Battery State of Health (SOH) Prediction Using Machine Learning (Makine Öğrenmesi ile Batarya Sağlık Durumu Tahmini)

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Makine Fakültesi, Makine Müh.Bölümü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: Kıray GÜNER

Danışman: Meral Bayraktar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, çeşitli makine öğrenimi teknikleri kullanarak Li-On akülerin sağlık durumunun (SOH) tahminini araştırmaktadır. Bir akünün SOH'u, kalan kapasitesini ve performansını gösteren kritik bir parametredir. Doğru SOH tahmini, akü kullanımını, performansını ve yönetimini optimize etmek için önemlidir. Tez, akü, akü yaşlanması, makine öğrenimi ve SOH tahmin yöntemlerinin kapsamlı bir incelemesi ile başlamaktadır. Bu inceleme, yürütülen araştırmanın temelini oluşturmaktadır. Araştırmada 2 farklı veri kümesi kullanılmıştır. Bunlardan biri çevrimiçi olarak sunulan NASA batarya veri setidir. Diğeri ise laboratuvarlarımızda toplanan verilerdir. Bu veriler işlenmiş ve kullanım için normalize edilmiştir. Bu çalışmada kullanılan tüm verilerin laboratuvar ortamında toplandığını ve gerçek dünya verilerini tam olarak yansıtmayabileceğini unutmamak önemlidir. Gerçek dünya kullanımına daha uygun modelleri eğitmek için daha geniş veri kümeleriyle daha fazla çalışma yapılması gerekebilir. Tezde altı farklı algoritma kullanılmıştır. Bunlar doğrusal regresyon, karar ağacı, rastgele orman, ileri beslemeli sinir ağı, tekrarlayan sinir ağı ve uzun-kısa vadeli bellektir. Bu algoritmaların performansı ortalama mutlak hata, ortalama karekök ve r-kare metrikleri kullanılarak değerlendirilmiştir. Değerlendirilen modeller, SOH tahmininde kullanılmak üzere en uygun modeli belirlemek için karşılaştırılmıştır. Sonuçlar, makine öğrenimi tekniklerinin akü SOH'sini doğru bir şekilde tahmin edebildiğini göstermektedir. Böylece, makine öğrenimi yöntemleri SOH tahmini için geleneksel yöntemlere alternatif olabilir. Genel olarak, bu tez akü bakımı ve yönetimi alanına katkıda bulunmaktadır. Bu çalışmada kullanılan modeller, doğru SOH tahmini için büyük potansiyel göstermektedir. Daha fazla araştırma ve doğrulama ile bu, akülerin kullanıldığı birçok alanı büyük ölçüde etkileyecektir.