Lityum iyon bataryalarda sağlık durumununmakine öğrenmesi ile kestirimi
Estimation of health status in lithium-ion batteries by machine
- Tez No: 762872
- Danışmanlar: DR. ÖĞR. ÜYESİ İDRİS SANCAKTAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: K-En Yakın Komşu Algoritması, Lityum iyon pil, Makine öğrenmesi, Rastgele ormanlar, K-Nearest Neighbor Algorithm, Lithium ion battery, Machine learning, Random forests
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalıĢmada batarya sağlık durumunun belirlenmesi için makine öğrenmesi yöntemi kullanılmıĢtır. Bu amaçla bataryanın deĢarj olması esnasında elde edilen akım, kapasite azalması, gerilim gibi değerler kullanılmıĢtır. Literatürdeki diğer yöntemlerden farklı olarak, deĢarj gerilim grafiğindeki diz-dirsek noktaları belirlenerek gerilimdeki değiĢimler daha ayrıntılı olarak dikkate alınmıĢtır. Belirlenen giriĢ verileri kullanılarak batarya sağlık durumunun belirlenebilmesi için k-En Yakın KomĢu yöntemi ve Rastgele Orman Regresyon yöntemi olmak üzere iki farklı makine öğrenmesi algoritması oluĢturulmuĢtur. GerçekleĢtirilen sağlık durumu belirleme yazılımı için PYHTON dili kullanılmıĢtır. Batarya sağlık durumunun belirlenmesi için kullanılan yöntemlerin baĢarısı iki farklı senaryo ile değerlendirilmiĢtir. Ġlk senaryo tüm batarya verilerinin karıĢık olarak değerlendirilip, tüm bataryalara ait verilerden oluĢan eğitim ve test verilerinin oluĢturulması ile gerçekleĢtirilmiĢtir. Diğer senaryo ise elde bulunan 12 bataryadan 11'ini eğitim verisini kalan 1 bataryanın ise test verisini oluĢturduğu durumdur. Burada 12 bataryanın her biri ayrı ayrı test verisi olarak değerlendirilmiĢtir.
Özet (Çeviri)
In this study, machine learning method was used to determine the battery health. For this purpose, values such as current, capacity decrease, voltage obtained during the discharge of the battery were used. Unlike other methods in the literature, the knee-elbow points in the discharge voltage graph are determined and the changes in voltage are taken into account in more detail. Two different machine learning algorithms, namely the k-Nearest Neighbor method and the Random Forest Regression method, were used in order to determine the battery health status by using the specified input data. PYHTON was used for the implemented health status determination software. The success of the methods used to determine the battery health status was evaluated with two different scenarios. The first scenario was carried out by evaluating all battery data in a mixed manner and creating training and test data consisting of data for all batteries. The other scenario is where 11 of the 12 batteries are the training data and the remaining 1 battery is the test data. Here, each of the 12 batteries is evaluated separately as test data.
Benzer Tezler
- Lityum iyon bataryaların makine öğrenimi yöntemleri ile sağlık durumu kestirimi
State of health estimation for lithium-ion batteries using machine learning methods
ÇETİN ORAL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- A novel method to estimate state of charge of li-based batteries
Lityum bazlı batarya hücrelerinin özgün bir yöntem ile şarj durumu tahmini
EYMEN İPEK
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT YILMAZ
- Elektrikli araç bataryalarının prognostik ve sağlık durumunun tahmini için makine öğrenmesine dayalı akıllı bir yöntemin geliştirilmesi
Development of an intelligent method based on machine learning for prognostic and state of health estimation of electric vehicle batteries
ORÇUN KARADENİZ
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN TİRYAKİ
- Lityum-iyon bataryalarda sağlık durumu kestirimi için model geliştirilmesi
Model development for state of health estimation in lithium-ion batteries
YASİN TAŞAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR BALIKÇI
- Lityum iyon batarya kapasitesinin genetik algoritma destekli yapay sinir ağı yöntemleri ile tahmini
Prediction of lithium-ion battery capacity with genetic algorithm-assisted artificial neural network methods
FATİH DURMUŞ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAP KARAGÖL