Yapay zekâ yöntemleriyle termoelektrik modülün kontrolü
Control of thermoelectric module with artificial intelligence methods
- Tez No: 881692
- Danışmanlar: DR. ÖĞR. ÜYESİ NEVRA BAYHAN, PROF. DR. SEDAT BALLIKAYA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Termoelektrik, transfer fonksiyonu, meta-sezgisel optimizasyon algoritmaları, yapay zekâ yöntemleri, termoelektrik soğutucu, termoelektrik jeneratör, Thermoelectric, transfer function, meta-heuristic optimization algorithms, artificial intelligence methods, thermoelectric cooler, thermoelectric generator
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Milli Savunma Üniversitesi
- Enstitü: Atatürk Stratejik Araştırmalar ve Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 114
Özet
Termoelektrik (TE) modüller gerilim uygulandığında modülün bir tarafı ısınıp diğer tarafı soğuduğu için termoelektrik soğutucu (TEC) olarak çalışırken; aynı modülün yüzeyleri arasında bir sıcaklık farklı oluşturulduğunda ise TE modül tarafından gerilim üretilerek termoelektrik jeneratör (TEG) olarak çalışır. Bir termoelektrik modülün etkin bir şekilde kontrol edilebilmesi için kurulan sisteme ait matematiksel modelin elde edilmesi gerekir. Termoelektrik soğutucuların (TEC) sıcaklık kontrolleri, içerdikleri termoelektrik (TE) modülün doğrusal olmayan dinamik davranışı nedeniyle çok basit değildir. Daha iyi bir kontrol için öncelikle termoelektrik soğutucuların sistem dinamik modellerinin elde edilmesi gerekir. Bu amaçla bu tezde öncelikle üç değişik yapıdaki termoelektrik soğutucunun sistem modellerinin oluşturulması konusu incelenmiştir. İlk olarak klasik dikdörtgen bacak geometrisine sahip bir termoelektrik modül ile sıcak tarafa bağlanan bir ısı dağıtıcı ve soğuk tarafa bağlanan bir soğutma yükü ısı değiştiricisinden oluşan literatürdeki bir termoelektrik soğutucunun (TEC) küçük sinyal doğrusallaştırma yöntemi kullanılarak, elde edilmiş bir transfer fonksiyonu modeli ele alınmıştır. Literatürdeki bu termoelektrik soğutucunun transfer fonksiyonu modeli iki kutba ve bir sıfıra sahiptir. TE elemanlarının termoelektrik özellikleri TE soğutucuların soğutma performansında önemli rol oynasa da TE elemanlarının bacak geometrisi, soğutucu parametreleri, hava akış hızı gibi diğer parametrelerin de performansı doğrudan etkileyebileceği için bu tezde, dikdörtgen, silindirik, kesik prizma ve kesik koni şeklinde, eşit hacimli ancak dört farklı bacak geometrisine sahip iki bacaklı TE modüllü TEC'lerin soğutma performansı akım, soğutucu parametreleri ve hava akış hızına göre incelendikten sonra en iyi soğutma performansına sahip olduğu anlaşılan kesik koni bacaklı TEC'in transfer fonksiyonu, ikinci olarak elde edilen sistem modeli olmuştur. Kesik koni bacak yapısına ait akım-soğutma performans değerleri ele alınarak 15 adet akım ve soğuma değerleri Origin grafik programı yardımıyla beş bin adet veriye çoğaltılmıştır. Sonra da bu değerler Matlab sistem tanımlamada kullanılarak %99.33 doğruluk tahmin yüzdesine sahip hiç sıfırı olmayan iki kutuplu ikinci transfer modeli oluşturulmuştur. Üçüncü TEC transfer fonksiyonu yapısını oluşturmak için de bu tezde öncelikle Comsol Multiphysics Programı (CMP) ve Sonlu Elemanlar yöntemi (FEM) kullanılarak Micro boyutta bir TEC tasarlanmıştır. Burada, TEC modülü her biri 0,6×0,6×0,5 mm3 boyutunda 16 bacaktan, her biri 0,04× 3,5× 2,5 mm3 boyutunda 13 kanattan oluşan soğutucu ve soğuk taraf ısı eşanjörü içermektedir. Mikro TEC'e ait gerilim ve sıcaklık değerleri için Matlab sistem tanıma yardımıyla %98.75'lik bir doğruluk oranına sahip iki sıfıra ve dört kutba sahip üçüncü transfer fonksiyon modeli oluşturulmuştur. Bu tezde termoelektrik modüllerin çeşitli yapay zekâ yöntemleri ile kontrolünün sağlanması hedeflenmiştir. Bu amaçla yukarıda bahsi geçen üç tip transfer fonksiyon modelleri için çeşitli meta-sezgisel optimizasyon algoritmaları ve makine öğrenmesi yöntemleri kullanılmıştır. Kullanılan meta-sezgisel optimizasyon yöntemleri: Gri Kurt Optimizasyon Algoritması (Grey Wolf Optimization Algorithm - GWO), Harris Şahini Optimizasyon Algoritması (Harris Hawk Optimization Algorithm - HHO), Yapay Arı Kolonisi Optimizasyon Algoritması (Artificial Bee Colony Algorithm - ABC), Parçacık Sürüsü Optimizasyon Algoritması (Partical Swarm Optimization Algorithm -PSO), Korona Virüs Bağışıklığı Optimizasyon Algoritması (Coronavirus Herd Immunity Optimization Algorithm -CHIO) ve Atom Arama Optimizasyon Algoritması (Atomic Search Optimization Algorithm -ASO) yöntemleridir. Makine öğrenme yöntemleri ise Örnek Tabanlı Öğrenme (Instance-Based Learning-IBk), Rastgeleleştirilebilir Filtreli Sınıflandırıcı (Randomizable Filtered Classifier-RFC), Rastgele Komite (Random Committee-RC), Rastgele Ağaç (Random Tree-RT), Rastgele Orman (Random Forest -RF), Paketleme (Bagging) ve Ayrıştırma ile Gerileme (Regression by Discretization -RBD)'dir. Elde edilen üç sistem modelinin de kontrolünde bu yapay zekâ yöntemlerinin karşılaştırılması için hedef sıcaklığa varış süresi, hedef sıcaklıktan aşım yüzdesi ve hedef sıcaklık değerine yerleşme süresi olmak üzere temel olarak üç adet kriter belirlenmiştir. TEC sistemleri için hızlı soğutma önemli olduğundan, seçilen hedef sıcaklığına ilk ulaşan yapay zekâ yöntemi en iyi performansa sahiptir. Tezin son bölümünde termoelektrik bacak geometrisi, soğutucu ve bir yenilik olarak hava akışının Termoelektrik Jeneratörlerin (TEG'ler) performansına etkisi Comsol Multiphysics simülasyonlarına dayalı olarak incelenmiştir. Bu amaçla termoelektrik (TE) modülün bir tarafına 350 K sıcaklık uygulanırken, diğer tarafına ise yüzeyler arasındaki sıcaklık farkını artıracak soğutucu eklenmiştir. Literatürde termoelektrik jeneratörler üzerine yapılan çalışmalar ağırlıklı olarak soğutucu geometrisi, kanat yapıları veya malzemeleri ve modül optimizasyonu üzerine yoğunlaşmıştır. Bu tez çalışmasında, mevcut literatürün aksine, bacak geometrisinin bir termoelektrik jeneratörün elektrik üretim performansı üzerindeki etkisi çeşitli laminer hava akış parametreleri ile analiz edilmiş ve en uygun geometri belirlenmiştir. Termoelektrik bacakların aynı ısı kaynağına maruz kalması ve toplam hacimlerinin eşit tutulması, bacak geometrisinin elektrik üretim performansı ve verimliliği üzerindeki etkisinin doğrudan gözlemlenmesi açısından önemlidir. TE bacak yapısı için dikdörtgen, silindir, kesik koni, ters kesik koni, kesik prizma ve ters kesik prizmadan oluşan yarı iletken geometrik şekiller kullanılmıştır. Doğru bir karşılaştırma yapabilmek için TEC tasarımında olduğu gibi TEG tasarımında da bütün bacak yapılarının hacimleri aynı olacak şekilde sistem kurulmuştur. Isı kaynağıyla temas halinde olan yüzey alanının daha geniş olması nedeniyle, ters kesik koni bacaklı TE modülünün daha fazla açık devre voltajı ürettiği görülmüştür. Böylece elektrik üretimi ve verimlilik açısından en başarılı TE bacak yapısının ters kesik koni olduğu gösterilmiştir.
Özet (Çeviri)
Thermoelectric (TE) modules work as a thermoelectric cooler (TEC) because one side of the module heats up and the other side cools down when voltage is applied; When a temperature difference is created between the surfaces of the same module, voltage is generated by the TE module and it works as a thermoelectric generator (TEG). In order to effectively control a thermoelectric module, a mathematical model of the system must be obtained. Temperature control of thermoelectric coolers (TEC) is not very simple due to the nonlinear dynamic behaviour of the thermoelectric (TE) module. For better control, system dynamic models of thermoelectric coolers should be obtained first. For this purpose, in this thesis, the system models of three different types of thermoelectric coolers are investigated. Firstly, a transfer function model of a thermoelectric cooler (TEC) in the literature, which consists of a thermoelectric module with a classical rectangular leg geometry, a heat sink connected to the hot side and a cooling load heat exchanger connected to the cold side, is considered using the small signal linearisation method. The transfer function model of this thermoelectric cooler in the literature has two poles and a zero. Although the thermoelectric properties of TE elements play an important role in the cooling performance of TE coolers, other parameters such as leg geometry of TE elements, cooler parameters, air flow rate can also directly affect the performance, After analysing the cooling performance of two-legged TE module TECs with equal volume but four different leg geometries according to current, cooler parameters and air flow rate, the transfer function of the truncated cone leg TEC, which was found to have the best cooling performance, was the second system model obtained. Considering the current-cooling performance values of the truncated cone leg structure, 15 current and cooling values were reproduced to five thousand data with the help of Origin graphics programme. Then these values were used in Matlab system identification and a second bipolar transfer model with 99.33% accuracy estimation percentage was created. In order to construct the third TEC transfer function structure, a micro-scale TEC is designed in this thesis using Comsol Multiphysics Programme (CMP) and Finite Element Method (FEM). Here, the TEC module consists of 16 legs of 0.6×0.6×0.5 mm3 each, 13 fins of 0.04× 3.5× 2.5 mm3 each, and a heat sink and cold side heat exchanger. For the voltage and temperature values of the micro TEC, the third transfer function model with two zeros and four poles with an accuracy of 98.75% was created with the help of Matlab system identification. In this thesis, it is aimed to control thermoelectric modules with various artificial intelligence methods. For this purpose, various meta-heuristic optimisation algorithms and machine learning methods are used for the three types of transfer function models mentioned above. Meta-heuristic optimisation methods used: Grey Wolf Optimisation Algorithm (GWO), Harris Hawk Optimisation Algorithm (HHO), Artificial Bee Colony Optimisation Algorithm (ABC), Partical Swarm Optimisation Algorithm (PSO), Coronavirus Herd Immunity Optimisation Algorithm (CHIO) and Atomic Search Optimisation Algorithm (ASO) methods. Machine learning methods are Instance-Based Learning (IBk), Randomizable Filtered Classifier (RFC), Random Committee (RC), Random Tree (RT), Random Forest (RF), Bagging and Regression by Discretization (RBD). For the comparison of these artificial intelligence methods in the control of the three system models obtained, three criteria were determined as the time to reach the target temperature, the percentage of exceeding the target temperature and the time to settle to the target temperature value. Since fast cooling is important for TEC systems, the artificial intelligence method that first reaches the selected target temperature has the best performance. In the last part of the thesis, the effect of thermoelectric leg geometry, heat sink and air flow as an innovation on the performance of Thermoelectric Generators (TEGs) is investigated based on Comsol Multiphysics simulations. For this purpose, a temperature of 350 K was applied to one side of the thermoelectric (TE) module, while a coolant was added to the other side to increase the temperature difference between the surfaces. In the literature, studies on thermoelectric generators have mainly focused on heatsink geometry, fin structures or materials and module optimisation. In this thesis, contrary to the existing literature, the effect of leg geometry on the power generation performance of a thermoelectric generator is analysed with various laminar air flow parameters and the optimum geometry is determined. It is important that the thermoelectric legs are exposed to the same heat source and their total volumes are kept equal in order to directly observe the effect of leg geometry on power generation performance and efficiency. For the TE leg structure, semiconductor geometric shapes consisting of rectangle, cylinder, truncated cone, inverted truncated cone, truncated prism and inverted truncated prism were used. In order to make an accurate comparison, the system was set up so that the volumes of all leg structures were the same in the TEG design as in the TEC design. Due to the larger surface area in contact with the heat source, it was observed that the TE module with inverted truncated cone legs produced more open circuit voltage. Thus, it is shown that the most successful TE leg structure in terms of electricity generation and efficiency is the inverted truncated cone.
Benzer Tezler
- Yapay zekâ yöntemleriyle borsa endeksinin yönünün tahmini üzerine bir çalışma: Karşılaştırmalı analiz
A study on the prediction of the direction of the stock market index with artificial intelligence methods: Comparative analysis
MUSTAFA YILDIZ
Yüksek Lisans
Türkçe
2022
MatematikHatay Mustafa Kemal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KILIÇOĞLU
- Yapay zeka yöntemleriyle kripto para fiyat tahmini
Cryptocurrency price prediction with artificial intelligence methods
MEHMET ACAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VAHİT TONGUR
- Yapay zeka yöntemleriyle piyasa analizi gerçekleştirimi ve optimizasyonu
Implementation and optimization of market analysis by artificial intelligence techniques
SUHA GÜÇLÜ ÇELİK
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SABRİ ARIK
- Yapay zekâ yöntemleriyle havalimanlarında personel planlaması
Personnel planning in airports by artificial intelligence methods
EMRE MERİÇ
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NURSEL ÖZTÜRK
- Yapay zeka yöntemleriyle üstyapı performans tahmini
Pavement performance estimation of artificial intelligence method
MERVE SİPER
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH ERDAL TÜMER