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
- Tez No: 730946
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL URALCAN, DR. ÖĞR. ÜYESİ ERDAL AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kimya Mühendisliği Bilim Dalı
- 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
- 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
- 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
- Hava araçlarında kullanılmasına yönelik süperkapasitörlerin geliştirilmesi
Development of supercapacitors for use in aircraft
AYŞE NUR OĞUL
Yüksek Lisans
Türkçe
2024
Uçak MühendisliğiErciyes ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMİ PEKDEMİR
DOÇ. DR. FATMA KILIÇ DOKAN
- 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
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÜNER ÇOLAK
- 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
2023
Kimyaİstanbul Üniversitesi-CerrahpaşaKimya Ana Bilim Dalı
PROF. DR. CEMAL ÖZEROĞLU
DR. SİBEL YAZAR AYDOĞAN