Adaptif ve genetik bulanık kontrol yöntemlerinin batarya-süperkondansatör hibrit enerji sistemleri enerji yönetiminde karşılaştırılması
Comparison of adaptive and genetic fuzzy control methods in energy management of battery–supercapacitor hybrid energy systems
- Tez No: 964203
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜRKAN AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 60
Özet
Elektrikli araçlarda kullanılan enerji depolama sistemlerinin performansı, araç menzilini, enerji verimliliğini ve batarya ömrünü etkilemektedir. Enerji depolama sistemlerinin başarımı kullanılan parçalar, sistem tasarımı gibi faktörlere bağlı olduğu kadar enerji yönetim stratejisine de bağlıdır. Bu tez çalışmasında, lityum-iyon batarya ve süperkondansatörlerin birlikte kullanıldığı hibrit enerji depolama sistemleri için uygun enerji yönetim stratejileri değerlendirilmiştir. Hibrit yapı, bataryaların yüksek enerji yoğunluğu ile süperkondansatörlerin yüksek güç yoğunluğunu bir araya getirerek, ani enerji taleplerine daha hızlı yanıt verilmesini ve batarya üzerindeki yükün azaltılmasını sağlamaktadır. Çalışma kapsamında geliştirilen MATLAB/Simulink tabanlı model aracılığıyla iki farklı kontrol algoritması incelenmiştir. Bu algoritmalar, Adaptif Bulanık Kontrol yöntemi ile Genetik Algoritma tabanlı Bulanık Kontrol yöntemidir. Her iki kontrol stratejisi, batarya ve süper kapasitör arasında enerji paylaşımını görev döngüsü üzerinden yöneterek enerji akışını optimize etmeyi amaçlamaktadır. Uygulanan kontrol yapılarının performansı, enerji verimliliği, batarya akımındaki dalgalanmalar, toplam maliyet değeri gibi ölçütler üzerinden değerlendirilmiştir. Geliştirilen modeller ve gerçekleştirilen analizler hem akademik çalışmalar hem de endüstriyel uygulamalar için yol gösterici niteliktedir. Kullanılan her iki kontrol yöntemi de pasif topolojideki kontrolsüz yönteme göre verimlilik artışı sağlamıştır. Adaptif ve Genetik bulanık algoritmaları karşılaştırıldığında ise genetik bulanık kontrol algoritmasının tüm başarım kriterlerinde daha iyi sonuç verdiği gözlemlenmiştir. Bataryanın bozulma maliyetini ve enerji verimliliği maliyetini birlikte değerlendiren toplam maliyet açısında genetik algoritma pasif bağlantıya göre %29,13 adaptif kontrole göre %24,45 daha iyi bir başarım sergilemiştir
Özet (Çeviri)
The performance of energy storage systems used in electric vehicles affects vehicle range, energy efficiency, and battery lifespan. The success of energy storage systems depends not only on factors such as the components used and system design, but also on the energy management strategy. In this thesis study, appropriate energy management strategies have been evaluated for hybrid energy storage systems in which lithium-ion batteries and supercapacitors are used together. The hybrid structure, combining the high energy density of batteries with the high-power density of supercapacitors, enables faster responses to sudden energy demands and reduces the load on the battery. Within the scope of the study, two different control algorithms were examined through the MATLAB/Simulink-based model developed. These algorithms are the Adaptive Fuzzy Control method and the Genetic Algorithm-based Fuzzy Control method. Both control strategies aim to optimize energy flow by managing energy sharing between the battery and the supercapacitor via the duty cycle. The performance of the applied control structures was evaluated based on criteria such as energy efficiency, fluctuations in battery current, and total cost value. The developed models and the analyses carried out serve as a guide for both academic studies and industrial applications. Both control methods provided an increase in efficiency compared to the uncontrolled method in passive topology. When the Adaptive and Genetic fuzzy algorithms were compared, it was observed that the Genetic Fuzzy Control algorithm gave better results in all performance criteria. In terms of total cost, which considers both the battery degradation cost and the energy efficiency cost together, the genetic algorithm showed 29.13% better performance compared to the passive connection, and 24.45% better performance compared to the adaptive control.
Benzer Tezler
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Fuzzy-PSO control of linear and nonlinear systems
Doğrusal ve doğrusal olmayan sistemlerde bulanık sürü parçacığı optimizasyonu yaklasımı ile kontrol
TOLGA KAYA
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜLAY ÖKE
- Nümerik tabu arama algoritması
Numeric tabu search algorithm
AHMET KAPLAN
Doktora
Türkçe
2001
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞABAN ÖZER
DOÇ. DR. ŞEREF SAĞIROĞLU
- Adaptif ağ tabanlı bulanık mantık çıkarım sisteminin (ANFIS) iyileştirilmiş genetik algoritma ile eğitilmesi ve tıbbi problemlere uygulanması
Training adaptive neuro-fuzzy inference system (ANFIS) with improved genetic algorithm and application to medical problems
HİLAL HAZNEDAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM KALINLI
- Adaptif bulanık mantık denetleyiciler için yumuşak hesaplama tabanlı bir optimizasyon algoritması
A soft computing based optimization algorithm for an adaptive fuzzy logic controller
REZA MİRZAPOUR
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ALTAŞ