Journal of Physical & Chemical Research

Daily Forecasting of Photovoltaic Power Generation with Multi- Technological data Using Enhanced Long Short-Term Memory Networks

Ferial El Robrini — 2025-02-19

The spotlight on Algeria's efforts to tap into its solar resources and enhance its photovoltaic capabilities
has sparked widespread interest. With current achievements totaling 567.1 MW, the country plans for
a surge to 3000 MW in the foreseeable future. This increasing reliance on intermittent solar energy
underscores the importance of precise PV power forecasting for ensuring grid flexibility and reliability.
Deep learning methods have demonstrated promising outcomes in handling intricate data and
understanding systematic biases, surpassing conventional approaches. This study explores the
effectiveness of LSTM in predicting PV power output across diverse PV technologies. Our
methodology involves training the LSTM model extensively on large-scale Poly-Silicon module data
and subsequently applying this pretrained model to forecast power output in regions with similar
climatic conditions but different PV technologies. Specifically, the model, initially trained on extensive
data from the Djelfa power plant (January 2018 to December 2019), is tested using data from the
Ghardaïa PV station (July to December 2014) on four other PV technologies with different structures,
including Cadmium Telluride (CdTe), Amorphous Silicon, Mono-crystalline and Poly-crystalline with
fixed structures, and Mono-crystalline and Poly-crystalline equipped by a stacker system. This approach
demonstrates the substantial benefits of applying a pretrained model to smaller datasets in similar
climatic regions, particularly when dealing with varying PV technologies. The performance of our
LSTM model, evaluated using metrics such as RMSE ≤ 0.2090, NRMSE< 21.36%, r ≤ 0.9475, and
MAE ≤ 0.1516, confirms its robust prediction capability across different technological setups,
highlighting its practical applicability in diverse PV forecasting scenarios

Thermodynamic Grüneisen parameter and thermal expansion coefficient of B-SiC

Nadhira Bioud — 2025-02-19

The purpose of this study is to calculate the thermodynamic Grüneisen
parameter γ as well as the volumetric thermal expansion coefficient α of
the cubic zinc-blende silicon carbide (β-SiC) compound by using the quasi-
harmonic Debye model. The details of the calculation method adopted here
are presented elsewhere (Silicon, 14(17), (2022) 6299 – 6309). Our findings
relative to both the Grüneisen parameter and the volumetric thermal
expansion coefficient refer to a decrease with increasing pressure in the
range from 0 to 60 GPa and an increase with increasing temperature in the
range from 0 to 1500 K, respectively. As the Grüneisen parameter is
associated with the phonon frequency distribution, it reduces as the pressure
increases and increases as the temperature rises. At zero pressure and T =
300 K, our predicted value of the Grüneisen parameter is around 1.82, while
at p = 0 and T = 1500 K, it reaches the value of 1.95.

Mechanical anisotropy and Debye temperature in c-BN material

Rabie Mezouar — 2025-02-19

2 dimensional dependence of mechanical moduli in cubic zincblende boron
nitride (c-BN) has been studied using the experimental Brillouin scattering
elastic constants Cij (C11 = 820 GPa, C12 = 190 GPa and C 44 = 480 GPa) of
the litterature (M. Grimsditch, E. S. Zouboulis, A. Polian, J. Appl. Phys. 76
(1994) 832). The linear compressibility, shear modulus, Young’s modulus
and Poisson’s ratio have been schematized in graphical representations.
The maximum value of the shear modulus, Gmax is 480 GPa, while its
minimum value Gmin is 315 GPa, which gives Gmax/ Gmin = 1.524, those of
the Young's modulus, Emax is 1028.6 GPa and Emin is 748.5 GPa, which
gives a ratio Emax/Emin = 1.374; while for the Poisson’s ratio υ, the maximum
value υmax is 0.236 and the minimum value υmin is − 0.02, which gives an
indefinite value (∞) for υmax/υmin.
Furthermore, we predict the Debye temperature ΘD of c-BN compound, it
is 1930.5 K from Siethoff’s formula and 2057.2 K from Blackman’s
expression, respectively.

Effet de concentration de tungstène lors de revêtement de l’alliage Ni-W

Boutheina Zerouni — 2025-02-19

Dans cette recherche, nous avons étudié l’effet du comportement de
revêtement d'alliage nickel-tungstène sur un substrat de cuivre dans un
électrolyte de NaCl à 3.5%. Les expériences se sont concentrées sur l'effet
de la concentration en W sur les performances de processus de corrosion
des dépôts d'alliage Ni-W/Cu. Le comportement à la corrosion des
revêtements a été étudié par un test de polarisation potentiodynamique et
l’impédance électrochimique. Des données expérimentales telles que la
densité de courant de corrosion et la résistance de polarisation ont indiqué
que les conditions de fonctionnement utilisées pendant l’élaboration
avaient des effets significatifs sur les paramètres de corrosion du
revêtement d'alliage Ni-W. Les résultats ont montré que la résistance à la
corrosion la plus élevée a été obtenue pour le revêtement avec 5.22 % en
poids de tungstène qui a été préparé à une densité de courant de -150
mA/cm2. Des techniques de microscopie électronique à balayage (MEB) et
la spectrométrie de la fluorescence X (XRF) ont été utilisées pour
caractériser la morphologie et l’analyse élémentaire des couches l'alliage
Ni-W. Les résultats ont montré une morphologie granulaire avec une faible
teneur en W dans l’alliage obtenu.

Effet des paramètres d’électrodéposition des nanoparticules de cuivre sur une surface Ru/Si-n (100)

Imene Abid — 2025-02-19

Dans ce travail, nous avons étudié l’effet des paramètres
d’électrodéposition
sur
les
caractéristiques
électrochimiques,
morphologiques et structurales de cuivre électrodéposé sur un substrat de
Ru/Si-n (100) à partir d'un bain de sulfate (pH=4.8). L’étude cinétique de
dépôt par la technique voltammétrique cyclique a permis d’optimiser les
conditions d’électrodéposition de Cu. L’analyse des courants transitoires
indique que le mécanisme de nucléation de Cu est de type instantané suivie
par une croissance tridimensionnelle (3D) limitée par la diffusion. La
caractérisation des échantillons a été déterminée par la microscopie à force
atomique (AFM) et la diffraction de rayons X (DRX). Les images AFM-
2D, montrent clairement une répartition globale de dépôt avec une forme
granulaire des grains. Etude structural confirme que le dépôt de Cu
cristallise dans la structure cubique à face centré (cfc) et les valeurs de la
taille des grains augmentent avec la diminution de potentiel appliqué.