7,6.10-6
1,73.10-1 2,38.10-5 58,32 24,96 3,73.10-2 0,004765413 4,5.10-6
1,73.10-1 2,38.10-5 58,30 24,96 3,73.10-2 0,004765422 -1,9.10-6
1,73.10-1 2,38.10-5 58,31 24,96 3,73.10-2 0,004765418 9,2.10-7
1,73.10-1 2,38.10-5 58,30 24,96 3,73.10-2 0,00476542 -4,2.10-7
1,73.10-1 2,38.10-5 58,30 24,96 3,73.10-2 0,004765419 2,0.10-7
1,73.10-1 2,38.10-5 58,30 24,96 3,73.10-2 0,004765419 -9,1.10-8
1,73.10-1 2,38.10-5 58,30 24,96 3,73.10-2 0,004765419 4,2.10-8
Se observa que el error aumenta, transitoriamente, en el segundo paso de iteración y
luego baja continuadamente con ligeras oscilaciones en los últimos decimales, en cada
paso, buscando el mejor conjunto de parámetros hasta llegar al mínimo deseado.
En la Tabla 5.6 el error RMS se ha dado, como en casos precedentes, con una precisión
exagerada, de siete cifras significativas, únicamente para poner en evidencia la
convergencia en los últimos dígitos. Los nuevos resultados con 5 parámetros y sus
errores estándar obtenidos se muestran en la Tabla 5.7 y la Figura 5.7
Ca
Se
re
pa
5,
(d
nú
au
au
re
di
apítulo 5 Ajus
Tabla 5
0
σ
1,
σ(r
RMS
e aprecia la
elativos han
ara c1 ha au
,2%. Para e
disminución
úmero de p
umentar las
umentan la
esultados m
ifiere del de
ste de curvas I
5.7. Los cin
rS
0,173
σ(rS)
1.10-2
rs)/rs% σ
6,3
=4,8.10-3 y
Figura
a mejora de
n empeorado
umentado de
el nuevo pa
n) de RMS e
parámetros.
s incertidum
as posibilid
muy próximo
e error que,
I-V en oscurid
nco parámet
gp
2,4.10-5
σ(gp)
1,2.10-6
σ(gp)/gp%
5,2
y εm =1,3.10
5.7: Ajuste
e RMS (de
o, en genera
el 15% al 20
arámetro, c2
es lógica y
. Pero tam
mbres indiv
dades de
os al mejor
sin embargo
dad …
143
tros normali
(célula C
c1
58
σ(c1)
12
σ(c1)/c1
20
0-4
e de los dato
6,7.10-3 a 4
al, salvo el
0%, para k1
2, se obtiene
esperable: e
mbién lo es
viduales de
combinacio
r ajuste. Nó
o a veces, s
izados con s
CO1)
2
σ
0
1% σ(k1
2
os de CO1 c
4,8.10-3). En
de rS que h
pasa de 1,5
e una incer
el ajuste sól
que, glob
cada parám
ones de p
ótese que es
e maneja in
5.6 Otros R
sus desviaci
k1
5,0
σ(k1)
,56
1)/k1% σ
2,3
con 5 parám
n cuanto a l
ha disminuid
5% a 2,3%
rtidumbre d
lo debe mej
almente, la
metro: Esto
parámetros
ste concept
ndistintamen
Resultados y E
iones estánd
c2
0,037
σ(c2)
1,2.10-2
σ(c2)/c2%
33
metros
los errores
do de 9,1%
y para gp de
del 33%. La
jorar al aum
a tendencia
sólo signi
que propo
to de incert
nte.
Ejemplos
dar
estándar
a 6,3%:
e 3,9% a
a mejora
mentar el
a sea de
fica que
orcionan
tidumbre
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
144
Ese aumento global de las incertidumbres paramétricas individuales se relaciona, en
buena medida, con la disminución de los determinantes de las matrices normalizadas: El
de la matriz MN (Tabla 5.5) pasa de 0,0450 para la final de 4 parámetros a 0,00477 para
la inicial de 5 parámetros y a 0,00379 para la correspondiente estática. En las mismas
condiciones, el determinante de la matriz de correlación pasa sucesivamente de 0,0281 a
0,00123 y a 0,000494.
En la última fase, se parte del conjunto anterior de cinco parámetros (rS, c1, k1 gp y c2) y
se admite la variabilidad independiente de k2 con lo que el sistema pasa a ser de orden 6
(seis parámetros independientes). Se procede de la misma manera, iniciando las
iteraciones con los valores de la Tabla 5.6 y el de k2 = k1/2 ≅ 12,5. Tras el primer paso
se obtienen incrementos de parámetros que, aunque son solución matemática del
sistema en su aproximación lineal, están lejos de serlo del real, no lineal: suelen ser
excesivamente grandes y dar lugar, a valores negativos, físicamente inaceptables de
algunos parámetros. De continuar el proceso iterativo generan una evolución del
sistema que puede calificarse de caótica. En el presente caso, por ejemplo, se obtienen,
para iniciar el segundo paso los de la Tabla 5.8:
Tabla 5.8: Resultado del primer paso de iteración. (célula CO1)
rs gp c1 k1 c2 k2
0,14 5.10-6 -20,6 19,84 -0,52 -9,88
c1, k2 y c2 son negativos e inaceptables.
Para entender mejor los problemas de convergencia del sistema de seis parámetros se
analizan las matrices normalizada y de correlación, 6×6, a la luz de la teoría establecida
en el Capítulo 2.
Consideremos la matriz de correlaciones presentada en la Tabla 5.9. Los coeficientes de
correlación vienen dados por la matriz que se muestra a continuación. Se aprecia la
estrecha relación entre c2 y k2 (0,997) y entre c1 y k1 (0,983). Menos estrechas, pero
también elevadas son las correlaciones entre gp y k2 (0,905) c2 y k1 (0,884) y c2 y gp
(0,879). Los parámetros muy correlados entre sí llevan casi la misma información
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.6 Otros Resultados y Ejemplos
145
matemática y son difícilmente distinguibles como par de parámetros independientes.
Los parámetros que presentan más altas correlaciones con el resto (excepto con rS) son
k2 y c2, como puede apreciarse en las dos últimas columnas (o filas) de la matriz de
correlación. Cabe atribuir este hecho a que son los dos parámetros característicos de la
segunda exponencial, cuyo efecto debe apreciarse, sobre todo, en la región intermedia,
colindante por ambos lados con las de influencia decisiva de la primera exponencial y
de la corriente de fugas en paralelo, respectivamente.
Debe notarse también que el determinante de esta matriz de correlación es tan pequeño
(próximo a 0) como: 1,6.10-7, que puede compararse con el de 4,9.10-4 obtenido al
trabajar con 5 parámetros.
Tabla 5.9: Matriz de correlación con seis parámetros (célula CO1)
rs gp c1 k1 c2 k2
rs 1 0,344 0,761 0,704 0,503 0,481
gp 0,344 1 0,584 0,664 0,879 0,905
c1 0,761 0,584 1 0,983 0,806 0,778
k1 0,704 0,664 0,983 1 0,884 0,858
c2 0,503 0,879 0,806 0,884 1 0,997
k2 0,481 0,905 0,778 0,858 0,997 1
Se han seguido las directrices expuestas en §2.8, que consisten en una aproximación por
partes dentro de cada paso de iteración, tratando, en cada parte, de ajustar un conjunto
reducido de parámetros, manteniendo los demás constantes. Se ha trabajado sobre la
pareja (c2, k2) luego sobre la pareja (c1, k1) para conseguir la convergencia, pero sin
demasiado éxito. En cada paso disminuye RMS: con la mejora de la pareja (c2, k2) va de
4,76.10-3 a 4,66.10-3 y con la mejora de la pareja (c1, k1) va de 4,66.10-3 a 4,62.10-3).
Pero con ello no mejora apreciablemente la convergencia del análisis global posterior
(nuevamente con 6 parámetros).
También, en una línea similar, se ha propuesto otra solución para el problema de
convergencia que consiste en separar el sistema en dos sistemas restringidos, de tres
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
146
parámetros cada uno, y de distinto carácter. Se toman c1, c2, y gP en el primer sistema
porque son los coeficientes multiplicadores de las funciones fi de la función teórica de
ajuste F (2.3), lo que da un carácter lineal a este subsistema. Por otra parte, k1, rS y k2
integran el segundo, que es el estrictamente no lineal, porque estos parámetros lo son de
las propias funciones fi. y modifican sus expresiones.
La resolución se realiza restringiendo el sistema: i) cuando se extraen c1, c2, y gP, se
fijan k1, rS y k2, y en el siguiente paso ii) se fijan c1, c2, gP y se extraen k1, rS y k2. Estos
ajustes parciales permiten trabajar con matrices más robustas y estables, con menos
grados de libertad. Se itera con una secuencia alternante no agotando cada subsistema
hasta convergencia. Porque en cada caso la mejora principal se da en el primer paso:
Por ejemplo, RMS disminuye de 4,62.10-3 a 4,54.10-3. Tras este salto, en cada iteración
la variación es muy pequeña, por ejemplo en la 15ª iteración se tiene todavía un valor de
4,50.10-3. Así pues, la convergencia es muy lenta
Por otra parte cuando, a continuación, se retoma el sistema global con los seis
parámetros variables y alimentándolo con los seis valores así deducidos, la primera
iteración ha dado nuevamente parámetros negativos, de modo similar a lo mencionado
anteriormente (ver Tabla 5.8)
Consideramos la matriz normalizada MN y el vector normalizado TN del sistema, Dm
siendo la diagonal de la matriz M, dados en la Tabla 5.10:
Tabla 5.10: MN inicial del sistema con seis parámetros (célula CO1)
rs gp c1 k1 c2 k2 TN Dm
rs 1 -0,0002 -0,3879 0,2163 -0,0118 0,0049 -1,5.10-9 9,9.10-2
gp -0,0002 1 0,0778 -0,1236 0,6534 -0,7448 -3.10-9 876
c1 -0,3879 0,0778 1 -0,9589 0,4376 -0,3496 1,9.10-9 4,4.10-4
k1 0,2163 -0,1236 -0,9589 1 -0,5831 0,4828 5,5.10-5 10-2
c2 -0,0118 0,6534 0,4376 -0.5831 1 -0,9879 -5,1.10-9 0,286
k2 0,0049 -0,7448 -0,3496 0,4828 -0,9879 1 -1,6.10-4 7.10-3
El determinante de MN es ~ 6,3.10-6 (inverso ~ 1,6.105) y el de la matriz de correlación
(normalizada de M-1) ~ 1,6.10-7.
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.6 Otros Resultados y Ejemplos
147
Cada vez que se retoma el sistema global éste no converge porque los vectores TN no se
han reducido lo suficiente (hasta casi el vector 0, en todas sus componentes) ver Tabla
5.10. Al multiplicarlos por una matriz M-1 de determinante muy elevado, el resultado es
siempre el de incrementos de parámetros desmesurados y desviaciones muy fuertes de
la linealidad del sistema (sobre todo motivado por alguno de los incrementos de k1, k2
y/o rs), y la consiguiente parada del proceso, desde la primera iteración, para evitar una
evolución caótica sin sentido.
Como solución a estos problemas en el caso de 6 parámetros, se utilizaron finalmente
vectores incrementales proporcionales a los teóricos, de la forma pΔλ , siendo λ < 1
una constante a determinar en cada caso como se detalló en (2.24) y evitando así que el
proceso se vuelva caótico desde la primera iteración: Puede lograrse que el valor de
RMS disminuya gradualmente y que los parámetros no salten a valores negativos; el
proceso se ha hecho más lento aunque también más seguro. Esa propuesta nos ha dado
los resultados de la Tabla 5.11.
Tabla 5.11. Los seis parámetros normalizados del modelo convencional (célula CO1)
rs gp c1 k1 c2 k2
0,172 2,3.10-5 54,5 25 1,6.10-2 11,2
σ(rs) σ(gp) σ(c1) σ(k1) σ(c2) σ(k2)
1,1.10-2 3,9.10-6 13,4 0,79 4.10-2 3,6
σ(rs)/rs% σ(gp)/gp% σ(c1)/c1% σ(k1)/k1% σ(c2)/c2% σ(k2)/k2%
7 17 25 3,2 236 32
Con RMS = 4,5.10-3
Los errores estándar de los parámetros normalizados son aceptables a pesar de que σ(k2)
es grande, salvo en el caso de σ(c2) que supera el propio parámetro lo que significa que
es muy impreciso y que hay una infinidad de soluciones para el conjunto de parámetros
extraídos que se acercan al mínimo del error cuadrático medio deseado.
Los parámetros originales del modelo convencional se definen a partir de los
parámetros normalizados y se muestran en la Tabla 5.12 con sus errores relativos:
Tesis do
Tab
RS(
0,2
σ(RS)/R
7
El ajust
parámet
superior
incertid
parámet
El ajust
F
En este
también
parámet
significa
converg
indepen
del ejem
octoral: Nue
bla 5.12 Los
(Ω) G
23 1
RS(%) σ(G
7
te presenta
tros origina
r al propio
dumbres de
tros de los e
e final se m
Figura 5.8: A
ejemplo, el
n de c2 son
tros son
ativamente
gencia. Al
ndientes. La
mplo 1 sería
evos proced
s seis parám
Gp (Ω-1)
1,7.10-5
GP)/GP(%)
17
a un error R
ales son mu
o parámetro
los factore
exponentes
muestra en la
Ajuste final
l error relat
grandes au
muy impr
el error gl
contrario
as solucione
an rentables
dimientos d
metros origin
I01(A)
7,6.10-10
σ(I01)/I01(%
103
RMS = 4,5
uy elevadas,
o). Ello es
es pre-expo
(m1 y m2), d
a Figura 5.8
l con 6 pará
tivo del últi
unque el de
recisos, y
obal. Hemo
de cuando
es sugeridas
s si la dismi
de análisis d
148
nales del mo
m1
0 1,5
%) σ(m1)/m
3,2
5.10-3. Las
, como las d
debido a
onenciales (
de efecto m
8.
ámetros de l
mo paráme
e c2 destaca
los refina
os ajustado
o se han
en el Capít
nución de R
de los datos
odelo conve
1 I
5 1,
m1(%) σ(I0
2
incertidum
de I01 y, esp
la superpo
(c1 y c2, re
muy notable.
la célula sol
etro ajustado
a por su imp
amientos d
4 y 5 pará
tratado de
tulo 2 y pue
RMS fuera
corriente-t
encional (cé
I02(A)
,6.10-7
02)/I02(%) σ
596
mbres de al
pecialmente
sición, en
spectivame
lar CO1
o, k2, así co
portancia. E
del ajuste
ámetros sin
e extraer
estas en prác
apreciable,
tensión de…
élula CO1)
m2
3,4
σ(m2)/m2(%
32
lgunos de l
e, I02 (6 vec
estos, de l
nte) y de l
omo los de c
Es decir, es
no mejo
problemas
6 parámet
ctica a lo la
al aumenta
…
%)
los
ces
las
los
c1 y
stos
oran
de
tros
argo
ar el
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5.6 Otros Resultados y Ejemplos
149
número de parámetros. No ha sido el caso al pasar de 5 a 6 ni en los diversos
refinamientos introducidos para resolver este último caso: la variación de RMS es del
orden del 0,2% y la varianza de los parámetros ha empeorado, en general, como se
aprecia en la Tabla 5.13. En esta tabla se presentan para comparación los resultados de
incertidumbres (en valores absolutos y relativos) en los casos de 5 y 6 parámetros,
correspondiendo la diferencia a la liberación de k2 de la ligadura con k1 que se establece
en el caso de 5 parámetros (k2 = k1/2). Puede apreciarse claramente el crecimiento de las
incertidumbres para todos los parámetros, pero especialmente notable para c2 y k2. La
incertidumbre de k2 en el caso de 5 parámetros se ha estimado a partir de la de k1 por la
mencionada ligadura impuesta entre ambos.
Tabla 5.13. Comparación de incertidumbres obtenidas con cinco y seis parámetros
(célula CO1)
Incertidumbres σ(rS) σ(gp) σ(c1) σ(k1) σ(c2) σ(k2)
Caso de 6
parámetros
1,1.10-2
(6,7%)
3,8.10-6
(16,6%)
14
(25,2%)
0,81
(3,3%)
4.10-2
(242%)
3,7
(32,5%)
Caso de 5
parámetros
1,1.10-2
(6,3%)
1,2.10-6
(5,2%)
12
(19,7%)
0,6
(2,3%)
1,2.10-2
(33%)
0,3
(2,3%)
Se comparan también los valores de RMS en los casos de 5 y 6 parámetros, que son,
respectivamente, 4,8.10-3 y 4,5.10-3: La mejora es sólo ligeramente apreciable. No
obstante se observó en el caso de 5 parámetros que RMS presenta un salto desfavorable
(de 6,6.10-3 a 1,1. 10-2) en la primera iteración, luego hay otras oscilaciones mucho más
pequeñas hasta convergencia. Ocurre porque se trabaja esencialmente con un sistema
no-lineal. En el caso de 6 parámetros donde las oscilaciones son mucho más exageradas
se llega hasta una tendencia caótica. Se puede controlar cuando en el proceso se usa la
solución ofrecida, utilizando un vector λΔp colineal con el incremental Δp
inicialmente obtenido.
Tesis do
5.6 Otr
5.6.1 Re
Se pres
oscurida
ilumina
errores
variació
convenc
continua
• Célula
Célula d
aplicaci
experim
Los resu
octoral: Nue
os Resultad
esultados
sentan a c
ad realizado
ación los pa
estándar,
ón, en porce
cional (sin
a) ajustada
a CO2
de antimoni
iones termo
mentales se p
Figura 5.9
ultados del
Tabl
evos proced
dos y Ejem
continuación
os por el p
arámetros p
σ(pj), así
entaje. Tam
normalizar)
a los datos
iuro de galio
ofotovoltaica
presentan en
9: Datos exp
ajuste inicia
a 5.14. Pará
rS0
0,10
dimientos d
mplos:
n varios ej
procedimien
pj normaliz
como los
mbién se pre
), sus error
experiment
o de estruct
as, encapsu
n la Figura
perimentale
al por zonas
ámetros inic
gp0
5,6.10-3
de análisis d
150
jemplos de
nto descrito
zados y sus
errores rel
esenta una t
res y una fi
tales (en pun
tura p (zinc)
ulada y con
5.9.
s corriente-
s se recogen
ciales norm
c10
3,1
de los datos
e ajuste de
o. Para cada
s incertidum
lativos, σ(p
abla con lo
igura con la
ntos).
) sobre n (te
una capa a
-tensión de o
n en la Tabl
alizados. (c
1
corriente-t
e caracterís
a caso, se
mbres expr
pj)/pj, o co
s parámetro
a curva teó
eluro), área
antirreflecta
oscuridad (c
a 5.14.
célula CO2)
k10
11,2
tensión de…
sticas I-V
dan como
resadas com
oeficientes
os del mode
rica (en lín
0,49 cm2, p
ante. Los da
célula CO2)
…
de
en
mo
de
elo
nea
para
atos
)
Ca
Lo
ex
Si
Se
co
apítulo 5 Ajus
os resultado
xperimental
Tab
R
i se trata de
e concluye
on los parám
ste de curvas I
os del ajust
les se dan en
bla 5.15: Lo
rS
0,118
σ (rS)
4,1.10-3
σ (rS)/rS%
3,4
RMS =1,8.10
añadir una
que este eje
metros del m
Tabla 5.
RS(Ω)
3,9.10-2
ΔRS /RS(%
3,4
I-V en oscurid
te con cuat
n la Tabla 5
s cuatro par
6,
σ3 6,
% σ (g
0-3
a segunda ex
emplo no a
modelo conv
.16: Paráme
GP
1,8
%) ΔGP
Figura 5.
dad …
151
tro parámet
5.15.
rámetros no
gP
,1.10-3
σ (gP)
,5.10-5
gP)/ gP%
1,1
xponencial
dmite la seg
vencional es
etros origina
P(Ω-1)
88.10-2
P/GP%
1,1
.10: Ajuste
tros conside
ormalizados
c1
3,99
σ(c1)
0,146
σ(c1)/c1%
3,7
se obtiene e
gunda expo
s el de la Ta
ales y errore
I01(A)
2,13.10-5
ΔI01/I01(%
12,3
final de la c
5. Otros Re
erando todo
s y errores (c
k1
12,
σ(k
8,7.1
% σ(k1)/
0,7
el valor de c
onencial. As
abla 5.16 y
es (célula C
m
1,0
) Δ m1/ m
0,7
célula CO2
esultados y Ej
o el rango d
célula CO2)
1
14
k1)
10-2
/k1%
71
c2=-0,03 (ne
sí, el resulta
la Figura 5.
CO2)
m1
44
m1 (%)
71
jemplos
de datos
egativo).
ado final
.9.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
152
• Célula CO3
Se trata de una célula fabricada en el IES de la misma tecnología de CI1 (pero no se
trata del mismo dispositivo). Los resultados experimentales se presentan en la Figura
5.11, apreciándose la ausencia de medidas para voltajes por debajo de 240mV.
Figura 5.11: Datos experimentales corriente-tensión de oscuridad (célula CO3)
Se recogen los parámetros del ajuste inicial de las zonas de bajas y altas tensiones en la
Tabla 5.17.
Tabla 5.17. Parámetros iniciales normalizados (célula CO3)
rS0 gp0 c10 k10
9,7.10-3 3,18.10-5 1,21 20,2
El ajuste global (con todos los datos experimentales) al modelo con cuatro parámetros
proporciona los resultados de la Tabla 5.18.
Tabla 5.18: Los cuatro parámetros normalizados y errores (célula CO3)
rS gP c1 k1
8,3.10-3 3,17.10-5 1,19 20,2
σ (rS) σ (gP) σ(c1) σ(k1)
5,2.10-3 1,3.10-6 0,07 0,17
σ (rS)/rS% σ (gP)/ gP% σ(c1)/c1% σ(k1)/k1%
62 4,1 5,6 0,86
RMS =3,3.10-3
0,000001
0,00001
0,0001
0,001
0,01
0,1
0 0,2 0,4 0,6 0,8
Cor
rien
te (A
)
Tensión (V)
Célula CO3
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. Otros Resultados y Ejemplos
153
La introducción de la segunda exponencial es admisible, en este caso, dado que se
obtiene un valor positivo de c2. Así el resultado del ajuste con cinco parámetros (y k2
ligado a k1 mediante la relación k2 = k1/2) es el mostrado en la Tabla 5.19.
Tabla 5.19: Los cinco parámetros normalizados con sus desviaciones estándar
(célula CO3)
rS gp c1 k1 c2
1,8.10-2 2,2.10-5 1,41 21,2 4,1.10-3
σ(rS) σ(gp) σ(c1) σ(k1) σ(c2)
4,5.10-3 2,3.10-6 0,09 0,3 1,2.10-3
σ(rs)/rs% σ(gp)/gp% σ(c1)/c1% σ(k1)/k1% σ(c2)/c2%
24 11 6 1,3 29
RMS =2,3.10-3
Se observa que al introducir esta segunda exponencial (con k2 condicionado por k1) el
error estándar del ajuste mejora aunque la incertidumbre de los parámetros no
necesariamente lo hace, la de unos mejora (por ejemplo la de rs) pero la de otros
empeora (gp).
Una vez obtenido el mejor ajuste con 5 parámetros, sólo el hecho de levantar la
restricción k2 = k1/2 (m2=2m1), para comenzar la aproximación al mejor ajuste con 6
parámetros, da lugar a una matriz casi-singular. Como se recoge en la Tabla 5.20, los
elementos del vector independiente TN son pequeños pero el cuarto (9,6.10-6) y el sexto
(-3,4.10-5) son grandes respecto del resto (6,2.10-11, 3,1.10-10, etc.) pero, especialmente,
también respecto al determinante de MN de 6 parámetros (det MN = 1.10-6) lo que es un
indicador de posibles dificultades de convergencia.
Tabla 5.20: Matriz normalizada MN del sistema para 6 parámetros inicial (célula CO3)
rs gp c1 k1 c2 k2 TN
rs 1 -0,0002 -0,456 0,090 -0,010 0,002 4,7.10-10
gp -0,0002 1 0,170 -0,331 0,854 -0,917 -2,2.10-9
c1 -0,456 0,170 1 -0,859 0,428 -0,338 1,1.10-10
k1 0,090 -0,331 -0,859 1 -0,681 0,577 9,6.10-6
c2 -0,010 0,854 0,428 -0,681 1 -0,988 -3,9.10-9
k2 0,002 -0,917 -0,338 0,577 -0,988 1 -3,4.10-5
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
154
Se analiza en lo que sigue la matriz de correlación con cinco parámetros (Tabla 5.21) y
su evolución cuando pasamos al ajuste con seis parámetros (Tabla 5.22).
Se ve en la Tabla 5.21 que la correlación más elevada se da entre c1 y k1: es del orden de
0,939, próxima a 1 aunque no excesivamente, porque son parámetros de la misma
influencia zonal (de una misma componente exponencial), entre c2 y k1 es de 0,905,
aparentemente alta pero no afecta especialmente a la convergencia. El determinante de
esa matriz de correlación es del orden de 5.10-4. Cuando se pasa de 5 a 6 parámetros el
proceso similar al que utilizamos al pasar de cuatro a cinco parámetros no converge y se
vuelve caótico. Este último se puede corregir como lo veremos después de este análisis.
Tabla 5.21: Matriz de correlación con cinco parámetros (célula CO3)
rs gp c1 k1 c2
rs 1 -0,365 0,830 0,754 0,593
gp -0,365 1 -0,484 -0,646 -0,872
c1 0,830 -0,484 1 0,939 0,760
k1 0,754 -0,646 0,939 1 0,905
c2 0,593 -0,872 0,760 0,905 1
Para 6 parámetros (Tabla 5.22), se observa también que el añadido del parámetro k2
(última fila y columna) implica varias correlaciones importantes, pero sobre todo la de
k2 con c2 (0,998) y las de k2 y c2 con gp (0,965 y 0,947) o la de c2 con k1 (0,931). El
determinante de esta nueva matriz de correlación ha sufrido, además, un descenso muy
importante (hasta un valor de 1,3.10-8 desde el 5,0.10-4 anterior) respecto al de la matriz
de 5 parámetros. c2, k2 y gp tienen su influencia principal en la misma región, de voltajes
pequeños. Por otro lado, el coeficiente de correlación entre c2 y k1 es importante a pesar
de su influencia primordial en zonas diferentes.
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. Otros Resultados y Ejemplos
155
Tabla 5.22: Matriz de correlación con seis parámetros (célula CO3)
rs gp c1 k1 c2 k2
rs 1 0,516 0,896 0,807 0,645 0,619
gp 0,516 1 0,587 0,803 0,947 0,965
c1 0,896 0,587 1 0,920 0,740 0,709
k1 0,807 0,803 0,920 1 0,931 0,909
c2 0,645 0,947 0,740 0,931 1 0,998
k2 0,619 0,965 0,709 0,909 0,998 1
El paso de cinco a seis parámetros se ha efectuado, finalmente, de la misma manera que
en el ejemplo CO1 obteniéndose los parámetros normalizados de la Tabla 5.23 y los
convencionales de la Tabla 5.24. Presentamos la gráfica del ajuste final en la Figura
5.12
Tabla 5.23 Los seis parámetros normalizados del modelo convencional (célula CO3)
rs gp c1 k1 c2 k2
1,8.10-2 2,13.10-5 1,41 21,14 3,4.10-3 10,25
σ(rs) σ(gp) σ(c1) σ(k1) σ(c2) σ(k2)
5,7.10-3 1,04.10-5 0,12 0,62 1,2.10-2 6,4
σ(rs)/rs% σ(gp)/gp% σ(c1)/c1% σ(k1)/k1% σ(c2)/c2% σ(k2)/k2%
31 49 8 3 338 63
Con RMS =2,28.10-3
Tabla 5.24 Los seis parámetros originales del modelo convencional (célula CO3)
RS(Ω) Gp (Ω-1) I01(A) m1 I02(A) m2
0,137 2,8.10-6 9,3.10-11 1,38 1,21.10-8 2,84
σ(RS)/RS(%) σ(GP)/GP(%) σ(I01)/I01(%) σ(m1)/m1(%) σ(I02)/I02(%) σ(m2)/m2(%)
31 49 70 3 982 63
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
156
Figura 5.12: Ajuste final de la célula CO3
5.6.2 Comentarios:
Se ha aplicado el método de extracción de parámetros con éxito a todos los ejemplos.
La célula CO2, por ejemplo, ha resultado admitir un modelo restringido a una
exponencial con errores bastante aceptables. Para la célula CO3 hay una escasez de
datos en la zona de voltajes por debajo de 300 mV, zona donde se puede definir mejor
la conductancia paralelo, sin embargo se ha podido extraer un valor para este parámetro
a pesar de ello.
En todos los ejemplos RMS mejora de una fase a otra. Los errores absolutos son de un
orden razonable, pero los errores relativos de algunos parámetros pueden crecer de una
fase a otra. Y a veces tanto que invalidan los resultados de las fases con mayor número
de parámetros, cuando empiezan a darse evoluciones caóticas debido al problema de la
no-linealidad. Este caos se ha podido controlar como se ha visto en los ejemplos
estudiados.
En el paso de 4 a 5 parámetros el proceso ha sido convergente, sin dificultades, en todos
los casos. Se ha observado también que los errores relativos (incertidumbres) empeoran
cuando se incrementa el número de parámetros de 4 a 5, aunque, lógicamente, el error
estándar del ajuste disminuye.
0,000001
0,00001
0,0001
0,001
0,01
0,1
1
0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
corr
ient
e nor
mal
izad
a
Tensión normalizada
Datos experimentales
Curva teórica
Célula CO3
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. Otros Resultados y Ejemplos
157
En el paso de 5 a 6 parámetros se aprecia la mejora de RMS. Es lógica y esperable
porque el ajuste sólo debe mejorar al aumentar el número de parámetros. En cuanto a
los errores estándar relativos han empeorado. Esto sólo significa que aumentan las
posibilidades de combinaciones de parámetros que proporcionan resultados muy
próximos al mejor ajuste.
En todos los casos cuando se introduce el sexto parámetro (variable k2) el error estándar
del ajuste RMS se queda con el mismo valor porque se inicia el proceso, con los
parámetros provenientes de la fase anterior (de 5 parámetros y k2 ligado a k1). Pero los
errores estándar de los parámetros aumentan, sobre todo para c2, cuyo error llega a más
de 900% por ejemplo en el caso de la célula CO3, superando con creces el propio valor
del parámetro que resulta, por tanto, muy impreciso.
Como solución a la convergencia en el proceso de extracción de 6 parámetros, se utilizó
un vector λΔp proporcional al Δp inicialmente obtenido siendo λ un coeficiente a
determinar (λ<1) condicionado a que el error estándar RMS disminuya gradualmente y
evitando así que el proceso se vuelva caótico desde la primera iteración. Con esta
solución los parámetros no saltan a valores negativos y el proceso se hace más lento
aunque también más seguro.
5.6.3. Comparación de una célula, Cz, en iluminación y en oscuridad
Se han ajustado resultados experimentales de la célula Cz con los modelos establecidos
en iluminación y en oscuridad por el fin de comparar los parámetros obtenidos y
comprobar la fiabilidad de los modelos. Se presentan a continuación los resultados por
separado.
Resultados de iluminación. Célula CzI
Célula de substrato de silicio Cz con estructura (n+/p) de área 10,24 cm2. Los resultados
experimentales se presentan en la Figura 5.13
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
158
Figura 5.13: Datos experimentales corriente-tensión de iluminación
(célula CzI)
Los resultados del modelo normalizado se presentan en la Tabla 5.25 y los del ajuste
final en iluminación en la Figura 5.14.
Tabla 5.25: Parámetros del modelo normalizado con sus errores (célula CzI)
ISC (A) VOC (V) rS gP c2
0,254 0,581 4,2.10-2 2,7.10-2 0,324
σ (ISC)(A) σ (VOC)(V) σ (rS) σ (gP) σ (c2)
1,9.10-4 3,9.10-4 2,7.10-3 2,1.10-3 2,6.10-2
σ (ISC)/ISC % σ (VOC)/VOC% σ (rS)/rS% σ (gP)/ gP% σ (c2)/c2%
0,08 0,07 6,5 7,9 8,1
RMS = 1,54.10-3
Convergencia rápida (indicador de convergencia –1,05.10-11 al cabo de 4 iteraciones)
Figura 5.14: Ajuste final de la célula CzI
0
0,05
0,1
0,15
0,2
0,25
0,3
0 0,1 0,2 0,3 0,4 0,5 0,6
Cor
rien
te (A
)
Tensión (V)
Célula CzI
0
0,2
0,4
0,6
0,8
1
0 0,2 0,4 0,6 0,8 1
Cor
rien
te n
orm
aliz
ado
Tensión normalizada
Célula CzICélula CzI
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. Otros Resultados y Ejemplos
159
Resultados de oscuridad. Célula CzO.
Se procede al ajuste en oscuridad de nuestra célula Cz. Sus datos experimentales se
presentan en la Figura 5.15
Figura 5.15: Datos experimentales corriente-tensión de oscuridad (célula CzO)
Como los resultados de iluminación se han obtenido prefijando m1 y m2 respectivamente
a 1 y 2, hemos utilizado una hoja específica donde k1 y k2 están también prefijados, y
relacionados con k2=k1/2. Quedan a definir entonces los cuatro parámetros (rS, gP, c1 y
c2).
Se presentan los cuatro parámetros obtenidos en la Tabla 5.26.
Tabla 5.26: Los cuatro parámetros normalizados con sus desviaciones estándar
(célula CzO)
rS gp c1 c2
7.10-2 9,3.10-3 4,96 0,43
σ(rS) σ(gp) σ(c1) σ(c2)
1,9.10-3 4,6.10-5 0,17 9,4.10-3
σ(rs)/rs% σ(gp)/gp% σ(c1)/c1% σ(c2)/c2%
2,75 0,5 3,4 2,2
RMS =1,34.10-3
Y la gráfica del ajuste se ve en la Figura 5.16.
0,0001
0,001
0,01
0,1
1
0 0,2 0,4 0,6 0,8
Cor
rien
te (A
)
Tensión (V)
Célula CzO
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
160
Figura 5.16: Ajuste final de la célula CzO
Se procede ahora a la comparación de los resultados de ambos casos para demostrar la
fiabilidad del método. Así tenemos en la Tabla 5.27 los parámetros del modelo
convencional sin normalizar en el caso de iluminación y en la Tabla 5.28 los del caso de
oscuridad.
Tabla 5.27: Parámetros del modelo convencional sin normalizar y sus errores relativos
en iluminación (célula CzI)
RS(Ω) GP(Ω-1) I01(A) I02(A)
9,6.10-2 1,2. 10-2 2,9.10-11 1,1.10-6
ΔRS /RS (%) ΔGP /GP (%) ΔI01 /I01 (%) ΔI02 /I02 (%)
6,6 8,0 5,9 8,9
RMS =1,54.10-3
Tabla 5.28: Parámetros del modelo convencional sin normalizar y sus errores relativos
en oscuridad (célula CzO)
RS(Ω) GP(Ω-1) I01(A) I02(A)
6,6.10-2 9,8.10-3 2,2.10-11 7,5.10-7
ΔRS/RS (%) ΔGP/GP (%) ΔI01/I01 (%) ΔI02/I02 (%)
2,8 0,5 3,4 2,2
RMS = 1,34.10-3
0,0001
0,001
0,01
0,1
1
0 0,2 0,4 0,6 0,8 1
Datos experimentalesCurva téorica
Cor
rien
te n
orm
aliz
ada
Tensión normalizada
Célula CzO
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. 7Conclusiones
161
El error del ajuste RMS en el caso de oscuridad y en el caso de iluminación son muy
próximos.
Se observa que los valores de los cuatro parámetros son inferiores en oscuridad respecto
de los correspondientes en iluminación, aunque de órdenes de magnitud similares, con
diferencias relativas entre el 20% y el 40% aproximadamente. Estas diferencias son,
para todos ellos, superiores a los errores relativos calculados en un caso u otro. También
es de destacar que los errores relativos son claramente inferiores, también para los
cuatro parámetros, calculados en oscuridad respecto de iluminación. Esto último puede
deberse a que el número de parámetros realmente ajustados ha sido de 4 en el caso de
oscuridad pero de 5 en el de iluminación. Y, como se ha visto en las discusiones
anteriores, el aumento del número de parámetros suele llevar consigo un aumento de sus
incertidumbres relativas. Finalmente, puede destacarse que las diferencias relativas de
GP están en el rango del 20% mientras que las de RS son más importantes (en el rango
del 40%). Esto último puede ser debido a la naturaleza distribuida de este parámetro,
cuyo valor puede variar según las condiciones de funcionamiento de la célula [Ara86].
5.7 Conclusiones
Se ha presentado un método de extracción de parámetros de la célula a partir de datos
de la característica I-V de oscuridad usando el modelo de dos exponenciales con
factores de idealidad variables o fijos (por tanto, según los casos, con cuatro, cinco o
seis parámetros ajustables). El ajuste se realiza por minimización de la distancia
ortogonal en un plano de representación (y-x) logarítmico-lineal normalizado a la
relación de aspecto 1:1. El proceso es sencillo de implementar, habiéndose realizado en
hojas de cálculo Excel.
Excepto para los factores de idealidad, en el primer paso los valores iniciales requeridos
por el método se obtienen por ajustes parciales en dos zonas extremas, ajustes
asintóticos, a funciones tangenciales aproximadas en los extremos del margen de datos.
El procedimiento óptimo encontrado y aplicado ha sido el de tratar de aumentar
sucesivamente el número de parámetros de 4 a 5 y de 5 a 6, tomando en cada caso los
finales de una fase como los iniciales de la siguiente.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
162
Durante el proceso iterativo, se resuelve un sistema de ecuaciones linealizado a uno
matricial. A partir de la matriz de covarianzas (inversa de la matriz del sistema) se
deducen los errores, o incertidumbres, y correlaciones de los parámetros normalizados.
Mediante la inversión de las expresiones de normalización se obtienen los parámetros
originales de las características así como sus errores absolutos y relativos.
Se ha apreciado que se extraen cuatro y cinco parámetros, habitualmente sin ningún
problema de convergencia. Sin embargo, los problemas aparecen muy frecuentemente
cuando se intentan obtener los seis parámetros del modelo más completo. Esto es
debido a que la matriz del sistema tiende a ser casi-singular. Sin embargo se puede
mejorar el ajuste analizando la información contenida en la propia matriz. Los
elementos de la matriz de correlación nos permiten ver las ligaduras entre parámetros y
así definir el número de verdaderos grados de libertad del sistema de ecuaciones.
Basándose en este análisis, para los casos que dan problemas en la extracción de los seis
parámetros, se pueden intentar diferentes métodos para conseguir la convergencia:
sistemas restringidos o ajuste alternativo por zonas tal como se ha indicado en los
diferentes ejemplos detallados. Por otro lado, reemplazando el vector incremento por
otro proporcional con factor ajustable se consigue una convergencia lenta pero
controlada en el caso de 6 parámetros.
Una estrategia sistemática que conduce a óptimos resultados es la siguiente: 1) se
resuelve el sistema en dos zonas restringidas, para extraer valores iniciales (para 4
parámetros); 2) mediante ajuste en todo el rango de datos, pero manteniendo el número
de parámetros en cuatro, se refinan éstos y se precisa la primera exponencial; 3) se
analiza la posibilidad de mejorar el ajuste con una segunda exponencial de pre-factor
(c2) positivo de modo que, si es así, se incorpora al modelo mientras que se mantiene el
de una sola exponencial si es negativo. Frecuentemente, esto conduce a un juego de
parámetros iniciales desde el que el sistema global converge sin problema con cuatro o
cinco parámetros finales, 4) El modelo en sí está pensado para extraer seis parámetros,
pero en la práctica se ha revelado muy difícil, o muy lento, llegar a ello: Tomando los
cinco parámetros finales del paso 3) como iniciales del nuevo paso se procede a utilizar
un vector λΔp co-lineal con el teórico Δp ajustado de forma que el error estándar
calculado para el nuevo ajuste se reduzca lo máximo posible. El proceso se repite, en
general, con escasa mejora en cada paso.
Capítulo 5 Ajuste de curvas I-V en oscuridad … 5. 7Conclusiones
163
También se ha constatado la importancia de que los datos experimentales cubran un
rango amplio de la curva I-V. La razón, cualitativa, es muy simple: Un parámetro cuya
incidencia es notable en un rango del que escasean los datos será detectable con
dificultad e inseparable de otro concurrente en el mismo rango.
CONCLUSIONES
Conclusiones
167
El objetivo de la tesis ha sido en primer lugar la revisión de los procesos de ajuste de
características IV mediante el método de mínimos cuadrados, estudiando su
fundamentación matemática y estadística.
Respecto al planteamiento matemático, la resolución del sistema de ecuaciones no-
lineales se ha realizado mediante un método iterativo matricial. La inversa de la matriz
del sistema en el entorno de la solución buscada junto con el error estándar del ajuste
informan sobre los errores estándar (o incertidumbres) de los parámetros buscados,
cuantificando la bondad del ajuste. A su vez, el análisis de las matrices normalizadas (o
de correlación) permite extraer información sobre el problema de la convergencia del
sistema y, eventualmente, resolverlo.
Todo método de ajuste se basa en la adopción de un criterio para la definición de la
distancia medidas – modelo. Se han comparado diferentes criterios: distancia vertical,
combinación de tramos y distancia ortogonal; resultando ser este último el mejor y el
más fiable pues conduce a un error de ajuste más pequeño que los obtenidos con los
otros dos.
Sin embargo, este criterio conduce a relaciones implícitas y no-lineales que complican
su aplicación. Mediante desarrollos lineales, se han elaborado aproximaciones explícitas
de las diferentes distancias, que se expresan como la diferencia entre el valor de la
corriente medida y la de un punto sobre la curva – escogido de forma que la tensión
corregida es la misma – afectado por un peso relacionado con la pendiente de ésta. El
uso de esta aproximación conduce a resultados muy parecidos al de las expresiones
completas y es mucho más fácil de implementar, eliminando los principales
inconvenientes del criterio basado en la distancia estrictamente ortogonal.
Con ello se ha desarrollado un procedimiento de ajuste robusto y sencillo para curvas de
iluminación y de oscuridad. Se ha ilustrado el funcionamiento del método, utilizando
medidas sobre dispositivos de una gran variedad de tecnologías de fabricación y
tamaños. La simplicidad matemática del planteamiento permite una implementación
directa, que se ha realizado en hojas de cálculo Excel.
Los resultados han sido satisfactorios en general. Los parámetros físicos se obtienen
junto con sus incertidumbres o errores estándar.
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
168
En iluminación, se ha usado el modelo de dos diodos para células – con factores de
idealidad fijos - y de uno para sistemas - con factor de idealidad variable -extrayéndose
cinco parámetros. El ajuste es satisfactorio en todos los casos y la convergencia segura.
Los ajustes requieren un conjunto inicial de parámetros cuya elección es bastante
crítica, pues si está muy alejado del mínimo buscado el proceso no puede encontrar el
carril de la convergencia. Se ha desarrollado un procedimiento de parámetros iniciales
sencillo y fiable mediante ajuste por tramos.
Para las características corriente-tensión de oscuridad, se usan los modelos de una y dos
exponenciales con factores de idealidad ajustables en la representación semi-logarítmica
habitual.
Para este caso se utiliza también el criterio ortogonal aproximado. Los parámetros
iniciales se extraen del mismo modo que en las curvas de iluminación.
El método se estructura de tal manera que se va obteniendo un número creciente de
parámetros: se comienza con cuatro, prefijando los factores de idealidad. A partir de
este ajuste se obtiene el valor de uno de éstos: estos cuatro o cinco parámetros se
obtienen sin problemas de convergencia. Sin embargo, éstos aparecen con frecuencia al
aumentar a seis el número de parámetros.
Estos problemas se han analizado mediante las matrices normalizada y de correlación,
revelando las correlaciones entre los parámetros. A menudo esto permite superar el
problema de convergencia controlando el proceso iterativo, realizándolo por etapas en
que alguno de los parámetros se mantiene fijo, o reduciendo proporcionalmente
(variación de amplitud, no de dirección) del “vector incremental de parámetros”.
Cuando ha sido posible, se han comparado las soluciones de los ajustes para curvas de
iluminación y de oscuridad para demostrar su fiabilidad.
Como tareas futuras que podrían continuar este trabajo, podemos mencionar:
• Extender el método establecido a diferentes medidas de interés para dispositivos
fotovoltaicos: por ejemplo, la respuesta espectral, decaimiento de la
fotoconductividad...
Conclusiones
169
• El método y las soluciones sugeridas deben profundizarse para intentar remediar
el carácter caótico que adquiere el proceso iterativo cuando se aumenta el
número de parámetros.
• Del ajuste combinado de características de iluminación y de oscuridad,
realizadas posiblemente a diferentes temperaturas y niveles de iluminación, se
puede extraer información muy precisa sobre los dispositivos, requiriéndose el
empleo de modelos más sofisticados.
• La raíz del problema está en las correlaciones existentes entre los parámetros
que hacen que la matriz del sistema sea casi singular: un método que no se
basara en la representación matricial podría verse libre de estos problemas, lo
que supone cambiar la filosofía del procedimiento.
ANEJOS
ANEJO 1
DERIVADAS PARAMÉTRICAS DE LA DESVIACIÓN ORTOGONAL EN EL
CASO DE ILUMINACIÓN
Anejo 1 Derivadas paramétricas de la desviación ortogonal en el caso de iluminación
175
A1) Derivadas paramétricas de la desviación ortogonal en el caso de iluminación:
Para minimizar la desviación cuadrática media ( 2ε ), siendo ε dada aproximadamente
por (3.19), se ha establecido en el Capítulo 3 un método de cálculo que usa el sistema
matricial (3.22) o (3.28). Los elementos de la matriz M se obtienen, según (3.29) y
(3.21), a partir de las distintas derivadas parciales de la desviación respecto de cada
parámetro y para cada punto experimental.
Se expresan a continuación las derivadas de ε respecto a cada uno de los parámetros
para el modelo general de dos exponenciales con resistencias serie y paralelo y haciendo
caso omiso de la última aproximación expresada en (3.21). Esto hace que debamos
detallar también la función F', derivada de la función F (3.14) respecto a v’, y sus
derivadas respecto a todos los parámetros.
El hecho de ser la variable v’ función a su vez de uno de los parámetros (rs) fuerza a
considerar distintamente la derivada de ε respecto de éste o de cualquiera de los otros
(pj ≠ rs):
sjssss
sjjjj
rprr
FFr
FFr
rppF
FpF
Fp
=∂∂
+∂∂
∂∂
+∂∂
∂∂
=
≠∂∂
∂∂
+∂∂
∂∂
=
para ''d
d
para''d
d
εεεε
εεε
(A1.1)
La expresión de la función derivada F’, teniendo en cuenta (3.13) y (3.14), es:
( ) ( )[ ]
1;1
;1
1'
32
222
1
111
312121
−=′−
−=′−
−=′
′−′−−′−′−′=′≡∂∂
fEEkf
EEkf
ffrgffcfFvF
SCOC
SCOC
SP
(A1.2)
Las derivadas de la función F respecto de c2 y gP se obtienen de forma directa:
( ) 31212
2 1; ffrgFFff
cFF S
Pgpc +−−=
∂∂
≡′+−=∂∂
≡′ (A1.3)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
176
Y, para la derivada respecto de rS, se tiene:
( ) ( )[ ]iffrgffcfrFF rsSPrsrsrsS
rs +−′−−−−=∂∂
≡′ 11'
2'
12'
1 1 (A1.4)
Con:
( )
( )SCSC
OCrs
SCSC
OCrs
EfiEE
kf
EfiEE
kf
2222
2'2
1111
1'1
1
1
−−
−=
−−
−= (A1.5)
La derivada de F respecto de ISC es:
( ) ( )[ ]
SCSCSC
SiSPiiiSCSC
iSCSC
Ii
II
Ii
rfrgffcfIi
IiF
Ii
iF
IF
−=
−=
∂∂
+′−−−−−=⎟⎟⎠
⎞⎜⎜⎝
⎛−⋅′≡
∂∂
∂∂
=∂∂
2
1'
2'
12'
1
que ya
1 (A1.6)
Con:
22
22'2
11
11'1
1
1
frE
Erkf
frE
Erkf
SSC
SOCi
SSC
SOCi
′=−
−=
′=−
−= (A1.7)
Y la derivada respecto de VOC:
( ) ( )
OCOCOC
OCVocSPVocVocVoc
OCVoc
Vv
VV
Vv
Vvfrgffcf
VFF
−=
−=
∂∂
⎥⎦
⎤⎢⎣
⎡−′−−−−=
∂∂
≡′
2
1'
2'
12'
1
que ya
1 (A1.8)
Donde:
( ) ( )[ ]( )
( ) ( )[ ]( )SCOC
SSCSOCVoc
SCOC
SSCSOCVoc
EVfrEirEkf
EVfrEirEkf
2
2222'2
1
1111'1
111
111
−−−−
=
−−−−
= (A1.9)
Finalmente, para las derivadas de la desviación, se tiene:
Anejo 1 Derivadas paramétricas de la desviación ortogonal en el caso de iluminación
177
( )( )
( )
( )( )
( )
( )( )[ ] ( )( )
( )( )
( )
( )( )
( ) ⎥⎥⎦
⎤
⎢⎢⎣
⎡′′
′+′−
′−−′−′
′+′−=
∂∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡′′
′+′−
′−−′−−′
′+′−−=
∂∂
⎪⎭
⎪⎬⎫
⎪⎩
⎪⎨⎧
′+′−
′′−−′′′−−′−′
′+′−=
∂∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡′′
′+′−
′−−′−′
′+′−=
∂∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡′′
′+′−
′−−′−′
′+′−=
∂∂
Voc
S
SSVoc
SOC
i
S
SSi
SSCSC
S
SrsSSrs
SS
gp
S
SSgp
SP
c
S
SSc
S
FFFr
frrfFFFrV
FFFr
FrrFFFFrI
iI
FFr
FFrFFrrFFFFrr
FFFr
FrrFFFFrg
FFFr
FrrFFFFrc
2222
2222
2222
2222
2222222
1
1
1
1
1
111
1
1
11
1
1
1
1
1
1
1
1
1
1
εε
εε
εε
εε
εε
(A1.10)
Con las expresiones de las derivadas segundas siguientes:
( ) ( )[ ]
( ) ( )[ ]
( ) ( )
( ) ( ) VocSPVocVocVocOC
Voc
iSPiiii
rsSPrsrsrss
rs
Sp
gpc
frgffcfvF
VF
frgffcfvF
iF
ffrgffcfvF
rF
frvF
gFff
vF
cF
,1,2,12,1
,1,2,12,1
1,1,2,12,1
1212
2
1dd
dd
1dd
dd
1dd
dd
11dd
dd;
dd
dd
′′−−′′−′′−′′=⎟⎠⎞
⎜⎝⎛
′≡′′
′′−−′′−′′−′′=⎟⎠⎞
⎜⎝⎛
′≡′′
′−′′−−′′−′′−′′=⎟⎠⎞
⎜⎝⎛
′≡′′
+′−−=⎟⎠⎞
⎜⎝⎛
′≡′′′−′−=⎟
⎠⎞
⎜⎝⎛
′≡′′
(A1.11)
Siendo:
22
22
2,2
11
11
1,1
1dd
dd
1dd
dd
fE
Eikvf
rf
fE
Eikvf
rf
SC
SCOC
srs
SC
SCOC
srs
′⎟⎟⎠
⎞⎜⎜⎝
⎛−
+=⎟⎠⎞
⎜⎝⎛
′≡′′
′⎟⎟⎠
⎞⎜⎜⎝
⎛−
+=⎟⎠⎞
⎜⎝⎛
′≡′′
222
,2
111
,1
dd
dd
dd
dd
frkvf
if
frkvf
if
SOCi
SOCi
′=⎟⎠⎞
⎜⎝⎛
′≡′′
′=⎟⎠⎞
⎜⎝⎛
′≡′′
(A1.12)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
178
( )
( )⎭⎬⎫
⎩⎨⎧
⎥⎦
⎤⎢⎣
⎡−
−+−+−
′−=⎟
⎠⎞
⎜⎝⎛
′≡′′
⎭⎬⎫
⎩⎨⎧
⎥⎦
⎤⎢⎣
⎡−
−+−+−
′−=⎟
⎠⎞
⎜⎝⎛
′≡′′
SSC
SCSOC
OCOCVoc
SSC
SCSOC
OCOCVoc
rE
EirkV
fvf
Vf
rE
EirkV
fvf
Vf
11
11dd
dd
11
11dd
dd
2
22
22,2
1
11
11,1
Puesto que en el capítulo 3 se ha contemplado también el caso de cinco parámetros con
una sola exponencial pero de k (o m≠1) ajustable, se añaden a continuación, para
contemplar este caso, las únicas derivadas adicionales que deberán tenerse en cuenta (el
parámetro k sustituye, por convenio, al anterior prefijado kOC1 y el anterior parámetro c2
tomará el valor prefijado 0):
( )[ ]kSPkk frgfkFF 1
'1 1 ′−−=
∂∂
≡′ (A1.13)
Con:
SC
SCSSk E
fErEirvf1
111'1 1
)1()1(−
−−−−= (A1.14)
En el Capítulo 3 y a la vista de las expresiones (A1.10), la aproximación final de las
derivadas proviene de despreciar en estas el último sumando, proporcional al propio ε
individual. Esto hace que tanto εO como sus derivadas paramétricas equivalen, en la
aproximación de primer orden, a las de εy ponderadas por la misma función de peso wi,
como se ve en la siguiente expresión traslada aquí por comodidad.
( ) ( )
( )
( ) ( ) ( )∑∑==
Δ+≡Δ⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
+≅
⋅=∂
∂≅
∂∂
+∂
∂=
∂∂
+∂
∂=
∂∂
+∂
∂=
∂∂
pp n
jjijiy
n
jj
ijiyiy
ijij
iyi
j
iiO
j
iyi
j
iiyi
j
iyi
j
iiy
j
iyi
j
iO
pfppF
fwp
w
pw
pw
pww
pw
pw
pw
p
10,
10,,
,
,,
,,
,,,
que ya
lnln
εεε
ε
εε
εε
εεε
(A1.15)
Se puede apreciar que las expresiones se simplifican grandemente sin afectar
apreciablemente a los resultados ni a su proceso de obtención, como se ha comprobado
Anejo 1 Derivadas paramétricas de la desviación ortogonal en el caso de iluminación
179
en el Capítulo 3. Bien al contrario, los términos proporcionales a ε pueden considerarse
como una especie de “ruido numérico” que en ocasiones colabora a la inestabilidad del
proceso de aproximaciones sucesivas.
ANEJO 2
DERIVADAS PARAMÉTRICAS DE LA DESVIACIÓN ORTOGONAL EN EL
CASO DE OSCURIDAD
Anejo 2 Derivadas paramétricas de la desviación ortogonal en el caso de oscuridad
183
A2) Derivadas paramétricas de la desviación ortogonal en el caso de oscuridad
De manera similar al método de cálculo desarrollado para la curva de iluminación, se
utiliza el sistema matricial (5.11) para ajustar la curva de oscuridad. Los elementos de la
matriz se obtienen, como expresa (5.12), a partir de las derivadas paramétricas de la
desviación ε (5.7) que se repite aquí por comodidad
( ) ( ) ( )( ) wiF
FFLFr
iF
nS
⋅−≡′+′+
−= lnln
1
lnln222
ε
(A2.1)
Las diferentes derivadas de la desviación son (para cualquiera de los parámetros p ≠ rs y
para el propio rs):
sssss
s
rw
rF
FrF
Frrp
pF
FpF
Fprp
∂∂
+∂′∂
′∂∂
+∂∂
∂∂
==
∂′∂
′∂∂
+∂∂
∂∂
=≠
lndd:
dd:
εεεε
εεε
(A2.2)
Desarrollando cada término en (A2.2) teniendo en cuenta la forma (A2.1) se tiene, en
primer lugar, para la derivada parcial de la desviación ε respecto a F : 2
⎟⎠⎞
⎜⎝⎛ ′⋅⋅+=
∂∂
FFw
FFw
Fεε
(A2.3)
Y para la derivada respecto a F’ :
( )( )⎭⎬⎫
⎩⎨⎧
⎟⎠⎞
⎜⎝⎛ ′
+′+⋅−=′∂
∂FF
FLFrrw
F nss11 22εε
(A2.4)
La componente específica que aparece en la expresión de dε/drs es:
( ) ( ) ( ) ( )( )22222
11ln21ln
nSS
nS
S
LFrFwr
FFLFrr
w ′+⋅′−=∂
′+′+∂−=
∂∂
(A2.5)
Por otra parte, teniendo en cuenta la expresión (5.3) de F que, por comodidad, se
reproduce a continuación:
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
184
( )( ) ( )[ ] ( )( ) ( )[ ] vgkvkckvkc
vgfcfcF
p
p
′+−−′−−+−−′−−
=′++=
222111
2211
exp1expexp1exp
(A2.6)
Se obtienen las derivadas parciales de F respecto a los parámetros:
( )( ) ( )
( )( ) ( )
( )( ) ( )
( ) ( )( ) ( )
( ) ( )( ) ( ) 2222
1111
222111
2222
1111
exp1exp1
exp1exp1
)1(exp1exp'
exp1exp
exp1exp
kvkvckF
kvkvckF
gvkkcvkkcirv
vF
rF
vgF
kvkfcF
kvkfcF
PSS
P
−−′−−′−−=∂∂
−−′−−′−−=∂∂
+′−−+′−−−=∂∂
′∂∂
=∂∂
′=∂∂
−−′−−==∂∂
−−′−−==∂∂
(A2.7)
Por último, teniendo en cuenta la expresión de F’:
( )[ ] ( )[ ] pgvkkcvkkcF +′−−+′−−=′ 1exp1exp 222111 (A2.8)
las derivadas parciales de F’ respecto a los parámetros son:
Anejo 2 Derivadas paramétricas de la desviación ortogonal en el caso de oscuridad
185
( )[ ]
( )[ ]
( )[ ] ( )[ ]
( )( ) ( )
( )( ) ( ) vkvkckF
vkvkckF
vkkcvkkcirFgF
vkkcF
vkkcF
S
P
′−−′−−=∂
′∂
′−−′−−=∂
′∂
′−−+′−−−=∂
′∂
=∂
′∂
′−−=∂
′∂
′−−=∂′∂
111exp
111exp
1exp1exp
1
1exp
1exp
2222
1111
22221
211
222
111
(A2.9)
Como se dijo en los Capítulos 3 y 5, en todas las derivadas del error respecto de los
parámetros acaba apareciendo un término absolutamente dominante (que procede del
primer término de ∂ε/∂F) y un conjunto de ellos secundarios (proporcionales a cada ε
local y, por tanto, de media prácticamente nula). Eso hace posible utilizar las
expresiones alternativas (y en la práctica muy bien aproximadas) que reducen las
derivadas de la desviación a las derivadas de la función (F o lnF) afectadas por una
misma función de peso multiplicador, w. Así, en este caso de oscuridad, teniendo en
cuenta (A2.1) y (A2.3) se tiene, para cualquier parámetro, pj:
jjj pFw
pF
Fw
p ∂∂
=∂∂
⎟⎠⎞
⎜⎝⎛≅
∂∂ lnε
(A2.10)
Que, como se puede apreciar, constituye una notable simplificación de los cálculos, sin
detrimento de la fiabilidad de los resultados.
Puesto que en los ejemplos se ha manejado el caso de cinco parámetros con k1 y k2
ligados (k2 = ½ k1), conviene particularizar también las expresiones de las derivadas
para este caso: Se mantienen todas las expresiones anteriores, excepto las de derivadas
respecto de k1 y no se consideran derivadas respecto de k2, puesto que no es un
parámetro independiente, así que si cambiamos el valor de k2 por ½ k1 la función F será
( )( ) ( )[ ] ( ) vgkvkckvkcF p ′+⎥⎦
⎤⎢⎣
⎡⎟⎠⎞
⎜⎝⎛−−⎟
⎠⎞
⎜⎝⎛ ′−−+−−′−−=
2exp1
2expexp1exp 11
2111
(A2.11)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
186
Y su derivada F’ respecto de v’:
( )[ ] ( ) pgvkkcvkkcF +⎥⎦⎤
⎢⎣⎡ ′−−+′−−=′ 1
2exp
21exp 11
2111
(A2.12)
Finalmente la derivada respecto de k1 se calculará como:
1111 d
d:kF
FkF
Fkkp
∂′∂
′∂∂
+∂∂
∂∂
==εεε
con
( ) ( )( ) ( ) ( ) ( )⎭⎬⎫
⎩⎨⎧
⎟⎠⎞
⎜⎝⎛−−⎟
⎠⎞
⎜⎝⎛ ′−−′−−−−′−−′−−=
∂∂
2exp1
2exp1
21exp1exp1 11
21111
kvkvckvkvckF
y
( )( ) ( ) ( ) ( )⎭⎬⎫
⎩⎨⎧
⎟⎠⎞
⎜⎝⎛ −−
⎭⎬⎫
⎩⎨⎧
⎟⎠⎞
⎜⎝⎛ −−+′−−′−−=
∂′∂ '1
2exp'1
21
21111exp 11
21111
vkvkcvkvkckF
(A2.13)
ANEJO3
CALCULO DE INCERTIDUMBRES
Calculo de incertidumbres
189
A3.1. Introducción
Se resumen los detalles del cálculo de incertidumbres o errores de los diferentes casos
de iluminación y oscuridad.
Se ha definido en el Capítulo 2 el error estándar del ajuste (2.12) cuya expresión por
comodidad trasladamos aquí:
∑=−
=⋅−
=dn
ii
pdpd
d
nns
nnn
1
2ajuste
1 εσ (A3.1)
Los errores estándar de los parámetros normalizados vienen dados por los elementos
diagonales de la matriz de co-varianzas y se definen como:
( )( )
d
jjs
jp n
Mp
j
1ajuste 2var
−
=≡σ
σ (A3.2)
A3.2. Incertidumbres de relaciones funcionales de parámetros
Se trata aquí de obtener relaciones genéricas aproximadas para las incertidumbres y
correlaciones de nuevos parámetros que se deduzcan de los preestablecidos mediante
ciertas relaciones funcionales. Típicamente será el caso de dos parámetros genéricos,
Pi y Pj, expresables en función de algunos de los np parámetros normalizados (o,
generalizando, de todos) pl, l = 1,…,np.
( ) ( )pp njjnii ppPPppPP ,,;,, 11 LL ≡≡ (A3.3)
Supondremos que, sobre estos últimos, interpretados como variables estadísticas, se
conoce el conjunto de valores esperados medios, lp , y de covarianzas o correlaciones
(incluyendo en el término las varianzas, 2lpσ ):
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
190
( ) ( )( ) ( )( ) ( ) ( ) ( )[ ]
( ) p
llplllll
klppkkllkl nlklppppppp
pppppppp
l
kl ,,1,1,correl;,covarvar
,correl,covar22 L=≥
≡≡−≡≡
=−−≡
σ
σσ
(A3.4)
Y admitiremos que, habiendo sido obtenidos los parámetros pl con incertidumbres
relativamente pequeñas, las funciones (A3.3) pueden aproximarse mediante
desarrollos de orden no superior al segundo en el entorno del conjunto de valores
medios lp :
( )
( )
( )( )∑∑∑= ==
−−⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
∂+−⎟⎟
⎠
⎞⎜⎜⎝
⎛∂
∂+≅
p p
l
p
l
n
l
n
kkkll
pkl
jin
lll
pl
jiljiji pppp
ppP
pppP
pPP1 1
,2
1
,,, 2
1 (A3.5)
De modo que, teniendo en cuenta las relaciones (A3.4) y que ( ) 0=− ∀ lll pp , para el
valor esperado medio de cualquiera de los nuevos parámetros se tiene:
( )
( )
( )
( )∑∑∑
∑∑
= >=
= =
⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂
∂+⎟
⎟⎠
⎞⎜⎜⎝
⎛
∂
∂+=
=⎟⎟⎠
⎞⎜⎜⎝
⎛
∂∂∂
+≅
p
kl
l
p
l
l
p p
kl
l
n
l lkklpp
pkl
jin
lp
pl
jilji
n
l
n
kklpp
pkl
jiljiji
pppp
PpP
pP
pppp
PpPP
1
,2
1
22,
2
,
1 1
,2
,,
,correl21
,correl21
σσσ
σσ
(A3.6)
Lo que implica diferencias de segundo orden entre el valor medio de la función y el de
la función particularizada en los valores medios.
Despreciando también términos de orden superior al producto de dos incertidumbres
se obtiene, para la covarianza:
Calculo de incertidumbres
191
( ) ( )( )
( )
( )
( )
( )( )
( )∑∑∑∑
∑∑
∑∑
= == =
≅
= =
==
⎟⎟⎠
⎞⎜⎜⎝
⎛∂
∂⋅
∂∂
=−−⎟⎟⎠
⎞⎜⎜⎝
⎛∂
∂⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
≅
⋅−⎥⎥
⎦
⎤
⎢⎢
⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
∂⋅+⎟
⎟⎠
⎞⎜⎜⎝
⎛
∂∂
∂⋅++
+⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛∂
∂
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟⎟
⎠
⎞⎜⎜⎝
⎛∂∂
≅
≅⋅−⋅=−−=
p p
kl
l
p p
ll
p p
kl
ll
ll
p
l
p
l
n
l
n
kklpp
pk
j
l
in
l
n
kllll
pk
j
pl
i
ji
n
l
n
kklpp
pkl
ij
pkl
jipjpi
n
kkk
pk
jn
lll
pl
i
jijijjiiji
pppP
pPpppp
pP
pP
PPpppp
PPpp
PPPP
pppP
pppP
PPPPPPPPPP
1 11 1
0
1 1
22
11
,correl
,correl21
,covar
σσ
σσ
(A3.7)
Y, para las varianzas e incertidumbres (basta hacer i = j en la anterior):
( )
( )
( )∑∑
∑∑
= =
= =
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⋅∂∂
≅
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⋅∂∂
≅=
p p
kl
l
i
p p
kl
l
i
n
l
n
kklpp
pk
i
l
iP
n
l
n
kklpp
pk
i
l
iPi
pppP
pP
pppP
pPP
1 1
1 1
2
,correl
,correlvar
σσσ
σσσ
(A3.8)
Nótese que si la correlación de cualquier par de parámetros fuera despreciable (con
l≠k; la de cada uno consigo mismo será siempre +1) resultaría:
( )
∑=
≠∀ ⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
≅=p
l
l
i
n
lp
pl
iPklkl p
Ppp1
22
2:0,correl Si σσ (A3.9)
Y en otro hipotético caso extremo:
( )
( )[ ]
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧
∂∂
≅
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
∂∂
≅
⇒
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
⋅∂∂
=
±=
∑
∑
=
=∀
p
l
l
i
p
l
l
i
l
n
lp
pl
iP
n
lp
pl
iP
pk
i
l
ikl
klkl
pP
pP
pP
pPpp
pp
1
2
1
2
,
sign,correlsign
y 1,correl
Si
σσ
σσ
(A3.10)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
192
Resultados, estos últimos, que pueden interpretarse como estimaciones con “margen
de seguridad” por exceso para cualquier caso práctico. Son, las (A3.10), expresiones
frecuentemente usadas en la estimación de incertidumbres y errores de funciones de
variables aleatorias. También, en esta tesis se ha hecho así.
A3.3. Cálculo de incertidumbres en el caso de iluminación
En el caso de iluminación los parámetros normalizados pj en (3.7) tienen los errores
estándar σ(ISC), σ(VOC), σ(rs), σ(gP), σ(c2) que se extraen de la matriz de covarianzas.
A partir de esos resultados y de las relaciones existentes entre los parámetros
normalizados y los parámetros originales (3.5), (3.7), se deducen los errores estándar
de cada parámetro original mediante la expresión (A3.10) que, en lo sustancial,
reproducimos a continuación:
( ) ( ) pl
n
l l
jj nljp
pP
Pp
,...,1y,1
=∂
∂= ∑
=
σσ (A3.11)
Donde Pj es un parámetro original del modelo convencional, que puede ser función de
los np parámetros normalizados, pl. Así, detallamos las expresiones de las
incertidumbres relativas en lo que sigue para cada parámetro original:
2,1con )()( )(
)()(:0 si;)()()()(
)()(:0 si;)()()()(
0
0
0
0 =+=
===++=
===++=
iII
ii
II
gVIGGg
VV
gg
II
GG
rIVRRr
II
VV
rr
RR
SC
SC
i
i
i
i
POC
SCPPP
OC
OC
P
P
SC
SC
P
P
SSC
OCSSS
SC
SC
OC
OC
S
S
S
S
σσσ
σσσσσσ
σσσσσσ
(A3.12)
El error relativo σ(IL)/IL se calcula a partir de la segunda de (3.9) que puede reducirse
a:
( )[ ] ( )[ ] SPSOCSOCSPL rgrkirkirgi +≅−+−++= 11exp1exp1 202101 (A3.13)
Calculo de incertidumbres
193
Donde se han despreciado, frente a 1, los términos con factores i01 e i02 (lo que solo
sería incorrecto para valores de rS inusualmente próximos a 1). Además, según la
relación (3.7) entre iL e IL, tendremos:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )⎪⎪⎩
⎪⎪⎨
⎧
++≅
⎥⎥⎦
⎤
⎢⎢⎣
⎡+
++≅+=
⇒=
pSSPSC
SC
L
LSp
p
p
S
S
SP
SP
SC
SC
L
L
SC
SC
L
L
SCLL
grrgII
IIrg
gg
rr
rgrg
II
ii
II
II
IiIσσσσ
σσσσσσ
:nulo ó si
1
(A3.14)
Como suele ocurrir que gP, rS y gPrS = GPRS << 1, los segundos sumandos también
serán con frecuencia despreciables frente al primero y, habitualmente:
( ) ( )SC
SC
L
L
II
II σσ
≅ (A3.15)
Se desarrolla a continuación el primer término del segundo miembro en la tercera
ecuación de (A3.12). Siendo la relación entre ci e i0i la siguiente:
( ) ( )[ ] SOCiOCiii rkkic −−−≡ 1exp1exp0
(A3.16)
y que la segunda exponencial es muy pequeña respecto de 1, se deduce la expresión de
σ(i0i)/i0i como:
( ) ( ) ( ) ( ) ( ) ( ) ( )OC
OCOCi
i
iOCi
i
i
OCi
OCi
i
i
i
i
VVk
cck
cc
kk
cc
ii σσσσσσσ
+=+=+≅expexp
0
0
(A3.17)
Con (A3.11) y (A3.17) el error relativo de I0i puede ponerse como:
2,1con )()()( )(
0
0 =++≅ iII
VVk
cc
II
SC
SC
OC
OCOCi
i
i
i
i σσσσ (A3.18)
Tesis doctoral: Nuevos procedimientos de análisis de los datos corriente-tensión de…
194
La forma de obtener σ(ci)/ci es distinta para c2 y c1. Para c2 se obtiene directamente
del proceso matricial, pero para c1 se calcula mediante:
( ) ( ) ( ) ( ) ( ) ( )1
2
1
121
111c
rggrcccrgcc SPPS
SPσσσσ +−+
=⇒−−−= (A3.19)
A3.4. Cálculo de incertidumbres en el caso de oscuridad
En el caso de oscuridad se define el error de ajuste del mismo modo. Se extraen los
errores estándar de los parámetros normalizados σ(rs), σ(gP), σ(c2), σ(c1), σ(k2), σ(k1)
de la matriz de covarianzas. Quedan por definir los errores relativos de los parámetros
originales. Para desarrollar los cálculos, se traslada aquí el conjunto de ecuaciones
(5.2):
( )
202
2022101
1011
2
11
22
11
00
expexp;expexp
;
1
;
kIIkick
IIkic
mmk
VmVk
VmVk
IVG
VIRg
IIi
VIRr
MM
t
M
t
M
M
MP
MMPP
M
ii
M
MSS
====
===
==
==
(A3.20)
Donde IM y VM (a diferencia de ISC y VOC de los casos de iluminación) son valores
preestablecidos (fijos) y, por tanto, de incertidumbre nula.
Se deducen entonces los errores relativos de RS y GP como:
P
P
M
M
P
P
P
P
S
S
M
M
S
S
S
S
gg
VI
Gg
GG
rr
IV
Rr
RR
)()()(
)()()(
σσσ
σσσ
==
== (A3.21)
Las σ(ci) están dadas directamente por la matriz de co-varianzas con lo que los
σ(i0i)/i0i se calculan como sigue:
Calculo de incertidumbres
195
( ) ( ) ( )[ ]( )
( ) ( )ii
i
i
i
i
i
i
i kcc
kk
cc
ii σσσσσ
+=−−
+≅expexp
0
0 (A3.22)
Las relaciones entre i0i e I0i tienen lugar también mediante un factor constante, IM, con
lo que el error relativo de I0i se deduce como:
)()()(
2,1con )()(
0
0
0
0
0
0
ii
i
i
i
i
i
i
i
kcc
II
iii
II
σσσ
σσ
+≅
==
(A3.23)
σ(k2) y σ(k1) son los valores extraídos de la matriz de errores. A partir de la ecuación
(A3.20), se deducen los errores σ(m1) y σ(m2) y luego se calculan σ(m1)/m1 y
σ(m2)/m2. En el caso de que la temperatura no sea conocida se ajustan los valores
miVt, definiéndose entonces σ(miVt)/miVt).
i
i
ti
ti
i
i
i
i
kk
VmVm
ikk
mm
)( )( ó 2,1con
)( )(
σσ
σσ
=
=
=
(A3.24)
BIBLIOGRAFíA
199
A
[Abe93] A. Aberle, S.Wenham and M.Green. “A new method for accurate measurement
of the lumped series resistance of solar cells” Proceedings of the 23th IEEE
PVSC, 1993, pp. 133-139
[App93] Appelbaum, A. Chait and D. Thompson. “Parameter Estimation and screening
of Solar Cells”. Progress in Photovoltaics, Research and Applications, Vol. 1,
1993, pp. 93-106
[Ara82] G. L. Araujo, E. Sánchez and M. Martí. “Determination of the two- exponential
solar cell equation parameters from empirical data” Solar Cells, Vol.5, 1982,
pp. 199-204
[Ara86] G.L. Araujo, A. Cuevas and J.M. Ruiz. “The effect of distributed series
resistance on the dark and illuminated current-voltage characteristics of solar
cells.” IEEE Transactions on Electrons Devices, Vol. ED-33 (Nº3), 1986, pp.
391-400
B
[Bas88] P.A. Basore, D.T. Rover, G.M. Smith. “PC-1D: Enhanced numerical solar cell
simulation” Proceedings of the 3th IEEE PVSC, Manchester, NH, USA, 1988,
pp. 389-396
[Bur96] A. R. Burgers, J. A. Eikelboom, A. Schönecker and W.C. Sinke. “Improved
treatment of the strongly varying slope in fitting solar cell I-V curves”.
Proceedings of the 25th IEEE PVSC, 1996, pp. 569-572
[Bur04] A. R. Burgers. “Fitting flash test curves with ECN’s I-V Curves fiting program
IVFIT ” http://www.ecn.nl/publications
200
C
[Cer02] A. Cerdeira & al “New method for determination of harmonic distortion in SOI
FD transistors ” Solid State Electronics, Vol. 46, 2002, pp. 103-108.
[Cha81] J.P. Charles, M: Abdelkrim, Y.H. Muoy and P.Mialhe. “A practical method of
analysis of the current-voltage characteristics of solar cells”. Solar Cells, Vol.
4, 1981, pp. 169-178.
[Cha85] D.Chan, J.Phillips and J.Phang. “A comparative study of extraction methods for
solar cell model parameters.” Solid State Electronics Vol. 29, 1985, pp. 329-337
[Cha88] J.P. Charles. I. Mekkaoui-Alaoui, G.Bordure and P.Mialhe. “A critical study of
the effectiveness of the single and double exponential”. Solid State Electronics,
Vol. 28, 1988, pp. 807-820
[Chi08] L. Chien-chih et al., “Physical parameters extraction from current-voltage
characteristic for diodes using multiple nonlinear regression analysis”. Solid
State Electronics, Vol. 52, 2008, pp. 839-843
[Cue83] A. Cuevas, G.L. Araujo and J.M. Ruiz. “Variation of the internal series
resistance with the operating conditions of a solar cell: Dark and illuminated
cases” Proc. 5th EC Photovoltaic Solar Energy Conf., 1983, pp. 114-118
G
[Gre92] M. A. Green. “Solar Cells Operating Principles, Technology and system
applications”, publicado por University of New South Wales, Kensington, NSW
(Australia), 1992.
201
[Gre95] M. A. Green, “Silicon Solar Cells. Advanced Principles and Practice.” Centre
for Photovoltaic Devices and Systems, University of New South Wales, Sydney,
1995
H
[Hao03] M. Haouari-Merbah, I. Tobías and J.M. Ruiz “Method of extraction of solar
cell parameters from the illuminated current-voltage curve” 4ª Conferencia de
Dispositivos Electrónicos, CDE-2003, Calella de la Costa (Barcelona), 2003,
pp. 12-14
[Hao04] M. Haouari-Merbah, I. Tobías, and J:M: Ruiz. “Piecewise fitting of illuminated
current-voltage solar cell characteristics” Proceeding of the 19th E.C.
Photovoltaic Solar Energy Conference, Paris, 2004, pp. 651-654
[Hao05] M. Haouari Merbah, M. Belhamel, I. Tobías, and J.M. Ruiz “ Extraction and
analysis of solar cell parameters from the illuminated current-voltage curve”.
Solar Energy Materials and Solar Cells, Vol. 87, 2005, pp. 225-233
[Hov75] H. J. Hovel, Solar Cells. Vol. 11 en la serie “Semiconductors and
Semimetals”. Academic Press, 1975
J
[Jai04] A. Jain and A. Kapoor. “Exact analytical solutions of the parameters of real
solar cells using Lambert W-function” Solar Energy Materials and Solar Cells,
Vol. 81, Issue 2, 2004, pp. 269-277
[Jai05a] A. Jain and A. Kapoor. “ A new method to determine the diode ideality factor
of real solar cell using Lambert W- function”. Solar Energy Materials and Solar
Cells, Vol. 85, 2005, pp. 391-396.
202
[Jai05b] A. Jain and A. Kapoor. “A new approach to study organic solar cell using
Lambert W- function”. Solar Energy Materials and Solar Cells, Vol. 86, 2005,
pp.197-205.
[Jia87] Q. Jia and E. Liu. “A method for the direct measurement of the solar cell
junction ideality factor”, Solar Cells, Vol. 22, Issue 1, 1987, pp 15-21
[Jia88] Q. Jia, W.A. Anderson, E Liu and S. Zhang. “A novel method for evaluation the
series resistances of solar cells” Solar Cells, Vol. 25, 1988, pp. 311-338
K
[Kam99] A. Kaminski, J. J. Marchand and A. Laugier. “I–V methods to extract junction
parameters with special emphasis on low series resistance”. Solid State
Electronics. Vol. 43, Issue 4, 1999, pp 741-745
[Ker97] E.Van Kerschaver, R. Einhaus, J. Nijs and R. Mertens. “Simple and fast
extraction technique for the parameters in the double exponential model for the
IV characteristic of solar cells” Proceedings of the 14th EC Photovoltaic Solar
Energy Conference. Barcelona, 1997, pp. 2438-2441
[Koj98]T Kojima and al “ Stability of Cu(In,Ga) S2 solar cells and evaluation by C-V
Characteristics” Solar Energy Materials and Solar Cells, Vol. 50, Issue 2, 1998,
pp. 87-95
L
[Lev07] R. de Levie. “Linear least squares, the spreadsheet, and Filip”. American
Journal of Physics, Vol. 75, 2007 pp. 619-628
203
[Lor06] E. Lorenzo. “Electricidad Solar Fotovoltaica”. Vol.1 “Sobre el papel de la
energía en la historia”. Progensa Promotora General de Estudios, S.A. 2006,
Prefacio “El valor de la energía” por L. Narvarte.
[Luq03] A. Luque and S. Hegedus. “Handbook of Photovoltaic Science and
Engineering”. Ed. John Wiley & Sons, Inc., 2003.
[Lyb84] M. Lybanon “A better least-squares method when both variables have
uncertainties” American Journal of Physics, Vol. 52, Issue 1, 1984 pp. 22-26
M
[Mar89] A. Martí, G. L. Araujo, C. Algora. “Data fitting theory applied to solar cell
characterization” Proceedings of the 9th EC. Photovoltaic Solar Energy
Conference, Friburgo, 1989, pp.422-425
[Mar92] V. Martínez, R. Lizundia y J.C. Jimeno. “MultIV, a computer program to fit I-
V characteristics”. Proceedings of the 11th E.C. Photovoltaic Solar Energy
Conference, Montreaux, 1992, pp. 314-317
[Mar01] V.E. Martínez Santos “Estudio de la sistemática de obtención de las
características eléctricas de células solares fotovoltaicas aplicables a líneas de
producción”. Tesis doctoral, Universidad del País Vasco, Bilbao, 2001.
[McI00] K. McIntosh, P.P. Altermatt and G. Heiser. “Depletion-region recombination
in silicon solar cells”. Proceedings of the 16th EC Photovoltaic Solar Energy
Conference., Glasgow, 2000, pp 250-253
204
N
[Nie82] L. Nielson. “Distributed series resistance effects in solar cells” IEEE
Transactions on Electron Devices, Vol. 29, Issue 5. May 1982, pp. 821-827.
O
[Ort05] A. Ortiz-Conde, F. J. García Sánchez. “Extraction of non –ideal junction model
parameters from the explicit analytic solutions of its I-V characteristics” Solid
State Electronics, Vol. 49, 2005, pp. 465-472
[Ort06] A. Ortiz-Conde, F. J. García Sánchez. J. Muci. “New method to extract the
model parameters of solar cells from the explicit analytic solutions of their
illuminated I-V characteristics”. Solar Energy Materials and Solar Cells, Vol.
90, 2006, pp. 352-361
P
[Pha86] J. Phang and Daniel S. H: Chan. “A review of curve fitting error criteria for
solar cell I-V characteristics”. Solar Cells, Vol. 18, 1986, pp. 1-12
[Pol85] A. Polman, W.G Van Sark, W.Sinke and F.W.Saris. “ A new method for the
evaluation of solar cell parameters” Solar Cells, Vol. 17, 1985, pp. 241-251.
[Pre92] W. Press, S. Teukolsky, W. Vetterling and B. Flannery. “Numerical Recipes in
C. The art of scientific computing”, 2nd Edition. Cambridge University Press, New
York, 1992
205
[Pri07] Priyanka, M. Lal, and S.N. Singh “A new method of determination of series and
shunt resistances of silicon solar cells”. Solar Energy Materials and Solar
Cells.Vol. 91, Issue 2-3, 23 January 2007, pp 137-142
R
[Rad05] E. Radziemska, “Dark I-U-T measurement of single crystalline silicon solar
cells”. Energy conversion and management. Vol. 46, Issue 9-10, June 2005,
pp 1485-1494
[Ree89] B. Reed. “Linear least squares fits with errors in both coordinates” American
Journal of Physics, Vol. 57, Issue 7, 1989, pp. 642-646
[Ric97] Alain Ricaud, “Photopiles Solaires.” Presses Politechniques et Universitaires
Romandes, 1997
[Ros92] J. Ross et al. “Least- squares fitings when both variables contain errors:
Pitfalls and possibilities” American Journal of Physics, Vol. 60, 1992, pp. 66-73
[Rui82] J.M. Ruiz, M. Cid, A. Cuevas and A. Luque. “Series resistance analysis under
high injection conditions”. Proc 4th EC Photovoltaic Solar Energy Conference, 1982,
pp. 511-515.
S
[San89] C. Sánchez del Río, “Análisis de Errores”. Eudema (Ediciones de la
Universidad Complutense, S:A). Madrid, 1989
206
V
[Vei90] N. Veissid, M. T. F. Da Cruz, A. M. De Andrade. “A method for the
determination of the standard deviations of the solar cell I-V characteristic
parameters”. Solar Cells, Vol. 28, 1990, pp. 351-357
W
[Wol63] M. Wolf and H. Rausschenbach. “Series resistance effects on solar cell
measurement ” Advanced Energy Conversion, Vol. 3, 1963, pp. 455-479
PUBLICACIONES
209
M. Haouari-Merbah, I. Tobías and J.M. Ruiz “Method of extraction of solar cell
parameters from the illuminated current-voltage curve” 4ª Conferencia de Dispositivos
Electrónicos, CDE-2003, Calella de la Costa (Barcelona), 2003, pp. 12-14
M. Haouari-Merbah, I. Tobías, and J.M. Ruiz. “Piecewise fitting of illuminated current-
voltage solar cell characteristics” Proceeding of the 19th E.C. Photovoltaic Solar
Energy Conference, Paris, 2004, pp. 651-654
M. Haouari Merbah, M. Belhamel, I. Tobías, and J.M. Ruiz “ Extraction and analysis
of solar cell parameters from the illuminated current-voltage curve”. Solar Energy
Materials and Solar Cells, Vol. 87, 2005, pp. 225-233
M. Haouari Merbah, M. Belhamel, I. Tobías, and J.M. Ruiz “ Extraction and analysis
of solar cell parameters from the illuminated current-voltage curve”. Conference on the
physics, chemistry and engineering of solar cells (SCELL 2004), Badajoz, 13-15 Mai
2004, España