Geri Dön

Lityum polimer batarya parametrelerinin derin öğrenme yöntemleri ile tahmini

Prediction of lithium polymer battery parameters by deep learning methods

PDF İndir

  1. Tez No: 839869
  2. Yazar: GÖKSU TAŞ
  3. Danışmanlar: DOÇ. DR. CAFER BAL, DR. ÖĞR. ÜYESİ ALİ UYSAL
  4. Tez Türü: Doktora
  5. Konular: Enerji, Mekatronik Mühendisliği, Energy, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 137

Özet

Karbon salınımının artmasıyla sera gazı etkisi oluşarak iklim değişikliği, küresel ısınma gibi sorunlar ortaya çıkmaktadır. İçten yanmalı motorlara sahip araçlar ise havadaki karbon oranının artmasına sebep olan etmenler arasındadır. Küresel ısınmanın ve iklim değişikliğinin önüne geçmek amacıyla ulaşım, üretim, seyahat gibi alanlarda elektrikli araçların kullanımı önem kazanmıştır. Fakat batarya yönetim sisteminde önemli bir yere sahip olan başarılı, güvenilir ve hızlı batarya şarj durum tahmini ile elektrikli araçlar, hibrit elektrikli araçlar ve robotların daha sağlıklı bir şekilde kullanılması önemli bir konudur. Elektrikli araçların ve robotların kullanımının zaman içinde artmasıyla lityum tabanlı batarya parametrelerinin doğru bir şekilde belirlenmesi çok önem kazanmıştır. Bu çalışmada elektrikli araçlarda ve robotlarda kullanılan batarya şarj durum tahminini yapmak amacıyla literatürde yeterince çalışılmamış lityum polimer batarya veri seti hazırlanmıştır. Lityum polimer bataryaların akım, voltaj ve sıcaklık parametrelerini ölçerek veri kümesini elde etmek için yeni bir deneysel sistem oluşturulmuştur. Batarya şarj durum tahmini derin öğrenme yöntemleriyle başarılı bir şekilde yapılarak yeni yöntemler önerilmiştir. Evrişimsel sinir ağlarının yapısı değerlendirilerek, yığın boyutu ve gizli katman nöron sayısı gibi hiper parametrelerinin etkisi incelenerek önsezi elde edilmiştir. Önerilen yöntem, elektronik kartlarda yüksek işlem yükü gerektiren derin öğrenme modellerinin aksine, dört farklı yoğun katman nöron sayısı ve iki farklı yığın boyutu değerine göre belirlenerek dikkat çekici sonuçlar vermiştir. Başarılı tahminler yapabilmek için uygun parametreler belirlenirken optimize edici, öğrenme oranı, yoğun katman nöron sayısı ve yığın boyutu değerleri üzerinde deneyler yapılarak önerilen model elde edilmiştir. Ayrıca deneme-yanılma yöntemi ile optimizasyon yöntemi kullanılmasıyla hiper parametreler belirlenerek son teknoloji derin öğrenme yöntemleri ile çift yönlü uzun kısa süreli bellek yöntemlerinin performansı karşılaştırılmıştır. Bu modellerinin başarısı Ubuntu işletim sisteminde Python programlama dili kullanılarak bir bilgisayarda derin öğrenme eğitimi yapılmasıyla karşılaştırılmıştır. Önerilen yöntemlerin gerçek hayatta başarı ile uygulanacağı düşünülmektedir.

Özet (Çeviri)

As carbon emissions increase, the greenhouse gas effect occurs, and problems such as climate change and global warming arise. Vehicles that are equipped with internal combustion engines are among the factors that cause an increase in the carbon rate in the air. In order to prevent global warming and climate change, the use of electric vehicles has become important in areas such as transport, production, and travel. However, it is an important issue to use electric vehicles, hybrid electric vehicles, and robots in a healthier way with successful, reliable, and fast battery state of charge estimation, which has an important role in the battery management system. As the use of electric vehicles and robots has increased over time, the accurate determination of lithium-based battery parameters has become very important. In this study, a lithium polymer battery dataset, which has not been sufficiently studied in the literature, has been prepared in order to predict the battery state of charge used in electric vehicles and robots. A new experimental system was created to obtain the dataset by measuring the current, voltage, and temperature parameters of lithium polymer batteries. Battery state of charge estimation is performed successfully with deep learning methods, and new methods are proposed. By evaluating the structure of convolutional neural networks, intuition was obtained by examining the effects of hyper parameters such as batch size and fully connected layer neurons. Unlike deep learning models that require high computational load in electronic cards, the proposed method is based on four different fully connected layer neuron values and two different batch size values and obtained remarkable results. While determining the appropriate parameters for successful predictions, the proposed model was obtained by performing experiments on the optimizer, learning rate, number of fully connected layer neurons, and batch size values. In addition, the performance of cutting-edge deep learning methods and bidirectional long short-term memory methods was compared by determining hyper parameters using the trial-and-error method and the optimization method. The performance of these models is compared with deep learning training on a computer using the Python programming language on the Ubuntu operating system. It is thought that the proposed methods will be successfully applied in real life.

Benzer Tezler

  1. Tez No

    476232

    Lityum polimer bataryalarda güç parametrelerinin zamana bağlı sayısal incelenmesi

    Time-divided investigation of power parameters in lithium polymer batteries

    EMRAH DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Makine MühendisliğiErciyes Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİLGE ALBAYRAK ÇEPER

  2. Tez No

    444242

    Sol-jel yöntemi uygulanarak ZrO2 ile yüzey modifikasyonu yapılmış LiMn2o4 yapısının sentezlenmesi ve katot aktif malzemesi olarak incelenmesi

    SOL-JEL YÖNTEMİ UYGULANARAK ZrO2 İLE YÜZEY MODİFİKASYONU YAPILMIŞ LiMn2O4 YAPISININ SENTEZLENMESİ VE KATOT AKTİF MALZEMESİ OLARAK İNCELENMESİ

    MEHMET EMRE ÇETİNTAŞOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜL KELEŞ

  3. Tez No

    672906

    Production and characterization of porous carbon nanofibers as anodes for sodium ion batteries

    Gözenekli karbon nano liflerin sodyum iyon pillerı için anot olarak üretimi ve karakterizasyonu

    BÜLİN ATICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Nanobilim ve Nanomühendislik Ana Bilim Dalı

    DOÇ. DR. MELTEM YANILMAZ

  4. Tez No

    373287

    Elektrikli araçlarda kullanılan lityum-polimer batarya için şarj cihazı geliştirme

    A lithium-polymer battery charger development for electric vehicles

    TUFAN KAYIKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik MühendisliğiGebze Yüksek Teknoloji Enstitüsü

    Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. ABDULKADİR BALIKÇI

  5. Tez No

    614971

    PEM yakıt hücresi-lityum polimer batarya hibrit sistemiyle tahrikli mini-İHA üretimi ve enerji yönetim sisteminin modellenmesi

    Production of PEM fuel cell-lithium polymer battery hybrid system powered mini-UAV and modelling of energy management system

    GÖRKEM YALIN

    Doktora

    Türkçe

    Türkçe

    2019

    EnerjiEskişehir Teknik Üniversitesi

    Uçak Gövde Motor Bakım Ana Bilim Dalı

    PROF. DR. T. HİKMET KARAKOÇ

    PROF. DR. C. ÖZGÜR ÇOLPAN

Geri Dön