Dégradation des technologies photovoltaïques émergentes dans des conditions réelles en extérieur : caractérisation en extérieur, vieillissement accéléré en laboratoire et validation croisée // Degradation of emerging photovoltaic technologies under real o

Les technologies photovoltaïques (PV) à base de pérovskite se sont imposées comme des candidates très prometteuses pour la conversion de l'énergie solaire de nouvelle génération, avec des rendements records dépassant désormais 26 % pour les cellules à jonction unique et 34 % pour les configurations en tandem. Malgré ces progrès remarquables, leur commercialisation reste freinée par une stabilité opérationnelle à long terme insuffisante dans des conditions réelles en extérieur. Contrairement aux cellules PV classiques en silicium, les dispositifs à pérovskite présentent un comportement complexe et dépendant de l'historique (notamment la métastabilité, la migration ionique et la récupération partielle) que les protocoles de qualification standard en intérieur ne parviennent pas à saisir de manière fiable.
Cette thèse de doctorat propose une étude systématique de la dégradation des cellules PV à pérovskite en combinant une surveillance continue en extérieur de dispositifs réels avec des essais de vieillissement accéléré en laboratoire soigneusement conçus. L'objectif scientifique principal est d'identifier les facteurs de contrainte dominants à l'origine des pertes de performance irréversibles, de les distinguer des effets transitoires réversibles et, enfin, d'établir des relations d'équivalence entre les conditions de contrainte en laboratoire et les historiques d'exposition en extérieur. Une des principales nouveautés du projet réside dans le déploiement conjoint de caractérisations électriques (IV sous lumière et dans l'obscurité) et de l'imagerie par luminescence (EL/PL) en conditions extérieures, ce qui permettra d'extraire des signatures de dégradation multidimensionnelles et résolues spatialement, au-delà des capacités des mesures scalaires conventionnelles.
Les travaux seront menés au sein du laboratoire GeePs (Université Paris-Saclay) et en collaboration avec l'IPVF, ce qui permettra d'accéder à des plateformes de vieillissement en intérieur à la pointe de la technologie et à une infrastructure de surveillance en extérieur bien établie depuis plusieurs années. Le doctorant développera des pipelines d'acquisition de données automatisés, un cadre commun de « descripteurs de contrainte » pour comparer les ensembles de données entre les différentes conditions d'essai, ainsi que des modèles de corrélation reliant les signatures optiques et électriques aux voies de dégradation. Les résultats contribueront directement à la conception de normes de qualification plus prédictives pour les technologies PV à pérovskite et en tandem, conformément à l'objectif plus large d'accélérer leur déploiement fiable à l'échelle industrielle.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Perovskite-based photovoltaic (PV) technologies have emerged as highly promising candidates for next-generation solar energy conversion, with record efficiencies now surpassing 26% for single-junction cells and exceeding 34% for tandem configurations. Despite this remarkable progress, their commercialization remains hampered by insufficient long-term operational stability under real outdoor conditions. Unlike conventional silicon PV, perovskite devices exhibit complex, history-dependent behavior (including metastability, ion migration, and partial recovery) that standard indoor qualification protocols fail to capture reliably.
This PhD thesis proposes a systematic investigation of perovskite PV degradation by combining continuous outdoor monitoring of real-world devices with carefully designed indoor accelerated ageing tests. The core scientific objective is to identify the dominant stress factors driving irreversible performance losses, to disentangle them from reversible transient effects, and ultimately to establish equivalence relationships between indoor stress conditions and outdoor exposure histories. A key novelty of the project lies in the joint deployment of electrical characterization (Light and Dark IV) and luminescence imaging (EL/PL) under outdoor conditions, which will enable the extraction of spatially resolved, multi-dimensional degradation signatures beyond the capabilities of conventional scalar metrics.
The work will be carried out within the GeePs laboratory (Paris-Saclay University) and with IPVF, providing access to state-of-the-art indoor ageing platforms and an established multi-year outdoor monitoring infrastructure. The PhD student will develop automated data acquisition pipelines, a shared “stress descriptor” framework to compare datasets across test conditions, and correlation models linking optical and electrical signatures to degradation pathways. The outcomes will directly support the design of more predictive qualification standards for perovskite and tandem PV technologies, in line with the broader goal of accelerating their reliable deployment at industrial scale.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrats ED : Programme blanc GS-SIS

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

575 Electrical, Optical, Bio-physics and Engineering

Nous recherchons un étudiant qui aime réaliser des caractérisations, monter des manips et traiter de gros jeux de données par diverses méthodes statistiques ou d'apprentissage automatique. L'étudiant devra être motivé par le développement de sources d'énergie bas carbone, l'envie de transmettre ses résultats à la communauté scientifique internationale, curieux et travailleur.
We are looking for a student who enjoys conducting characterization studies, setting up experiments, and analyzing large datasets using various statistical and machine learning methods. The student should be passionate about the development of low-carbon energy sources, eager to share their findings with the international scientific community, and be both curious and hardworking.