Geri Dön

Adaptif sinirsel bulanık çıkarım sistemi ile elektrikli bir aracın batarya şarj durum tahmini

Determination of battery charge status of an electric vehicle with adaptive neuro-fuzzy inference system

PDF İndir

  1. Tez No: 606729
  2. Yazar: ÜMİT ÖZBALCI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL KILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Elektrikli Araç, Batarya Modelleme, Batarya Şarj Durumu, Adaptif Sinirsel Bulanık Çıkarım Sistemi, Electrical Vehicle, Battery Modelling, Battery State of Charge, Adaptive Neuro-Fuzzy Inference System
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Giderek artan yakıt maliyetleri ve fosil yakıtlı araçların emisyon problemi nedeniyle otomotiv sektörü büyük bir değişim döneminden geçmektedir. Bu nedenle otomotiv sektörü hibrit ve elektrikli otomobil üretimine yönelmiştir. Elektrikli araçların maliyet, maksimum hız düşüklüğü, maksimum menzil ve yüksek şarj süresi gibi dezavantajları ise henüz tam olarak çözüme kavuşturulmuş değildir. Lityum tabanlı bataryalar performans, dayanıklılık, güvenlik ve maliyet avantajları açısından ulaştırmada, mobil cihazlarda ve büyük ölçekli enerji depolarında kullanımları artmıştır. Lityum-iyon pil hücreleri sahip oldukları karakteristik özelliklerinden dolayı, doğrusal olmayan sistemlerdir. Bu nedenle bu bataryaların şarj durum tahmini için adaptif bir metodoloji kullanılması doğru bir yaklaşım olacaktır. Bu çalışmada adaptif yöntem olarak yapay sinir ağlarının ve bulanık çıkarım sistemlerinin karma bir birleşimi olan adaptif sinirsel bulanık çıkarım sistemi kullanılmıştır. Bu çalışmada, elektrikli bir araçta kullanılan lityum-iyon hücrelerden oluşan bir batarya paketinin şarj ve batarya hücrelerinin doluluk durumları MATLAB/Simulink ortamında modellenmiştir. Batarya modelinin şarj ve deşarj döngülerinden elde edilen gerilim ve şarj durumu değerleri arasındaki ilişki bulanık çıkarım sistemi için eğitim ve test verileri olarak kullanılmıştır. Batarya paketinin şarj durumu tahmini için MATLAB programında Neuro-Fuzzy Designer uygulaması kullanılarak eğitim verilerinden bulanık çıkarım sistemi oluşturulmuştur. Oluşturulan bu model ile adaptif sinirsel bulanık çıkarım sistemi metodu ile modellenen batarya paketinin batarya şarj durumu tahmini gerçekleştirilmiştir.

Özet (Çeviri)

The automotive sector is going through an extensive change due to increasing fuel costs and the emission problem of fossil fuel vehicles. For this reason, the automotive sector has focused on hybrid and electric car production. The disADGantages of electric vehicles such as cost, maximum speed, and range, high charging time have not been solved yet.In terms of performance, durability, safety and cost ADGantages, lithium-based batteries have increased their use in transportation, mobile devices and large-scale energy storage. Lithium-ion battery cells are nonlinear systems due to their characteristic features. Therefore, it would be an appropriate approach to use an adaptive methodology to estimate the charge status of these batteries. In this study, an adaptive neural fuzzy inference system, which is a mixed combination of artificial neural networks and fuzzy inference systems, is used as an adaptive method. In this study, the charging and charge status of a battery pack consisting of lithium-ion cells used in an electric vehicle is modeled in MATLAB / Simulink environment. The relationship between voltage and charge status values obtained from the charge and discharge cycles of the battery model was used as training and test data for the fuzzy inference system. For the estimation of the charge status of the battery pack, a fuzzy inference system was created by using the Neuro-Fuzzy Designer application in MATLAB program. With this model, the battery charge state estimation of the battery pack modeled by an adaptive neural fuzzy inference system method is realized.

Geri Dön