Optimization based modeling of the impacts of electric vehicles on carbon emission reduction
Elektrikli araçların karbon emısyonu azaltımına etkilerinin optimizasyon tabanlı modellenmesı
- Tez No: 1019516
- Danışmanlar: DR. ÖĞR. ÜYESİ SITKI GÜNER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Karbon depolama, Karbon emisyonu, Pekiştirmeli öğrenme, Carbon storage, Carbon emission, Reinforcement learning
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrikli araçların yaygınlaşması tepe talep, şarj maliyeti ve karbon emisyonlarının birlikte ele alınmasını gerektiren önemli işletme sorunları oluşturmaktadır. Bu tez, çoklu enerji sistemi içinde bir elektrikli araç otoparkının karbon odaklı işletimi için, modelsiz pekiştirmeli öğrenmeyi (PÖ), model tabanlı iki aşamalı bir optimizasyon stratejisiyle bütünleştiren hibrit bir karar verme çerçevesi sunmaktadır. Varış/ayrılış zamanları ile başlangıç şarj durumu değerlerini içeren gerçek otopark verileri, 24 saatlik bir dönem boyunca 15 dakikalık çözünürlükte modellenmiştir. Bir Derin Q-Ağı ajanı; şarj durumu, ayrılışa kalan süre, araç sayısı, fiyat sinyali ve şebeke yük göstergesi verilerine dayanarak ayrık şarj eylemleri seçmek üzere eğitilmiştir. Elde edilen politika yapılandırılmış bir veri kümesi biçiminde dışa aktarılır. GAMS ortamında iki aşamalı doğrusal bir model geliştirilmiştir. 1. aşama, temel şebeke yükünü ve elektrikli araç şarjı için kullanılabilir kalan şebeke kapasitesi değerini hesaplamakta; 2. aşama ise bu kapasite içinde enerji maliyeti, güç kapasitesi sınırları, karbon bütçesi ve çoklu enerji sistem işletimi kısıtları altında şarjı planlamaktadır. PÖ'nün önerileri, sapma değişkenleri ve ayarlanabilir ceza katsayısı λ_RL içeren“yumuşak izleme”ile optimizasyon modeline bağlanmıştır. Böylece fizibilite sağlanırken öğrenilmiş davranışa yakınlık korunmaktadır. Çoklu enerji esnekliği, emisyon uyumluluğunu desteklemek amacıyla indirgenmiş Güçten Gaza ve Karbon Yakalama ve Depolama modelleriyle temsil edilmektedir. Sonuçlar, ham şarj profilinin toplam kapasite kısıtlarını ihlal edebildiğini; buna karşılık optimizasyon katmanının fizibiliteyi geri kazandırdığını, karbon kısıtlamalarını uyguladığını ve elektrikli araç şarjını çoklu enerji kaynaklarıyla koordine ettiğini göstermektedir. Duyarlılık analizi; optimizasyon-baskın, geçiş ve PÖ- takipli rejimleri göstermektedir. Bu tez genel olarak, PÖ'nün veriye dayalı bir davranışsal öncül olarak etkili olduğunu; iki aşamalı optimizasyonun ise pratik elektrikli araç otoparkı enerji yönetimi için gerekli fizibilite, karbon uyumluluğu ve operasyonel koordinasyonu sağladığını göstermektedir.
Özet (Çeviri)
The rapid growth of electric vehicles (EVs) is placing operational stress on distribution networks, where peak demand, charging cost, and carbon emissions are increasingly coupled concerns. This thesis presents a hybrid framework integrating model-free reinforcement learning (RL) with model-based two-stage optimization for carbon-aware operation of an EV parking lot embedded in a multi-energy system. Real-world parking lot data with arrival and departure times and initial state-of-charge (SoC) values are modeled at 15-minute resolution over a 24-hour horizon. A Deep Q-Network (DQN) agent is trained to choose discrete charging actions from SoC, time-to-departure, presence, a price signal, and a grid-load indicator. The trained policy generates a charging profile exported as a dataset (RLdata) for behavioral reference. In the optimization layer, a two-stage linear model is implemented in GAMS. Stage 1 computes the baseline grid load and the resulting headroom available for EV charging, while Stage 2 schedules EV charging within that headroom subject to energy cost, power-capacity limits, a carbon budget, and multi-energy operation. RL recommendations are coupled through a soft-tracking formulation with deviation variables and a tunable penalty coefficient, λ_RL, which preserves learned behavior when feasible and corrects it when constraints require. Multi-energy flexibility is represented through reduced-form Power-to-Gas (P2G) and Carbon Capture and Storage (CCS) models to facilitate emission compliance. The results show that the raw RL charging profile may violate aggregate headroom constraints, whereas the optimization layer restores feasibility, enforces carbon limits, and coordinates EV charging with multi-energy resources. The λ_RL sensitivity analysis identifies optimization-dominated, transitional, and RL-following operating regimes. Overall, the thesis shows that RL is effective as a data-driven behavioral prior, while two-stage optimization provides feasibility, carbon compliance, and operational coordination for practical EV parking-lot energy management.
Benzer Tezler
- Li-O2 pil laboratuvar AR-GE çalışmalarının çevresel etkisi ve optimizasyonu
Environmental impact and optimisation of Li-O2 battery laboratory R&D studies
NİSAN NASIF
Yüksek Lisans
Türkçe
2024
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHSEN AKBULUT ULUDAĞ
- Elektrikli araç şarj istasyonlarının konum ve şarj zamanı açısından optimizasyonu
Optimization of electric vehicle charging stations in terms of location and charging time
ACHMET MOLLA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM GÜRSU TEKDEMİR
- Hava koşullarını dikkate alan dron eşlikli son adım teslimat modeli
Drone-assisted last mile delivery model considering weather conditions
ÖZLEM GÜREL
Doktora
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN
- Bir otomotiv fabrikasında baca gazı arıtım ekipmanının crıtıc ve multımoora metodları ile belirlenmesi
Selection of flue gas treatment equipment in an automotive factory using the critic and multimoora methods
SERKAN ERDOĞAN
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPARSLAN SERHAT DEMİR
- Elektrikli araç şarj altyapısı tasarımı ve akıllı şarj sisteminin geliştirilmesi
Design, modeling and application of electric vehicle charging infrastructure including smart charging management
BÜNYAMİN YAĞCITEKİN
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET UZUNOĞLU