Geri Dön

Optimization of energy density in supercapacitors by utilizing a hybrid artificial neural networks-genetic algorithm based optimization algorithm

Hibrit yapay sinir ağları-genetik algoritma modeli kullanarak süperkapasitörlerin enerji yoğunluğunun optimize edilmesi

  1. Tez No: 730946
  2. Yazar: DUYGU KAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL URALCAN, DR. ÖĞR. ÜYESİ ERDAL AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Kimya Mühendisliği, Chemical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kimya Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 112

Özet

Enerji depolama sistemleri artan enerji ihtiyacını karşılamak ve fosil kaynaklara olan bağlılığı azaltmak için gereklidir. Yenilenebilir enerji sistemleri ve elektrikli araçlar için uzun süreli enerji tedarik imkânı sunması açısından ilgi çekici sistemlerdir. Süperkapasitörler, çok uzun çevrim ömrü, hızlı şarj/deşarj döngüsü ve güç yoğunluğu gibi benzersiz özelliklerinden dolayı enerji depolamaya elverişli sistemlerdir, ancak enerji yoğunlukları düşüktür. Güç yoğunluğunu sabit tutarken enerji yoğunluğunu arttırmak süperkapasitör için temel hedeftir. Bu çalışmada, süperkapasitörlerin kapasitansını artırmak için hibrit Yapay Sinir Ağı-Genetik Algoritma modeli kullanılmıştır. Süperkapasitör kapasitansını tahmin etmek için deneysel çalışmalardan toplanan veriyi kullanarak çeşitli veri ön işleme, özellik seçimi ve makine öğrenmesi algoritmaları kullanılmıştır. Yapay sinir ağlarının süperkapasitörlerin fiziksel ve çalışma şartları ile ilgili doğrusal olmayan ilişkileri yakalamak için güçlü bir yöntem olduğu gözlemlenmiştir. Genetik algoritma, optimal çözüm için arama uzayını inceleyen etkileyici bir yöntemdir. Eğitilmiş sinir ağı modeli, uygulanabilir limitler içinde optimum kapasitans elde etmek için genetik algoritmanın uygunluk fonksiyonu olarak kullanılmıştır. Seçme, çaprazlama ve mutasyon gibi genetik algoritma prosedürleri arama uzayını artırmak için uygulanmıştır. Bu çalışma, kapasitansı iyileştirmek için bir optimizasyon aracı olarak hibrit sinir ağı-genetik algoritması kullanarak süperkapasitörlerin rasyonel tasarımını önermiştir. Sonuçlar, literatür taramasına göre optimum çözümün mümkün olduğunu göstermektedir.

Özet (Çeviri)

Energy storage systems are required to meet the increased energy demand and reduce the need for fossil fuels. Energy storage devices are of interest to renewable energy systems and electric vehicles to provide a permanent energy supply. Supercapacitors, in particular, are eligible systems for energy storage owing to their unique properties such as very long cycle life, high reversibility, and high power density. Nonetheless, they have limited energy density. The ultimate goal is to increase the energy density of supercapacitors while maintaining high power density. In this thesis, hybrid artificial neural network-genetic algorithm (ANN-GA) model is utilized to increase the capacitance of supercapacitors. Several data preprocessing, feature selection, and machine learning algorithms are performed to predict the capacitance of supercapacitor by using experimental data. It is observed that ANN is a powerful method to capture nonlinear relationships concerning the physical and operational features of supercapacitors. GA is a promising method that examines search space for the optimal solution. The trained neural network model is used as the fitness function for genetic algorithm to achieve maximum capacitance within the feasible range. Selection, crossover, and mutation procedures are implemented in the reproduction step of GA to offer elaborate search space. In a nut shell, this study takes a step towards the rational design of supercapacitors by implementing a hybrid ANN-GA as an optimization tool to improve the capacitance. The results indicate that obtained optimal design parameters agree with the literature while improving the capacitance of supercapacitors significantly.

Benzer Tezler

  1. Heteroatom katkılı grafen sentezi, karakterizasyonu ve enerji depolama ve dönüşümü uygulamalarının araştırılması

    Heteroatom-doped graphene synthesis, characterization and investigation of energy storage and conversion applications

    ÇAĞDAŞ KIZIL

    Doktora

    Türkçe

    Türkçe

    2022

    KimyaAkdeniz Üniversitesi

    Kimya Ana Bilim Dalı

    DOÇ. DR. EDİP BAYRAM

  2. Syntheses, characterizations, and device fabrications of organic molecules for energy storage devices

    Enerji depolama cihazlarında kullanılmak üzere organik moleküllerin sentezi, karakterizasyonu ve cihaz uygulamaları

    SEBAHAT TOPAL

    Doktora

    İngilizce

    İngilizce

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. TURAN ÖZTÜRK

  3. Hava araçlarında kullanılmasına yönelik süperkapasitörlerin geliştirilmesi

    Development of supercapacitors for use in aircraft

    AYŞE NUR OĞUL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Uçak MühendisliğiErciyes Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAMİ PEKDEMİR

    DOÇ. DR. FATMA KILIÇ DOKAN

  4. Porosity generation and optimization of silicon-based anodes for high energy density lithium ion batteries

    Yüksek enerji yoğunluklu lityum iyon bataryalar için silisyum bazlı anotlarda gözenek geliştirilmesi ve optimizasyonu

    NESLİHAN YUCA

    Doktora

    İngilizce

    İngilizce

    2017

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÜNER ÇOLAK

  5. Esnek süperkapasitörler için metal destekli grafen oksit katkılı hidrojel malzemelerin üretimi ve elektrokimyasal karakterizasyonu

    Production and electrochemical characterization of metal supported graphene oxide-doped hydrogel materials for flexible supercapacitors

    BETÜL DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Kimyaİstanbul Üniversitesi-Cerrahpaşa

    Kimya Ana Bilim Dalı

    PROF. DR. CEMAL ÖZEROĞLU

    DR. SİBEL YAZAR AYDOĞAN