Geri Dön

Lityum iyon bataryalarda sağlık durumununmakine öğrenmesi ile kestirimi

Estimation of health status in lithium-ion batteries by machine

  1. Tez No: 762872
  2. Yazar: EMİNE ÇAVUŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ İDRİS SANCAKTAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiGebze Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR BALIKÇI

  2. Lityum iyon bataryalarda parça ömür kestirimi

    Calculating remaining useful life of lithium-ion batteries

    FERHAT MAÇİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. SALMAN KURTULAN

  3. Lityum-iyon bataryalarda SoC tahmini

    Estimation of SoC in lithium-ion batteries

    EREN ÜNSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Otomotiv MühendisliğiBursa Uludağ Üniversitesi

    Hibrid ve Elektrikli Taşıtlar Anabilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ ERKUŞ

  4. Modelling and state of charge estimation for lithium-ion batteries

    Lityum-iyon bataryalarda modelleme ve şarj durumu kestirimi

    OZAN ÖZAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

  5. Nominal capacity calculation for lithium-ion batteries with advanced algorithms

    Lityum-iyon bataryalarda gelişmiş yöntemlerle batarya güncel kapasite kestirimi

    HARUN NALBANT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN GÖKAŞAN