Özgün veri seti kullanarak makine öğrenmesi tabanlı araçtan şebekeye enerji akış yönetimi
Machine learning based vehicle to grid energy flow management using a novel data set
- Tez No: 910394
- Danışmanlar: PROF. DR. HASAN HÜSEYİN SAYAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 210
Özet
Bu tez çalışmasında bir yerleşim yerindeki elektrikli araçların enerji akış yönetimi için makine öğrenmesi tabanlı bir çözüm önerisi modeli sunulmuştur. Bu çözüm önerisindeki modelde araçtan-şebekeye enerji akış topolojisi işletilmektedir. Bu amaçla bir yerleşim yerinde oturan 20 araç kullanıcısının bir yıllık kayıtları ile kullanıcı davranışlarını modelleyen özgün bir veri seti oluşturulmuştur. Yakın gelecekte bu yirmi aracın bağlı olduğu şebekede güç problemleri meydana gelmeye başlayacaktır. Bu 20 aracın bağlı olduğu şebekede bir güç problemi meydana geldiğinde yerleşim yerinin otoparkında bulunan araçlardan bir kısmının bataryaları ile şebeke desteklenerek güç problemi giderilene kadar şebekenin güç kalitesinin korunması amaçlanmıştır. Hangi araçların şebekeye enerji aktarması gerektiği bir sınıflandırma problemi haline getirilmiştir. Sınıflandırma probleminin çözümünde literatürde en sık kullanılan 22 adet makine öğrenmesi yöntemi kullanılmıştır. Bu sınıflandırma problemi ile araçtan-şebekeye enerji akış topolojisi işetildiğinde şebekedeki problem giderilene kadar şebekeye bağlı kalma ihtimali en yüksek aracın tahmini gerçekleştirilmiştir. Makine öğrenmesi ile tahmin sonuçları tablosu oluşturulmuştur. Ardından kullanıcıların araçlarının otoparkta bulunma sıklığı hesaplanmıştır. Kullanıcıların kullandıkları araçlar elektrikli araç olmadığından her bir aracın kullanım yoğunluğu hesaplanarak bu değere göre 20 araç için yıl boyunca tesadüfi şarj durum değeri belirlenmiştir. Makine öğrenmesindeki tahmin sonuçları, otoparkta bulunma sıklığı ve şarj durum değerlerini kullanan bir matematik model ile araçtan şebekeye enerji akış topolojisinde şebekeye bağlanacak araçların tespiti gerçekleştirilmiştir. Bu önerilen modelin uygulanabilirliğini gösterebilmek için içerisinde şebeke bağlantılı eviricinin bulunduğu araçtan-şebekeye enerji akış deney düzeneği tasarlanmıştır. Bu deney düzeneği ile mevcut şebekeye enerji akışı gerçekleştirilerek uygulanabilirliği gösterilmiştir. Bu tez çalışması makine öğrenmesi tabanlı yeni ve gerçek zamanlı uygulanabilir bir araçtan-şebekeye enerji akış topolojisi sunmaktadır.
Özet (Çeviri)
This thesis presents a machine learning based solution proposal model for energy flow management of electric vehicles in a residential area. The model in this proposed solution operates on a vehicle-to-grid energy flow topology. For this purpose, a novel dataset that models user behaviour has been created by keeping the records of 20 vehicle users living in a residential area for one year. When the number of electric vehicles reaches the current number of fossil fuel vehicles, grid integration of electric vehicles will become an important issue. In the near future, power problems will occur in the grid to which these 20 vehicles are connected. When a power problem occurs in the grid to which these 20 vehicles are connected, the goal is to maintain the power quality of the grid until the power problem is resolved by supporting the grid with the batteries of some of the vehicles in the parking lot of the residential area. A classification problem has been created to determine which vehicles should transfer energy to the grid. The 22 most commonly used machine learning methods in the literature have been used to solve the classification problem. This classification problem has been used to predict which vehicles that are most likely to remain connected to the grid until the problem is solved when the vehicle-to-grid energy flow topology is operated. A prediction result table has been created using machine learning. Then, the frequency of users' vehicles in the parking lot has been calculated. Since the vehicles used by the users are not electric vehicles, the usage intensity of each vehicle has been calculated, and the random charging status value for 20 vehicles throughout the year has been determined according to this value. A mathematical model using machine learning prediction results, parking lot frequency and charging status values has been used to identify the vehicles to be connected to the grid in a vehicle-to-grid energy flow topology. In order to demonstrate the applicability of the proposed model, a vehicle-to-grid energy flow experimental setup with a grid-connected inverter has been designed. With this experimental setup, energy flow to the existing grid has been realized and its applicability has been demonstrated. This thesis presents a new machine learning based vehicle-to-grid energy flow topology that can be implemented in real time.
Benzer Tezler
- A novel method to estimate state of charge of li-based batteries
Lityum bazlı batarya hücrelerinin özgün bir yöntem ile şarj durumu tahmini
EYMEN İPEK
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT YILMAZ
- Derin öğrenme kullanarak ovaryum follikülerinin sınıflandırılması
Classification of ovarian follicles with deep learning
ÖZKAN İNİK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER
- Android yazılımlarda yapay zeka destekli zararlı yazılım tespiti ve performans analizi
Ai-assisted malware detection and performance analysis in android software
FATİH BULDUR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiDisiplinlerarası Adli Bilişim Ana Bilim Dalı
PROF. DR. MURAT GÖK
- Development of a machine learning prediction model for construction safety management
İnşaat iş güvenliği yönetimi için makine öğrenmesine dayalı tahmin modeli geliştirilmesi
KERİM KOÇ
Doktora
İngilizce
2022
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI PELİN GÜRGÜN
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE