Elektrikli araç bataryalarının prognostik ve sağlık durumunun tahmini için makine öğrenmesine dayalı akıllı bir yöntemin geliştirilmesi
Development of an intelligent method based on machine learning for prognostic and state of health estimation of electric vehicle batteries
- Tez No: 909095
- Danışmanlar: DOÇ. DR. HASAN TİRYAKİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Otomotiv Mühendisliği, Electrical and Electronics Engineering, Energy, Automotive Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 153
Özet
Bu doktora tezinde, prognostik ve diagnostik sistemlerin genel ideolojileri incelenmiştir. Prognostik tahmin yöntemlerinde kullanılan makine öğrenme modelleri ve veriye dayalı tahmin yöntemlerinde karşılaşılan zorluklar araştırılmıştır. Çalışmada lityum bataryalar üzerine yoğunlaşılmış; batarya yaşlanma mekanizmaları ve yaşlanma modellemeleri incelenmiştir. Veriye dayalı modelleme teknikleri ve literatürde açık kaynaklı veri setleri kullanılarak geliştirilmiş sağlık durumu tahmin çalışmaları ele alınmıştır. Tez çalışması kapsamında, elektrikli araçlarda kullanılan 8 adet lityum iyon hücre laboratuvar ortamında yaşlandırılmıştır. Elde edilen veri setleri kullanılarak, Destek Vektör Makinesi (SVM) ve Uzun Kısa Süreli Bellek (LSTM) yöntemleriyle kalan kullanışlı ömür (RUL) ve prognostik sağlık durumu kestirimleri yapılmıştır. Tezin sonuç bölümünde, SVM ve LSTM yöntemlerinin tahmin başarıları karşılaştırılmış ve LSTM yönteminin prognostik sağlık durumu tahmini için SVM yönteminden daha başarılı olduğu tartışılmıştır. Bu tezin temel amacı, elektrikli araç bataryalarının ömrünü ve sağlık durumunu doğru bir şekilde tahmin eden, güvenli ve verimli bir şekilde çalışmalarını sağlayan akıllı bir sistem geliştirmektir. Bu çalışmalar, batarya sağlığının izlenmesi ve potansiyel arızaların önceden tespit edilmesi yoluyla elektrikli araçların performansını ve güvenilirliğini artırmayı hedeflemektedir.
Özet (Çeviri)
In this doctoral thesis, the general ideologies of prognostic and diagnostic systems were examined. The machine learning models used in prognostic prediction methods and the challenges encountered in data-driven prediction methods were investigated. The study focused on lithium-ion batteries, exploring battery aging mechanisms and aging modeling. Data-driven modeling techniques and health status prediction studies developed using open-source datasets in the literature were reviewed. As part of the thesis work, eight lithium-ion cells used in electric vehicles were aged in a laboratory environment. Using the datasets obtained from this process, predictions for remaining useful life (RUL) and prognostic health status were made using Support Vector Machine (SVM) and Long Short-Term Memory (LSTM) methods. In the final section of the thesis, the predictive performance of SVM and LSTM methods was compared, and it was discussed that the LSTM method is more successful than the SVM method for prognostic health status prediction. The primary objective of this thesis is to develop an intelligent system based on machine learning that accurately predicts the health and lifespan of electric vehicle batteries, ensuring their safe and efficient operation throughout their service life. The studies conducted aim to enhance the performance and reliability of electric vehicles by monitoring battery health and detecting potential failures in advance.
Benzer Tezler
- Elektrikli araç bataryalarının sağlık durumlarını tespit edecek iç direnç ölçüm tabanlı sistem geliştirilmesi
Development of internal resistance based state of health estimation method for electric vehicle batteries
MEHMET ERCİYES
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN ÜSTKOYUNCU
- Elektrikli araç bataryalarının farklı metodlarla soğutulmasının deneysel ve sayısal analizi
Experimental and numerical analysis of the cooling of electric vehicle batteries with different methods
ORHAN KALKAN
Doktora
Türkçe
2021
EnerjiAtatürk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KADİR BAKIRCI
DR. ÖĞR. ÜYESİ ALİ CELEN
- Durability testing and vibration characterization of an electric vehicle battery
Elektrikli araç bataryalarının titreşim karakterizasyonu ve ömür testleri
HALİL ZINAR DÜZGÜN
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiÖzyeğin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. POLAT ŞENDUR
- Elektrikli araç bataryalarının akıllı şebeke uygulamalarında alternatif enerji depolama sistemi olarak modellenmesi ve simülasyonu
Modeling and simulation of electric vehicle batteries as an alternative energy storage system in smart grid applications
BÜNYAMİN KUZU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TEOMAN KARADAĞ
DR. OZAN AKDAĞ
- Elektrikli araç bataryalarının döngüsel ekonomi kapsamında incelenmesi
Examination of lithium ion battery recycling process within the scope of circular economy
RABİA DİŞÇİOĞLU
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN