Dağıtık enerji sistemleri için yapay zeka destekli batarya sağlığı odaklı adaptif ve çok amaçlı bir enerji yönetim metodolojisinin geliştirilmesi
Development of an ai-assisted, battery health-oriented, adaptive and multi-objective energy management methodology for distributed energy systems
- Tez No: 1011685
- Danışmanlar: DOÇ. DR. ERDİN GÖKALP, DOÇ. DR. ALPASLAN DEMİRCİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Boyutlandırma, Enerji depolama, Enerji depolama sistemi, Enerji yönetim sistemleri, Mikro şebeke sistemi, Optimizasyon algoritmaları, Temiz enerji, Yapay zeka, Yenilenebilir enerji, Üreten tüketici, Dimensioning, Energy storage, Energy storage system, Energy management systems, Microgrid system, Optimization algorithms, Clean energy, Artificial intelligence, Renewable energy, Prosumer
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yenilenebilir enerji kaynaklarının dağıtık üretim tarafında hızla yaygınlaşması, üreten-tüketici seviyesinde hem teknik hem de ekonomik açıdan daha akıllı ve bütünleşik enerji yönetim sistemlerine (EMS) olan ihtiyacı artırmaktadır. Fotovoltaik (PV) üretimin belirsizlikleri, fiyat dalgalanmaları, artan elektrik talebi ve batarya depolama teknolojilerindeki yaşlanma problemleri, mevcut enerji yönetimi uygulamalarını yetersiz bırakmakta ve uzun vadeli, güvenilir bir optimizasyon yapısını zorunlu kılmaktadır. Günümüzde kullanılan EMS çözümlerinin büyük kısmı yalnızca kısa vadeli maliyet minimizasyonuna odaklanmakta; batarya sağlığı, davranış temelli yaşlanma dinamikleri, piyasa değişkenleri ve uzun dönem performans etkileri bütüncül olarak ele alınmamaktadır. Bu durum, üreten-tüketici tarafında yanlış boyutlandırma, sürdürülemez operasyon stratejileri ve finansal geri dönüşün öngörülemez hale gelmesine neden olmaktadır. Bu tezde, söz konusu eksiklikleri gidermek amacıyla, yapay zekâ (AI) tabanlı tahmin modelleri, kapasite boyutlandırma optimizasyonu, davranış-temelli batarya yaşlanma fonksiyonları ve model öngörülü kontrol (MPC) stratejisini bir araya getiren bütünleşik bir adaptif batarya yönetim (ABM) metodolojisi geliştirilmiştir. Önerilen yaklaşım; yük-PV-fiyat tahmini, parçacık sürü optimizasyonu (PSO) ile kapasite boyutlandırma, çok amaçlı kısa dönemli işletme maliyet optimizasyonu, batarya sağlık ve fonksiyonel durum (SoH/SoF) etkilerini içeren uzun dönemli batarya yönetimi ve farklı ticaret stratejilerinin senaryo bazlı değerlendirilmesini tek bir çatı altında toplamaktadır. Geliştirilen iki farklı yaşlanma modeli (aggregated ve behavior-specific), uzun vadeli yatırım kararlarını fiziksel gerçekliğe daha yakın biçimde yansıtmış; MPC tabanlı EMS yapısı teknik performans ile ekonomik getiri arasında denge kurmuştur. Sonuçlar, yaklaşımın hem işletme maliyetlerinde hem batarya ömründe hem de enerji ticareti verimliliğinde belirgin iyileşmeler sağladığını göstermektedir. Ayrıca, geliştirilen metodolojinin kullanıcılar, akademi ve sektör tarafından etkin bir şekilde uygulanabilmesi amacıyla, tüm süreci uçtan uca yöneten bir arayüz tasarımının gerekliliği ortaya konmuştur. Bu arayüzün, tahmin modellerinden optimizasyona, EMS kontrolünden performans raporlamaya kadar tüm modülleri yönetebilecek şekilde ölçeklenebilir bir platforma dönüştürülebileceği değerlendirilmiştir. Gelecek çalışmalarda, piyasa katılım modellerinin genişletilmesi, çoklu batarya kimyalarının entegrasyonu, karbonsuzlaştırma odaklı optimizasyon hedeflerinin eklenmesi ve gerçek zamanlı EMS uygulamaları ile sistemin saha doğrulamasının yapılması önerilmektedir. Bu çalışma, üreten-tüketici seviyesinde sürdürülebilir, veri odaklı ve karar destek niteliği yüksek yeni nesil enerji yönetim sistemlerine yönelik kapsamlı bir çerçeve sunmaktadır.
Özet (Çeviri)
The rapid expansion of renewable energy sources on the distributed generation side has increased the need for smarter and more integrated energy management systems (EMS) at the prosumer level, both technically and economically. Uncertainties in photovoltaic (PV) generation, price volatility, rising electricity demand, and battery storage degradation issues render existing energy management practices insufficient and necessitate a long-term, reliable optimization structure. Most current EMS solutions focus solely on short-term cost minimization and do not holistically incorporate battery health, behavior-dependent degradation dynamics, market variability, and long-term performance impacts. As a result, prosumers face improper system sizing, unsustainable operational strategies, and unpredictable financial returns. To address these shortcomings, this thesis develops an integrated adaptive battery management (ABM) methodology that combines artificial intelligence (AI)-based forecasting models, capacity sizing optimization, behavior-based battery degradation functions, and a model predictive control (MPC) strategy. The proposed approach unifies load-PV-price forecasting, capacity sizing via particle swarm optimization (PSO), multi-objective short-term operational cost optimization, long-term battery management incorporating state of health/state of function (SoH/SoF) effects, and scenario-based evaluation of different energy trading strategies under a single framework. The two degradation models developed in this study (aggregated and behavior-specific) reflect long-term investment decisions with greater physical fidelity, while the MPC-based EMS structure establishes a balance between technical performance and economic benefit. The results demonstrate significant improvements in operational costs, battery lifetime, and energy trading efficiency. Furthermore, to enable effective adoption of the proposed methodology by users, academia, and industry, the thesis highlights the need for a comprehensive interface capable of managing the entire process end-to-end. Such an interface can be scaled into a platform that coordinates all modules, from forecasting to optimization, from EMS control to performance reporting. Future work may extend market participation models, incorporate multiple battery chemistries, introduce decarbonization-oriented optimization objectives, and validate the system through real-time EMS implementations. Overall, this study provides a comprehensive framework for next-generation, sustainable, data-driven, and decision-support-oriented energy management systems at the prosumer level.
Benzer Tezler
- Adolesan intihar girişimlerinin psiko-sosyal nedenleriyle ilgili araştırma
Başlık çevirisi yok
NAZMİYE YÜKSEL
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM
- Ulaştırma modelinin optimum dağıtımda kullanılması ve şeker fabrikalarında bir uygulama
Utilizing the transportation model in optimum dispersion and an application in the sugar factories
HÜSEYİN DELİBAŞ
- Kurumlar Vergisi Kanunu açısından sermaye şirketlerinde tasfiye, birleşme, nev'i değiştirme
Başlık çevirisi yok
BİLLUR YALTI
