简介：面向能源、材料与光伏领域的科研人员和工程师，这套基于Comsol的热光伏电池（TPV）多物理场仿真源码，围绕高温热源激发半导体电子-空穴对的核心机理，将热传递、电磁辐射与半导体物理进行耦合建模，可用于优化材料参数与热源设计。压缩包共三个文件，其中含inscode仿真工程、html说明页面以及gitignore版本管理配置，整体仅8KB，轻量紧凑，便于快速部署和二次开发。已有89人学习下载。源码从几何建模、材料属性定义到物理场边界条件设置均有呈现，用户可通过调整热源温度、半导体带隙、电极结构等关键变量，直观观察电压、电流及能量转换效率的变化趋势，从而为实验方案设计、结构优化和相关课题研究提供可复用的数值仿真框架，可显著降低实验试错成本。
1. 热光伏电池的Comsol仿真：温度、光谱与电池带隙的三方博弈
热光伏电池（TPV）不是热力学教科书里的概念，而是一条真实存在的能量转换路径：高温发射器辐射红外光，光伏电池把其中能量高于带隙的光子转成电能。仿真它的难点在于，效率不由单一物理场决定，而是发射器温度、光谱选择性和电池带隙三者的乘积。Comsol仿真热光伏电池的核心价值，就是把这三方放在同一个模型里算清楚——你调的每一个参数，最后都能归到 J-V 曲线和系统效率上。
我直接说结论：不要一上来就搭全耦合的多物理场模型，收敛难度会让你把大量时间耗在排查发散上。常见做法是先做光谱光学分析，再跑半导体电学，最后做热耦合，顺序错了后面全是噪声。这篇文章按这个路径讲，把建模步骤、关键参数和几个最容易翻车的细节逐一说清，适合正在做辐射换热、微纳光子结构或热光伏系统评估的工程师。
2. 物理场耦合选型：波动光学、半导体输运与表面辐射的搭配顺序
2.1 为什么不能一步到位做全耦合
热光伏电池涉及的物理场至少有三个：辐射场（发射器到电池表面的光谱能量输运）、光学吸收（电池各层材料对特定波长光子的吸收）、半导体输运（光生载流子产生、复合、收集）。三者单独算都不难，但耦合起来会出现严重的量级差异——辐射通量按 W/m² 算，载流子生成率按 1/(m³·s) 算，光伏电流密度按 A/m² 算，数值差异经常在十个数量级以上。
我在模拟项目X里最开始试过把表面到表面辐射、电磁波频域和半导体模块一次性同时求解，结果求解器在第一步就开始发散。不是边界条件写错，而是三个物理场的时间尺度和空间尺度根本不匹配：辐射场是稳态大尺度，半导体载流子是扩散尺度，强行耦合会让非线性迭代矩阵病态。后来改成顺序耦合，第一步算入射光谱，第二步把吸收率映射成载流子生成率，第三步算 J-V 曲线，整个过程稳定得多。
所以选型的原则是：能用单向耦合解决的事情绝不上双向。只有当你需要研究电池温度对发射器温度的反向影响（比如电池冷却不足导致热回馈），才考虑迭代耦合。大部分初版评估，单向耦合已经足够给出效率量级的可靠结果。
2.2 辐射模型怎么选：表面到表面辐射的适用边界
TPV 仿真里最常见的辐射建模方案是表面到表面辐射（Surface-to-Surface Radiation），它的适用场景是发射器与电池之间没有参与性介质（空气近似透明），辐射只发生在表面之间。这个假设在大部分热光伏系统里成立——你不可能在发射器和电池之间放一层厚的吸收介质。
实际操作中要在辐射设置里区分两件事：一是发射器表面的光谱发射率，二是电池表面的光谱吸收率。若你的发射器是钨或 SiC 这类宽带发射体，发射率谱可以用常数近似；若用的是稀土氧化物或微纳结构选择性发射器，则必须在辐射设置中指定波长相关的发射率函数。我一般用插值函数表（由外部光谱测量数据导入），不直接用常数，因为选择性发射器的优势恰恰在那几个窄带高发射峰上。
电池侧也需要同样处理。电池表面的吸收率是几层薄膜叠加的结果（减反层、电池层、背面反射层），直接给常数会在效率计算里引入不可忽略的误差。正确做法是先做光学分析（波动光学频域扫描）得到吸收谱，再把吸收谱作为辐射模型的输入，这个过程就是常见做法的核心链路。
2.3 波动光学模块的边界设定与频域扫描
要得到电池层的光吸收率，用波动光学（电磁波频域）做一次波长扫描。几何上不需要建完整的三维结构——平板状的电池层用一维多层膜模型即可，但要注意边界条件：入射端设为端口（Port），出射端设为周期性边界或散射边界。端口要指定 TM 或 TE 偏振和入射角，热光伏系统中入射角通常取法向入射，系统默认的 0° 就够。
频率扫描范围需要覆盖发射器的有效辐射波段。对 1500K 左右的发射器，有效辐射集中在 1.5 到 5 微米；对 2000K 则向短波移动到 1 到 4 微米。我习惯在频域扫描里设置至少 30 个波长点，并在带隙对应的截止波长附近加密到 2 纳米间隔，否则截止边缘的吸收台阶会失真。吸收谱出来后，用积分算子把吸收率与入射光谱相乘，就得到各层的吸收功率密度。
2.4 半导体模块的设置核心：光生载流子从哪里来
半导体输运模块不需要你手动输入光生载流子，但它需要知道你算出来的吸收率分布。这里的衔接是关键一步：从波动光学计算得到的耗散功率密度（单位 W/m³），除以单个光子能量 hν，就得到载流子生成率 G（单位 1/(m³·s)）。这个换算公式要自己写在模型里，Comsol 不会自动替你完成。
生成率算好后，还要设定复合模型。TPV 电池一般工作在较高注入水平下，SRH 复合和俄歇复合都要开启，辐射复合系数按材料参数设定。我在初始阶段只用 SRH，因为参数少好收敛；等模型稳定后再逐步加入辐射复合和俄歇复合，观察效率是否变化。注意电池温度不是室温 300K，热光伏系统里电池侧通常有冷却，但一般也在 320K 到 350K，带隙随温度变化的参数要一起调整。
3. 从零搭出TPV模型：几何、材料、边界条件与网格的落地参数
3.1 最小化几何：二维轴对称最划算
热光伏系统最常见的结构是圆形或方形平板对置：上方高温发射器，下方电池片。完整建三维模型在波动光学里网格量巨大，不划算。我一般建议用二维轴对称几何，发射器和电池都建成薄板，中心轴设在对称线上。几何上只需三个域：发射器域（可略薄化）、电池半导体域、以及两者之间的空气域。
空气域在两个作用：辐射模型中提供透明介质空间，波动光学中提供电磁波传播通道。如果只关心辐射不关心电池内光强分布，甚至可以去掉空气域而用热辐射模块的视角因子；但既然要算光吸收谱，波动光学就需要电磁波传播空间，几何上空气域必须存在。空气域的高度设成 1 到 2 倍波长即可，太长会显著增加网格量，太短则端口反射干扰结果。
3.2 材料参数导入：折射率数据是最大的变量
电池层的折射率数据直接决定吸收谱，这是整个仿真里最不能含糊的数据。常用材料里，硅的 n-k 数据在大部分红外波段已有实测值；但热光伏电池用的窄带隙材料（禁带宽度 0.5 到 0.7 电子伏特），例如 GaSb 或 InGaAsSb，就需要你从文献里导入复折射率数据，Comsol 自带库不一定覆盖完整的红外波段。
材料导入的坑在于外推。很多复折射率数据集只覆盖到某个波长上限，而你要算到 5 微米，软件会自动在超出范围处插值或外推。默认外推方式常常导致折射率虚部出现虚假的吸收峰，最后算出的转化效率偏高。我踩过这个坑：导入的某材料数据只到 2.5 微米，我在 3 到 5 微米段发现异常的强吸收带，查半天发现是外推假象。解决方法是手动在材料函数定义里限制有效范围，超出范围强制使用最后一个有效值，不要用软件默认的平滑外推。
3.3 边界条件的三个关键兜底
边界条件里最容易被忽略的是电池背面的光学反射。实际的热光伏电池背面都镀金属反射层（金或银），作用是把无法吸收的低能光子反射回发射器回收余热。仿真中若忘了设置背面反射，低能光子会全部透射出去，能量平衡被破坏，效率虚低。正确做法是在电池层底部加一个光学阻抗边界或理想导体边界，模拟金属反射层的反射。
另一个常见问题是前表面减反层的光学厚度。减反层用四分之一波长厚度，把反射率降到最低。厚度设置在波动光学里直接决定干涉峰的位置，一微米的误差都会让吸收台阶出现明显偏移。这个参数建议用参数化扫描跑一遍，找到最优厚度再固定。
热边界条件则是第三步的事：发射器底面设固定温度 1500K，电池背面设对流冷却条件或固定温度 300K。只要计算载流子生成率时用的是上述光学模型的结果，热边界条件的设定只需保证温度分布合理，不必过度追求精确。
3.4 网格策略：光学网格和电学网格分开画
波动光学要求每波长至少五个网格单元，这是底线；但对 1 到 5 微米的多波长扫描，若整个几何都用同一套光学网格会浪费大量算力。我的做法是分域网格：空气域用较粗的扫掠网格，电池层和减反层用边界层网格细化，把网格单元集中在光强变化剧烈的地方。
半导体模块对网格要求完全不同。PN 结耗尽区需要至少两层网格保证载流子浓度变化的解析精度。实际操作上，在几何节点下建两个网格序列，一个用于波动光学研究，一个用于半导体研究，在研究中分别指定使用哪个网格序列。这样做既保证精度，又避免光学网格过密导致半导体计算缓慢。
# 以 MATLAB Livelink 为例的参数化扫描脚本框架 # 前置条件：已在 COMSOL 中手动建好几何、物理场并测试单次求解通过 import com.comsol.model as cm import com.comsol.model.util as cmu model = cmu.ModelUtil.model('TPV_Basic') # 扫描电池工作温度对效率的影响 temps = [300, 320, 350, 400] for T_cell in temps: model.param().set('T_cell', str(T_cell) + '[K]') model.study('std1').run() # 提取 Jsc 和 Voc（需要已知模型中的全局评估表达式） Jsc = model.evaluateGlobal('J_sc', 'mm') Voc = model.evaluateGlobal('V_oc', 'mm') P_rad = model.evaluateGlobal('P_rad_total', 'mm') eff = Jsc * Voc * 0.8 / P_rad # 0.8 为填充因子的工程近似值 print(f'T_cell={T_cell}K: Jsc={Jsc:.3f} A/m2, Voc={Voc:.3f} V, eff={eff*100:.1f}%')这段脚本的关键逻辑是参数驱动扫描：每次更新电池温度参数，重新运行稳态研究，从全局评估表达式中提取电流、电压和辐射总功率。输出里的填充因子先用 0.8 近似，仅用于方案比选；要精确评估功率输出，应回到半导体模块中直接读最大功率点。脚本能跑通的前提是模型里预先定义了J_sc、V_oc和P_rad_total这些全局评估表达式，如果你建模时没建这几个变量，先到派生值里定义并测试能输出数值再跑扫描。
3.5 初始求解参数：先稳态后瞬态的原因
TPV 模型先解稳态，一方面是辐射场稳态分布量级明确，不会像瞬态起步那样振荡；另一方面半导体载流子的稳态扩散方程比瞬态少一个时间步，非线性迭代更容易收敛。只有在研究电池对温度波动的动态响应时才需要瞬态，那时稳态解作为初始条件是必需的——直接从零开始瞬态，多半会发散。
稳态求解器里要打开辅助扫描（Auxiliary Sweep），把发射器温度作为辅助参数，从 1000K 逐步到 1800K 每 200K 扫描一次，这样每一步初值都靠近上一步解，非线性迭代不容易跳掉。这招是关键经验：直接设 1800K 从零初值开始求解，等于让求解器穿越一个巨大非线性峡谷，发散是大概率事件。
4. 把效率算准：光谱响应、J-V曲线与参数化扫描的设置方法
4.1 光谱响应的提取：把吸收谱转成量子效率
电池的光谱响应在模型中不直接输出，要把各波长点的短路电流密度算出来画成曲线。具体做法是：在波动光学完成波长扫描后，每个波长点提取电池吸收层的吸收率 A(λ)，乘以该波长入射光子数通量，积分后就是短路电流密度。实际上更好的办法是建立一个“波长扫描+吸收积分”的组合研究，把每个波长点的吸收率读出来，在外部脚本里做积分。
这个计算要在外部做还是内部做，看你的建模习惯。内部做法用全局计算组件里的积分算子，写一个变量IQE(λ)=A(λ)，再与入射光谱乘。外部做法更直接——把吸收谱导出成表格，在别的环境里调用材料带隙算量子效率。我倾向于外部做，因为方便调整光子通量的积分上限，而无需每次改模型重新求解。
入射光子通量来自普朗克公式的积分。这里注意两个单位的坑：波长用微米还是米，以及辐出度是单位面积单位波长还是单位频率。大部分模型用波长谱，很快就能发现积分结果偏大或偏小若干数量级，就是单位换算率出了问题。
4.2 J-V曲线怎么算：从短路到开路的分段扫描
半导体模块里 J-V 曲线的计算方式是：给电池终端加一个扫描电压范围，从 0 伏（短路）到开路电压附近，步长取 0.02 伏。每个电压点求解一次稳态，得到对应电流密度，就能画出 J-V 曲线。注意正负极的设置：P 极在光照侧，N 极在背面，电压扫描方向决定了象限。
J-V 曲线算出来后，最大功率点的确定有两种路径。如果扫的步长足够密，直接从数据里找电流乘以电压的最大值即可。如果步长太粗，可以用峰值拟合。此处必须留意填充因子的估算不能拍脑袋。我见过同行用固定的填充因子 0.85 去乘以Jsc*Voc估算效率，实际热光伏电池因串联电阻影响，填充因子经常会降到 0.7 以下，估算结果与仿真相差 15% 以上。
更稳妥的做法是在 J-V 扫描结果上一步到位：计算功率曲线，找最大功率点。这个变量在模型中可以直接定义P = J * V，在扫描结束后用局部最大值算子提取。
4.3 参数化扫描的三组关键参数
参数化扫描建议做三组：发射器温度、电池带隙、减反层厚度。发射器温度从 1200K 升到 1800K，每 100K 一步，观察效率先升后饱和的拐点——高于某个温度再升温，电池本身温度也升高，效率反而下降。电池带隙从 0.5 到 0.75 电子伏特，每 0.05 一步，寻找与发射器光谱匹配的最优带隙。减反层厚度从 100 纳米扫到 300 纳米，每 20 纳米一步。
这三组扫描对应的研究可以共用同一个网格序列和物理场设置，只是参数不同。建议先扫发射器温度，找到效率拐点后固定温度，然后扫带隙，最后扫减反层厚度。顺序固定因为后面的参数选择依赖前面的结果——带隙和减反层厚度本质上都要和发射光谱匹配，不确定性留到最后处理，工作量最小。
扫描完成后画三张图：效率随温度变化、效率随带隙变化、效率随膜厚变化。这三张图基本覆盖了热光伏电池初期设计的完整视野：判断某个温度区间的可行性、判断低带隙材料是否必要、判断表面微纳结构的价值。
4.4 性能指标对照：发射器侧和电池侧分别看什么
发射器侧的指标是辐射功率和可用辐射占比。前者决定系统总输入能量的上限，后者代表有多少辐射能量高于带隙。可用辐射占比是判断选择性发射器价值的直接数字——宽带发射器的可用占比通常在 30% 到 40%，窄带选择性发射器可到 60% 以上。仿真里这两个量直接在辐射模块的后处理里读取。
电池侧的指标是开路电压、短路电流、填充因子和最大功率点。但要注意，这些量单独看容易误导：短路电流高不一定效率高，还要看开路电压受复合影响是否严重。热光伏电池的窄带隙特性决定了开路电压天然偏低（带隙为 0.6 电子伏特时，开路电压理想上限约 0.5 伏，实际只有 0.3 出头）。评估方案时不要拿硅电池的电压水平做参照。
5. Comsol热光伏仿真避坑清单：5个高频翻车点与排查思路
5.1 波动光学网格太粗，吸收谱出现周期性振荡
现象：波长扫描得到的吸收谱出现频繁的上下振荡，与薄膜干涉的理论预期不符，且无论怎么调整波长分辨率，振荡特征不变。
原因：空气域或电池层内网格单元尺寸大于最小波长的四分之一，电磁波在每个网格单元内的相位变化被离散化，产生网格伪影。尤其是电池层厚度方向上的网格划分过疏时，驻波模式被错误放大。
解决：在波动光学研究前，单独对电池层和减反层进行网格加密，最大单元尺寸设为目标波段的四分之一。然后做一次粗扫（如 20 个波长点），观察吸收谱的振荡是否消失；若仍在振荡，继续加密直到曲线平滑。这条排查优先级排第一，因为光谱数据错了，后面所有结果都跟着错，且这种错不容易通过常规检查发现。
5.2 背面反射层被忽略，效率虚低 20% 以上
现象：仿真效率远低于文献中同类结构的值，且开路电压正常，短路电流偏小。
原因：电池层底部没有设置反射边界，低能光子全部透射进入底层，没有被反射回发射器，破坏了光子回收效应。热光伏电池的高温侧发射器会重新吸收反射回来的低能光子，这部分能量在系统中循环，降低总输入需求，是效率的重要来源。
解决：在电池背面侧加一个理想导体边界或一层氧化铟锡/金属复合反射膜。若要精确模拟反射损耗，用波动光学计算真实金属层的反射率谱，再在辐射模型中指定电池底面的光谱反射率。这是从“电池模型”升级到“系统模型”的关键一步，跳过它会导致你低估热光伏系统的真实效率潜力。
5.3 光谱区间截断不当，效率计算失真
现象：效率计算值与手算的理论极限差距很大（偏差超过 30%），且短路电流值偏高。
原因：波长扫描范围设置过窄或过宽。过窄时，高温发射器的短波辐射被遗漏；过宽时（比如到 10 微米以上），低温面间的辐射换热被计入光子发电，这部分能量根本没有发电能力，却挤进了积分。
解决：波长范围以发射器温度为基准。1500K 时覆盖 0.4 到 6 微米即可，1800K 时扩展到 0.3 到 6 微米。波长下限可以放宽到 0.3 微米，但上限严格以带隙波长加 1 微米为限。带隙以下的辐射仍然要做光子回收分析，但不应计入可用入射光子通量。在评估完成前，先检查一次入射光谱的积分值，与普朗克黑体辐出度的手算结果对比，误差在 5% 以上一定有别的问题。
5.4 外推折射率让吸收谱出现虚假带隙
现象：某材料的吸收谱在数段波长上出现明显的吸收峰，而该材料在文献中不应有这些特征；吸收峰位置恰好位于材料数据边界的两侧。
原因：复折射率数据在定义域外被软件外推，常见外推方式是保持虚部不变或做线性延伸，两者都可能制造假吸收特征。尤其是窄带隙半导体材料，带边附近的折射率变化剧烈，外推时极容易产生不存在的强吸收。
解决：为每种材料的折射率函数定义明确的有效波长区间，超出区间强制使用区间端点的数值。在材料节点中用逻辑表达式控制平滑过渡，避免使用软件默认外插方式。建议对每个受怀疑的材料单独做一次 1 微米到 5 微米的折射率扫描计算，确认曲线平滑无虚假振荡后再进入整体仿真。
5.5 单位制换算错误，黑体辐出度与仿真值量级不符
现象：从发射器表面提取的辐射功率密度与手算的 σ·T⁴ 相差超过 10%，而几何、温度、发射率设置看起来都没问题。
原因：波长谱和频率谱混用，或微米和米混用。表面到表面辐射的输出经常是每单位波长（W/(m²·μm)），如果你对接的脚本是按每单位频率（W/(m²·Hz)）写的积分，两者短差一个巨大的换算因子（约 10¹³ 量级），结果自然荒谬。
解决：统一用波长谱。在积分脚本中把波长单位全部换算成米再积分，积分结果与黑体总辐出度 σT⁴ 对比。记住一个换算窍门：波长谱的峰值位置 λ_max ≈ 2898/T（微米），1500K 时峰值约 1.93 微米。如果仿真中峰值位置偏离超过 20%，大概率是光谱单位制问题，先查单位再查物理场。
6. 不用迷信模型输出：用黑体辐射解析解校准你的仿真
在投入大量时间做参数化扫描前，先做一次黑体辐射的解析解校准。这个做法能筛掉 80% 的低级错误，而且只需要在外部脚本里写 30 行代码。做法是：假设发射器为理想黑体（发射率=1），电池为理想吸收体（吸收率=1），不设背面反射，此时模型的反射和透射路径应当与普朗克公式完全一致。
import numpy as np # 黑体辐射解析解校准 h = 6.626e-34 # J·s c = 3.0e8 # m/s k = 1.381e-23 # J/K T = 1500.0 # 发射器温度 K lam = np.linspace(0.2e-6, 8e-6, 500) # 波长范围 0.2 到 8 微米 M = 2 * np.pi * h * c**2 / lam**5 / (np.exp(h * c / (lam * k * T)) - 1) # 积分得到总辐出度 W/m2 E_total = np.trapz(M, lam) sigma = 5.67e-8 print(f"解析解总辐出度: {E_total:.1f} W/m2, Stefan-Boltzmann: {sigma*T**4:.1f} W/m2") # 带隙 0.6 eV 对应的截止波长 E_g = 0.6 # eV lam_g = h * c / (E_g * 1.602e-19) avail = M[lam >= lam_g] lam_avail = lam[lam >= lam_g] E_avail = np.trapz(avail, lam_avail) print(f"可用辐出度: {E_avail:.1f} W/m2, 占比 {E_avail/E_total*100:.1f}%")脚本输出两个关键对照值：总辐出度应当等于 σT⁴，误差在 1% 内说明单位制正确；可用辐出度占比则给出了理想吸收下的效率上限。把 Comsol 仿真模型里同样设置为黑体发射和理想吸收，提取电池表面的入射总辐射功率，与E_total对比。两个值偏差在 5% 内说明辐射模块的几何、视角因子和积分设置都没问题；偏差大，回查第 5 章的单位和截断问题。
完成校准后再把发射率谱、反射层和半导体输运逐层加回模型，每一步都对比效率的变化方向是否符合物理预期——选择性发射器应当提升可用占比，背面反射层应当降低无效能量损失，带隙与发射光谱匹配度越高效率越高。如果某一步的现象相反，优先怀疑那一步新加的设置，而不是继续往下叠加。这是我做热光伏仿真以来最推荐的工作习惯：每加一层物理机制，都要有对应的解析或半解析预期值做锚点。希望帮到你。
本文还有配套的精品资源，点击获取
