Genetik algoritma ve parçacık sürü optimizasyonu yöntemleriyle optimum konumu belirlenen elektrikli araç şarj istasyonlarının simülasyon ile kapasitesinin planlaması
Planning of simulation capacity of electric vehicle charging stations with optimum location determined by genetic algorithm and particle swarm optimization methods
- Tez No: 653752
- Danışmanlar: DOÇ. DR. GÖKAY AKKAYA
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Elektrikli araç pazarının hızla gelişmesiyle birlikte, şarj tesislerine olan talep hızla artmaktadır. Elektrikli araç kullanımı, karbondioksit (CO2) emisyonu, hava kirliliği ve yükselen fosil yakıt fiyatları gibi sürdürebilirlik sorunları açısından umut verici gelişmeler sağlamaktadır. Bu gelişmeler doğrultusunda elekrikli araçların şarj edilebilmesi için şarj istasyonlarına ihtiyaç duyulmaktadr. Bu araştırma, açılacak şarj istasyonlarının konumunun bulunmasını ve şarj etme davranışını, şarj istasyonu kullanım oranını optimize etmeyi amaçlamaktadır. Yöntem: Araştırmanın üzerine kurulduğu yapı şu şekildedir, önce elektrikli şarj istasyonları için potansiyel şarj noktaları belirlenmiştir. Bu noktaların konumu belirlenirken kamuya ait olmasına dikkat edilmiştir. Şarj sürelerinin belirlenmesi noktasında elde edilebilecek yeterli veri olmadığından istasyonlardaki şarj etme davranışları ve süreleri varsayım olarak ele alınmıştır. Bu sorunları en aza indirmek için şarj istasyonlarının kapasitesiteleri ve şarj etme süreleri çeşitli senaryolar oluşturularak simülasyon yardımıyla tahmin edilmeye çalışılmıştır. Bu araştırma, Erzurum, Aziziye ilçesi Dadaşkent semtinde 1000'den fazla talep noktası baz alınarak oluşturulan veri tabanına dayanmaktadır. Bulgular: Şarj istasyonlarının konumlarının belirlenmesi için p-medyan tesis yeri seçim probleminin çözümü üzerinde durulmuştur. NP-zor kombinatoryal optimizasyon problemlere giren p-medyan probleminin çözümü için genetik algoritma ve parçacık sürü optimizasyonu algoritması kullanılmıştır. Ayrıca elde edilen sonuçlar birbirleriyle karşılaştırılmıştır. Sonuç: Elektrikli araç şarj istasyonlarının açılacağı konumlar ve bu konumlarda ki istasyonların kapasiteleri bulunmuştur.
Özet (Çeviri)
Purpose: With the rapid development of the electric vehicle market, the demand for charging facilities is increasing rapidly. Electric vehicle use provides promising developments in terms of sustainability issues such as carbon dioxide (CO2) emissions, air pollution and rising fossil fuel prices. In line with these developments, charging stations are needed to charge electric vehicles. This research aims to find the location of the charging stations to be opened and to optimize the charging behavior and the rate of charging station usage. Method: The structure on which the research was built is as follows, first, potential charging points for electric charging stations were determined. While determining the location of these points, attention was paid to the fact that they belong to the public. Since there is not enough data to be obtained at the point of determining the charging times, the charging behavior and times in the stations are considered as an assumption. In order to minimize these problems, the capacities and charging times of the charging stations were created in various scenarios and tried to be estimated with the help of simulation. This research is based on a database created on the basis of more than 1000 demand points in Erzurum, Aziziye district, Dadaşkent district. Finding: In order to determine the locations of charging stations, solution of p-median facility location problem is emphasized. Genetic algorithm and particle swarm optimization algorithm were used to solve the p-median problem, which is involved in NP-hard combinatorial optimization problems. In addition, the results obtained were compared with each other. Result: The locations where electric vehicle charging stations will be opened and the capacities of the stations in these locations have been found.
Benzer Tezler
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Extending current techniques for electrical layout optimization of onshore wind farms considering 3d model of the terrain
Kara tipi rüzgar enerjisi santrallarının 3 boyutlu arazi modeli kullanarak elektrik tek hat optimizasyonu
KAAN DEVECİ
Yüksek Lisans
İngilizce
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
DOÇ. DR. EMRE ALPMAN
- Yapay zeka yöntemiyle fren pedalının yapısal optimizasyonu
Structural optimization of the brake pedal by artificial intelligence
ÖZLEM AKÇAY
Yüksek Lisans
Türkçe
2024
Otomotiv MühendisliğiFırat ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
PROF. DR. CUMALİ İLKILIÇ
- Optimized and coordinated voltage regulation in electrical distribution systems with distributed generators
Dağıtık üretım birimlerine sahip elektrik dağıtım şebekelerinde en iyilenmiş ve eş güdümlü gerilim regülasyonu
VAHID ASGHARIAN
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ