Elektrikli bir aracın batarya sisteminin elektriksel modellenmesi
Electrical modeling of battery system of an electric vehicle
- Tez No: 898813
- Danışmanlar: PROF. DR. HASAN BAYINDIR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yenilenebilir Enerji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
Günümüzde dünya, ulaştırma sektörü de dahil olmak üzere tüm sektörleri etkileyen hızlı bir teknolojik gelişme içerisine girmiştir. Elektrikli araçlar, emisyonların azaltılmasına ve fosil yakıtlara olan bağımlılığın azaltılmasına katkıda bulunan umut verici bir teknoloji olarak kabul edilmeye başlamıştır. Ancak bu araçların geliştirilmesi büyük ölçüde içinde kullanılan batarya teknolojisindeki ilerlemelere bağlıdır. Lityum iyon bataryalar, yüksek enerji yoğunluğu, uzun hizmet ömrü, hafiflik, düşük deşarj oranı, uygun maliyet ve hafıza etkisinin olmaması gibi gelişmiş özellikleri nedeniyle elektrikli araçlarda en çok kullanılan batarya türlerinden biridir. Ayrıca, çevre dostu malzemelerden üretilir, zararlı emisyonlar üretmez ve yüksek bir güvenlik seviyesi sunduğundan, bu da onları elektrikli araçların yüksek performans gereksinimlerini karşılamak için ideal bir seçenek haline getirmektedir. Bu pillerin uygun bir modeli, bir elektrikli araçtaki voltaj tahmini, şarj durumu (SOC) tahmini, güç ve zayıflama analizi, pil ömrü hesaplaması gibi birçok işlemi simüle etmenin yanı sıra kontrol ve optimizasyon stratejileri geliştirmek için de gereklidir. Pillerin modellenmesi ve davranışlarının tahmin edilmesi konusunda pek çok araştırma yapılmış olmasına rağmen hala çözülmemiş bazı sorunlar bulunmaktadır. Bataryalar, modern elektrikli araç sistemlerinde kritik bir bileşen olarak kabul edilmektedir. Bu tezde, elektrikli araç bataryalarının modellenmesi konusu ele alınmıştır. Tez, batarya performansını tahmin etme ve modelleme doğruluğunu artırmak için gelişmiş yöntemlerin uygulanmasına odaklanmakta, böylece bataryaların verimliliği ve güvenilirliğini artırmayı amaçlamaktadır. Bu bağlamda, batarya gerilimini tahmin etmek ve şarj durumunu belirlemek için ikinci dereceden bir transfer fonksiyonu kullanılarak basit ve etkili bir yöntem önerilmiştir. Bu model, bataryaların dinamik davranışını, giriş sinyalleri (akım) ile çıkış tepkileri (gerilim) arasındaki matematiksel ilişkiler aracılığıyla tanımlar. Transfer fonksiyonları deneysel verilerden türetilmiş, geçici ve statik batarya tepkilerini yakalayan doğrusal modeller oluşturmak için kullanılmıştır. Önerilen yöntemin performansı, diğer bir model olan termal eşdeğer devre modeli ile karşılaştırılmıştır. Karşılaştırma sonuçları, önerilen yöntemin voltaj tahmininde iyi bir performans sergilediği ve şarj durumunu tahmin etmede de başarılı olduğu, ancak voltaj tahminine kıyasla biraz daha düşük bir doğruluk değeri sağladığını göstermiştir. Şarj durumu sonuçlarını işlemek ve daha doğru sonuçlar elde etmek amacıyla araştırma, modelleme çerçevesine yapay sinir ağlarını, özellikle de yapay sinir ağlarını entegre etmektedir. Yapay sinir ağları, bataryanın davranışındaki doğrusal olmayan ilişkileri ve karmaşık desenleri yakalamak için kullanılmaktadır; bu tür ilişkiler, geleneksel transfer fonksiyonları tarafından tam anlamıyla işlenemeyebilir. Sonuçlar, sinir ağı modelinin, transfer fonksiyonu modeline kıyasla batarya şarj durumunu tahmin etmede üstün doğruluk sağladığını göstermektedir. Son olarak, çalışmanın en önemli bulguları, metodoloji ve sonuçlar bölümünde özetlenmiştir.
Özet (Çeviri)
Today, the world is experiencing rapid technological advancements that affect all sectors, including transportation. Electric vehicles are increasingly being recognized as a promising technology contributing to the reduction of emissions and the dependence on fossil fuels. However, the development of these vehicles largely relies on advancements in battery technology. Lithium-ion batteries are the most widely used type in electric vehicles due to their high energy density, long service life, lightweight design, low discharge rate, cost-effectiveness, and absence of memory effect. Additionally, they are made from environmentally friendly materials, produce no harmful emissions, and offer a high level of safety, making them an ideal choice for meeting the high-performance requirements of electric vehicles. A proper model of these batteries is essential for simulating various tasks such as voltage prediction, state of charge (SOC) estimation, power and degradation analysis, and battery life calculation, as well as for developing control and optimization strategies. Despite extensive research on battery modeling and behavior prediction, several unresolved issues remain. Batteries are considered a critical component in modern electric vehicle systems. This thesis deals with the modeling of electric vehicle batteries. The thesis focuses on the application of advanced methods to improve the accuracy of modeling and predicting battery performance, thereby increasing the efficiency and reliability of batteries. In this context, a simple and effective method is proposed, utilizing a second-order transfer function to estimate the battery voltage and determine the state of charge. This model describes the dynamic behavior of batteries through mathematical relationships between input signals (current) and output responses (voltage). Transfer functions were derived from experimental data and used to create linear models that capture both the transient and static responses of the battery. The performance of the proposed method was compared to another model, the thermal equivalent circuit model. The comparison results show that the proposed method performs well in voltage estimation and is also successful in estimating the state of charge, but it provides slightly lower accuracy compared to voltage estimation. In order to process the state of charge results and obtain more accurate results, the research integrates artificial neural networks, especially artificial neural networks (ANNs)into the modeling framework. ANNs are used to capture nonlinear relationships and complex patterns in battery behavior; such relationships may not be fully captured by traditional transfer functions. The study results demonstrate that the neural network model provides superior accuracy in predicting the battery's state of charge compared to the transfer function model. Finally, significant findings of the study are presented in the methodology and results sections.
Benzer Tezler
- Ağır ticari araçların alternatör ve batarya yönetim sisteminin matematiksel modellenmesi ve enerji verimliliğine katkılar
Mathematical modeling of alternator and battery management system of heavy commercial vehicles and contributions to energy efficiency
TEOMAN AKDOĞAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- Bir hibrit (yakıt pilli & güneş pilli) enerjili aracın modellenmesi, simülasyonu ve prototip uygulaması
Modelling, simulating and prototype application of a hybrid (fuel cell and solar cell) energized vehicle
TUNACAN AKFİDAN
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUĞDEŞEM TANRIÖVEN
- Development of electric powertrain selection algorithm for electric vehicles
Elektrikli araçlarda güç grubu seçim algoritması geliştirilmesi
METEHAN ŞAHİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ÜSTÜN
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Esnek mimari yaklaşımı ile elektrikli araç güç treni tasarımına katkılar
Contributions to electric vehicle power train design by flexible architecture approach
İLKAN ÇETİN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ