Elektrikli araçlar için batarya yönetim sistemi algoritması tasarımı ve geliştirilmesi
Battery management system algorithm design and implementation for electric vehicles
- Tez No: 924213
- Danışmanlar: DR. ÖĞR. ÜYESİ ENGİN AYÇİÇEK, PROF. DR. OZAN ERDİNÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Makinaları ve Güç Elektroniği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Bu yüksek lisans tezi çalışması, yüksek enerji yoğunluğu, hızlı şarj özellikleri ve uzun çevrim ömrü avantajları sebebiyle elektrikli araçlarda sıkça kullanılan lityum iyon bataryalarda kalan faydalı ömür (KFÖ) tahmini için makine öğrenmesi yaklaşımlarının uygulanmasını ve bu yaklaşımların geliştirilmesini amaçlamaktadır. Tez, lityum iyon bataryaların kalan faydalı ömrü tahmininde etkili dahili ve harici parametreleri, kalan faydalı ömür tahmininde sık kullanılan yöntemleri, literatürde yeterince ele alınmayan çalışmaları ve NASA lityum iyon batarya bozunum test verilerinin toplanması ve işlenmesini içerir. Bu veriler üzerinde rastgele orman regresyonu (ROR), ileri seviye gradyan yükseltici regresyon (İSGYR), K- en yakın komşu regresyon (KEYKR) gibi makine öğrenmesi yöntemleri kullanılarak kalan faydalı ömür tahminleme modeli oluşturulur. Oluşturulan model, deneysel veri setinden karmaşık ilişkileri öğrenerek kalan faydalı ömür değerini tahmin eder. Önerilen modelin performansı ve doğruluğu, ortak mutlak hata ve determinasyon katsayısı değerleri ile değerlendirilir ve kontrolü yapılır. Yapılan tahminlemelerdeki sonuçlar ve bulgular, makine öğrenmesi tabanlı yaklaşımın lityum iyon batarya kalan faydalı ömür tahmininde etkinliğini göstermektedir. Lityum iyon batarya kalan faydalı ömür değerlerinin doğru tahminleri, kalan faydalı ömür tahmininde etkili harici ve dahili parametreler hakkında değerli bilgiler sağlayarak, batarya teknolojisi üzerine yapılan çalışmalara, bu konudaki karar vericilere ve düzenleyicilere olası riskleri önceden tahmin edip bilinçli kararlar vermelerinde yardımcı olmaktadır.
Özet (Çeviri)
This master's thesis study aims to implement and develop machine learning approaches for the estimation of remaining useful life (RUL) in lithium-ion batteries, which are frequently used in electric vehicles due to their energy density, fast charging properties and long cycle life advantages. The thesis includes effective internal and external parameters in the estimation of remaning useful life of lithiumion batteries, frequently used methods in the estimation of remaining useful life, studies that are not sufficiently addressed in the literature and the collection and processing of NASA lithium-ion battery degradation test data. A remaining useful life estimation model is created on these data using machine learning methods such as random forest regression (ROR), extreme gradient boosting regression (EGBR), K-nearest neighbor regression (KNNR). The created model estimates the remaining useful life value by learning complex relationships from the NASA experimental dataset. The performance and accuracy of the proposed model are evaluated and checked with mean absolute error and coefficient of determination values. The results and findings in the estimations show the effectiveness of the machine learning based approaches in the estimation of remaining useful life of lithium-ion batteries. Accurate estimations of lithium-ion battery RUL values provide valuable information about the external and internal parameters that affect the remaining useful life estimate, helping battery technology researchers, decision makers and regulators to anticipate potential risks and make informed decisions.
Benzer Tezler
- Elektrikli araçlar için akıllı batarya yönetim sisteminin tasarımı ve uygulaması
Design and implementation of an intelligent battery management system for electric vehicles
İSMAİL CAN DİKMEN
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEOMAN KARADAĞ
- Elektrikli araçlar için yüksek doğrulukla şarj kestirimi sunan batarya yönetim sistemi tasarımı
Design of battery managemenet system providing high accuracy state of charge estimation for electric vehicles
MUSTAFA MERT SERİNBAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ONUR GÜLBAHÇE
- Elektrikli araçlar için enerji yönetim tabanlı akıllı otopark sistemi
Energy management based intelligent parking system for electric vehicles
YUSUF İÇER
Yüksek Lisans
Türkçe
2019
EnerjiKocaeli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYAZ
- Elektrikli araçlarda adaptif sürüş kontrolü
Adaptive driving control in electric vehicles
YUSUF KARABACAK
Doktora
Türkçe
2023
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
DR. ÖĞR. ÜYESİ ALİ YAŞAR
- 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