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: Belirtilmemiş.
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
- Bataryaların kalan faydalı ömrünün yapay zeka yöntemleri kullanılarak incelenmesi
Investigation of the remaining useful life of batteries using artificial intelligence methods
ABDULHALUK KULOĞLU
Yüksek Lisans
Türkçe
2026
Havacılık ve Uzay MühendisliğiErciyes ÜniversitesiHavacılık Elektrik ve Elektroniği Ana Bilim Dalı
DOÇ. DR. MEHMET KONAR
DR. ÖĞR. ÜYESİ TUĞBA TETİK
- 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
- Derin öğrenme ile lityum-iyon bataryalarda sağlık durumu sınıflandırması, kapasite kestirimi ve kalan faydalı ömür tahmini
State of health classification, capacity estimation, and remaining useful life prediction of lithium-ion batteries using deep learning
MELTEM SÜPÜRTÜLÜ
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERSEN YILMAZ
- 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
- Elektrikli araçlar için batarya yönetim sistemi algoritması tasarımı ve geliştirilmesi
Battery management system algorithm design and implementation for electric vehicles
MERVE YENİOĞLU
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENGİN AYÇİÇEK
PROF. DR. OZAN ERDİNÇ