Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: MERVE YENİOĞLU
Asıl Danışman (Eş Danışmanlı Tezler İçin): Engin Ayçiçek
Eş Danışman: Ozan Erdinç
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Bu yüksek lisans tezi çalışması, yüksek enerji yoğunluğu, hızlı şarj özellikleri ve uzun çevrim ömrü avantajları sebebiyle elektrikli araçlarda sıkça kullanılan lityum iyon bataryalarda kalan faydalı ömür (KFÖ) tahmini için makine öğrenmesi yaklaşımlarının uygulanmasını ve bu yaklaşımların geliştirilmesini amaçlamaktadır. Tez, lityum iyon bataryaların kalan faydalı ömrü tahmininde etkili dahili ve harici parametreleri, kalan faydalı ömür tahmininde sık kullanılan yöntemleri, literatürde yeterince ele alınmayan çalışmaları ve NASA lityum iyon batarya bozunum test verilerinin toplanması ve işlenmesini içerir. Bu veriler üzerinde rastgele orman regresyonu (ROR), ileri seviye gradyan yükseltici regresyon (İSGYR), K- en yakın komşu regresyon (KEYKR) gibi makine öğrenmesi yöntemleri kullanılarak kalan faydalı ömür tahminleme modeli oluşturulur. Oluşturulan model, deneysel veri setinden karmaşık ilişkileri öğrenerek kalan faydalı ömür değerini tahmin eder. Önerilen modelin performansı ve doğruluğu, ortak mutlak hata ve determinasyon katsayısı değerleri ile değerlendirilir ve kontrolü yapılır. Yapılan tahminlemelerdeki sonuçlar ve bulgular, makine öğrenmesi tabanlı yaklaşımın lityum iyon batarya kalan faydalı ömür tahmininde etkinliğini göstermektedir. Lityum iyon batarya kalan faydalı ömür değerlerinin doğru tahminleri, kalan faydalı ömür tahmininde etkili harici ve dahili parametreler hakkında değerli bilgiler sağlayarak, batarya teknolojisi üzerine yapılan çalışmalara, bu konudaki karar vericilere ve düzenleyicilere olası riskleri önceden tahmin edip bilinçli kararlar vermelerinde yardımcı olmaktadır.