Lityum iyon bataryalarda sağlık durumununmakine öğrenmesi ile kestirimi
Estimation of health status in lithium-ion batteries by machine
- Tez No: 762872
- Danışmanlar: DR. ÖĞR. ÜYESİ İDRİS SANCAKTAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Bu çalıĢmada batarya sağlık durumunun belirlenmesi için makine öğrenmesi yöntemi kullanılmıĢtır. Bu amaçla bataryanın deĢarj olması esnasında elde edilen akım, kapasite azalması, gerilim gibi değerler kullanılmıĢtır. Literatürdeki diğer yöntemlerden farklı olarak, deĢarj gerilim grafiğindeki diz-dirsek noktaları belirlenerek gerilimdeki değiĢimler daha ayrıntılı olarak dikkate alınmıĢtır. Belirlenen giriĢ verileri kullanılarak batarya sağlık durumunun belirlenebilmesi için k-En Yakın KomĢu yöntemi ve Rastgele Orman Regresyon yöntemi olmak üzere iki farklı makine öğrenmesi algoritması oluĢturulmuĢtur. GerçekleĢtirilen sağlık durumu belirleme yazılımı için PYHTON dili kullanılmıĢtır. Batarya sağlık durumunun belirlenmesi için kullanılan yöntemlerin baĢarısı iki farklı senaryo ile değerlendirilmiĢtir. Ġlk senaryo tüm batarya verilerinin karıĢık olarak değerlendirilip, tüm bataryalara ait verilerden oluĢan eğitim ve test verilerinin oluĢturulması ile gerçekleĢtirilmiĢtir. Diğer senaryo ise elde bulunan 12 bataryadan 11'ini eğitim verisini kalan 1 bataryanın ise test verisini oluĢturduğu durumdur. Burada 12 bataryanın her biri ayrı ayrı test verisi olarak değerlendirilmiĢtir.
Özet (Çeviri)
In this study, machine learning method was used to determine the battery health. For this purpose, values such as current, capacity decrease, voltage obtained during the discharge of the battery were used. Unlike other methods in the literature, the knee-elbow points in the discharge voltage graph are determined and the changes in voltage are taken into account in more detail. Two different machine learning algorithms, namely the k-Nearest Neighbor method and the Random Forest Regression method, were used in order to determine the battery health status by using the specified input data. PYHTON was used for the implemented health status determination software. The success of the methods used to determine the battery health status was evaluated with two different scenarios. The first scenario was carried out by evaluating all battery data in a mixed manner and creating training and test data consisting of data for all batteries. The other scenario is where 11 of the 12 batteries are the training data and the remaining 1 battery is the test data. Here, each of the 12 batteries is evaluated separately as test data.
Benzer Tezler
- Lityum-iyon bataryalarda sağlık durumu kestirimi için model geliştirilmesi
Model development for state of health estimation in lithium-ion batteries
YASİN TAŞAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR BALIKÇI
- Lityum iyon bataryalarda parça ömür kestirimi
Calculating remaining useful life of lithium-ion batteries
FERHAT MAÇİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- Lityum-iyon bataryalarda SoC tahmini
Estimation of SoC in lithium-ion batteries
EREN ÜNSAL
Yüksek Lisans
Türkçe
2024
Otomotiv MühendisliğiBursa Uludağ ÜniversitesiHibrid ve Elektrikli Taşıtlar Anabilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ERKUŞ
- Modelling and state of charge estimation for lithium-ion batteries
Lityum-iyon bataryalarda modelleme ve şarj durumu kestirimi
OZAN ÖZAY
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Nominal capacity calculation for lithium-ion batteries with advanced algorithms
Lityum-iyon bataryalarda gelişmiş yöntemlerle batarya güncel kapasite kestirimi
HARUN NALBANT
Yüksek Lisans
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN