Bataryaların kalan faydalı ömrünün derin öğrenme kullanılarak incelenmesi
Investigation of the remaining life of batteries using deep learning
- Tez No: 818660
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET KONAR, DR. OĞUZ BEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Sivil Havacılık, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sivil Havacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Bataryalar, taşınabilir, şarj edilebilir ve kullanışlı olması gibi birçok özellikleri sayesinde çok çeşitli elektrikli cihaz ve ekipmanlarda güç kaynağı olarak kullanılmaktadır. Kullanım süresinde kalan faydalı ömürlerin bilinmesi bataryalar için en önemli faktörün başında gelmektedir. Kalan faydalı ömür süresini, kullanım şekli, saklama ve çevre koşulları gibi çeşitli faktörler etkilemektedir. Kullanım esnasında kapasite kademeli olarak azalmaktadır. Batarya türüne bağlı olarak her bataryanın belirli bir eşik seviye bulunmaktadır. Bu eşik seviyesi aşıldığı zaman batarya yeterli güç sağlamayacak noktayı ulaşmış olacaktır. Bir bataryanın kalan faydalı ömrü, kapasitesinin kullanım süreci boyunca ölçülmesiyle ya da aynı türdeki kullanılmış veya yeni olan bataryaların performansıyla karşılaştırılmasıyla tahmin edilebilmektedir. Sıcaklık, şarj akımları ve deşarj hızı gibi faktörler de bataryanın kalan kullanım ömrünü etkilemektedir. Bir bataryanın kalan faydalı ömrünü artırmak için, bataryayı uygun şekilde kullanmak ve saklamak ve aşırı şarj veya aşırı deşarjdan kaçınmak önemlidir. Bu tez çalışmasında, bataryaların kalan faydalı ömrünün incelemesi amaçlanmıştır. Bu amaç için, NASA Ames Prognostik Mükemmeliyet Merkezi (Prognostics Center of Excellence,PCOE) veri setlerinden Li-ion batarya verinin kalan faydalı ömrünün incelenmesi ele alınmıştır. İncelemede derin ögrenme yöntemlerinden, zaman seri şeklinde olan verilerde sıklıkla kullanılan LSTM algoritmasından yararlanılmıştır. Çalışma sonucunda elde edilen bulgular ışığında bataryanın kalan faydalı ömrünün arttırılması için gerekli önlemler vurgulanmıştır.
Özet (Çeviri)
Batteries, thanks to their many features such as being rechargeable and usable, are used as a power source in various electrical devices and in the obtained one. The useful life of the remaining useful life is one of the most important factors for batteries. The remaining useful life time affects several factors such as usage, storage and environmental conditions. During use, the capacity decreases as its capacity. A certain threshold level at which each battery exists, depending on the battery group. When this threshold level is exceeded, it will have reached the point where it cannot provide sufficient power.The remaining useful life of a battery can be estimated by measuring its capacity over the course of its use, or by comparing it to the performance of used or new batteries of the same type. Factors such as temperature, charge currents and discharge rate also affect the remaining life of the battery. To increase the remaining useful life of a battery, it is important to handle and store the battery properly and to avoid overcharging or over-discharging.In this thesis, it is aimed to examine the remaining useful life of batteries. For this purpose. Examining the remaining useful life of Li-ion battery data from NASA Ames Prognostic Excellence Center (PCOE) datasets is discussed. In the study, deep learning methods, LSTM algorithm, which is frequently used in time series data, was used. In the light of the findings obtained as a result of the study, the necessary measures to increase the remaining useful life of the battery were emphasized.
Benzer Tezler
- Batarya yönetim sistemlerinde lityum-iyon pillerin kalan faydalı kapasitesinin tahmini için sinyal işlemeye dayalı yöntemlerin geliştirilmesi
Development of signal processing-based methods for estimating the remaining useful capacity of lithium-ion batteries in battery management systems
OZANCAN BAYRİ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSivas Bilim ve Teknoloji ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SITKI AKKAYA
- Prediction life time of secondary batteries by machine learning models
İkincil bataryalarda makina öğrenmesi modelleri ile ömür tayini
BETÜL KÜBRA ARSLAN
Yüksek Lisans
İngilizce
2024
Kimya MühendisliğiGebze Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜN YÜCEL
- Battery management system design with embedded electrochemical impedance spectroscopy
Elektrokimyasal empedans spektroskopisi yöntemi entegre edilmiş batarya yönetim sistemi tasarımı
MEDET KEREM BABACAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN KAAN EROL
- Embedded system design for lithium-ion battery state of charge estimation algorithms
Lityum iyon batarya şarj durumu ölçüm algoritmaları için gömülü sistem tasarımı
SELAHATTİN CAN SAKBAŞ
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT YILMAZ
- Investigation of effect of novel technologies' implementation to future internal combustion engines
Yeni teknolojilerin geleceğin içten yanmalı motorlarına uyarlanmasının etkilerinin incelenmesi
ANIL ALAGÖZ
Yüksek Lisans
İngilizce
2018
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMET ARSLAN