Bağlantılı hibrit elektrikli araçlar için pekiştirmeli öğrenme tabanlı akıllı enerji yönetim stratejisi
Reinforcement learning-based intelligent energy management strategy for connected hybrid electric vehicles
- Tez No: 946559
- Danışmanlar: DOÇ. DR. SERDAR COŞKUN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Tarsus Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 162
Özet
Günümüzde artan motorlu taşıt sayısı, enerji tüketimi ve çevresel kirlilik üzerinde önemli bir baskı oluşturmaktadır. Bu kapsamda hibrit elektrikli araçlar, sürdürülebilir ulaşım sistemleri için etkili bir alternatif sunmakta ve enerji verimliliğini artırarak emisyonları azaltma hedeflerine katkı sağlamaktadır. Hibrit elektrikli araçlarda enerji yönetimi stratejileri, çoklu güç kaynaklarının etkin biçimde kontrolü açısından kritik öneme sahiptir. Ancak geleneksel enerji yönetimi strateji yaklaşımları, dinamik sürüş koşullarına uyum, çok amaçlı karar verme ve gerçek zamanlı kontrol açısından yetersiz kalmaktadır. Bu tezde, hibrit elektrikli araçlar için çok katmanlı ve öğrenme tabanlı enerji yönetimi stratejileri geliştirilmiştir. Önerilen yöntem üç farklı tasarım senaryosuna dayanmaktadır: (i) çok amaçlı kontrol, (ii) çok aracılı sistem tasarımı ve (iii) teşvik tabanlı öğrenme olmak üzere üç temel kontrol düzeyine dayanmaktadır. Çok amaçlı kontrol düzeyinde, DDPG algoritmasıyla enerji tüketimi, batarya yönetimi, emisyon ve hız takibi gibi çelişen hedefler dengelenmiştir. Çok aracılı yapıda, araç takımı senaryosunda her araca özgü öğrenen kontrolörler atanarak ÇATD-3 algoritmasıyla enerji yönetimi stratejileri entegre edilmiştir. Teşvik tabanlı öğrenme stratejisinde ise, SAC algoritması ile geliştirilen DPTÖ yöntemiyle uzun vadeli performans kriterleri göz önünde bulundurularak daha dengeli bir kontrol yapısı sağlayan ödül fonksiyonu tasarlanmıştır. Bu kapsamda bu üç farklı seneryoda, Matlab/Simulink ortamında hibrit elektrikli araçlar modeli oluşturulmuş ve Q-Learning, DQN, DDPG, TD3 ve SAC algoritmaları farklı senaryolarda karşılaştırmalı olarak test edilmiştir. Geliştirilen stratejiler, hem simülasyon hem de insanlı döngü içinde simülasyon ortamında değerlendirilerek enerji verimliliği, sistem kararlılığı ve emisyon gibi ölçütlerde iyileşmeler sağlanmıştır. Bu tez çalışması, hibrit elektrikli araçlar için hem bireysel hem de filo düzeyinde uygulanabilir, esnek ve ölçeklenebilir enerji yönetim çözümleri sunarak gelecekteki akıllı ulaşım sistemlerine katkı sağlamayı hedeflemektedir.
Özet (Çeviri)
daha sonra doldurulacaktırNowadays, the increasing number of motor vehicles creates significant pressure on energy consumption and environmental pollution. In this context, hybrid electric vehicles offer an effective alternative for sustainable transportation systems and contribute to the targets of reducing emissions by increasing energy efficiency. Energy management strategies in hybrid electric vehicles are of critical importance in terms of effective control of multiple power sources. However, traditional energy management strategy approaches are insufficient in terms of adaptation to dynamic driving conditions, multi-objective decision making, and real-time control. In this thesis, multi-layered and learning-based energy management strategies are developed for hybrid electric vehicles. The proposed method is based on three different design scenarios: (i) multi-objective control, (ii) multi-agent system control, and (iii) incentive-based learning control, which are the main focuses of study. In the multi-objective control part, conflicting objectives such as energy consumption, battery management, emission, and speed monitoring are optimized with the DDPG algorithm. In the multi-agent structure, learning controllers are assigned to each vehicle in the platoon scenarios, and energy management strategies are integrated using the MATD-3 algorithm. In the incentive-based learning strategy, a reward function that provides a more effective control structure is designed by considering the long-term performance criteria with the DRL method utilizing the SAC algorithm. In the design scenarios, a hybrid electric vehicle model is created in the MATLAB/Simulink environment, and different approaches are tested comparatively. The developed strategies are evaluated in both simulation and human-in-the-loop simulation environments, and improvements are achieved in criteria such as energy efficiency, system stability, and emissions. This thesis aims to contribute to next-generation intelligent transportation systems by providing flexible and scalable energy management solutions that can be applied at both the individual and the platoon levels for hybrid electric vehicles.
Benzer Tezler
- Design and evaluation of energy management systems for connected hybrid and electric vehicles
Bağlantılı hibrit ve elektrikli araçlar için enerji yönetim sistemleri geliştirilmesi ve değerlendirilmesi
ABDULEHAD ÖZDEMİR
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKER MURAT KOÇ
- Impact of electrification on diesel emissions for 13L long-haul trucks
13L uzun yol tırlarında elektrifikasyonun dizel emisyonlar üzerine etkisi
MUSTAFA CANER BULUT
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT
- Energy-efficient velocity trajectory optimization using dynamic programming for electric vehicles
Elektrikli araçlar için dinamik programlama kullanılarak enerji verimli hız yörünge optimizasyonu
ABDULLAH KIZIL
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- Yakıt pili-batarya hibrit güç kaynağından beslenen elektrikli araç geliştirilmesi
Development of an electric vehicle powered by a fuel cell-battery hybrid power source
HABİP ŞAHİN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. HİKMET ESEN
- Silisyum karbür güç yarı iletkenlerine dayalı yüksek verimli da-da çevirgeç uygulamaları
Silicon carbide power semiconductor based high efficiency dc-dc converter applications
SERKAN ÖZTÜRK
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIK ÇADIRCI