Adaptif ve genetik bulanık kontrol yöntemlerinin batarya-süperkondansatör hibrit enerji sistemleri enerji yönetiminde karşılaştırılması

Basit Öğe Kaydı
dc.contributor.advisorAydemir, Gürkan
dc.contributor.authorÇakır, Emre
dc.date.accessioned2026-02-08T15:48:28Z
dc.date.available2026-02-08T15:48:28Z
dc.date.issued2025
dc.departmentBTÜ, Lisansüstü Eğitim Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
dc.description.abstractElektrikli araçlarda kullanılan enerji depolama sistemlerinin performansı, araç menzilini, enerji verimliliğini ve batarya ömrünü etkilemektedir. Enerji depolama sistemlerinin başarımı kullanılan parçalar, sistem tasarımı gibi faktörlere bağlı olduğu kadar enerji yönetim stratejisine de bağlıdır. Bu tez çalışmasında, lityum-iyon batarya ve süperkondansatörlerin birlikte kullanıldığı hibrit enerji depolama sistemleri için uygun enerji yönetim stratejileri değerlendirilmiştir. Hibrit yapı, bataryaların yüksek enerji yoğunluğu ile süperkondansatörlerin yüksek güç yoğunluğunu bir araya getirerek, ani enerji taleplerine daha hızlı yanıt verilmesini ve batarya üzerindeki yükün azaltılmasını sağlamaktadır. Çalışma kapsamında geliştirilen MATLAB/Simulink tabanlı model aracılığıyla iki farklı kontrol algoritması incelenmiştir. Bu algoritmalar, Adaptif Bulanık Kontrol yöntemi ile Genetik Algoritma tabanlı Bulanık Kontrol yöntemidir. Her iki kontrol stratejisi, batarya ve süper kapasitör arasında enerji paylaşımını görev döngüsü üzerinden yöneterek enerji akışını optimize etmeyi amaçlamaktadır. Uygulanan kontrol yapılarının performansı, enerji verimliliği, batarya akımındaki dalgalanmalar, toplam maliyet değeri gibi ölçütler üzerinden değerlendirilmiştir. Geliştirilen modeller ve gerçekleştirilen analizler hem akademik çalışmalar hem de endüstriyel uygulamalar için yol gösterici niteliktedir. Kullanılan her iki kontrol yöntemi de pasif topolojideki kontrolsüz yönteme göre verimlilik artışı sağlamıştır. Adaptif ve Genetik bulanık algoritmaları karşılaştırıldığında ise genetik bulanık kontrol algoritmasının tüm başarım kriterlerinde daha iyi sonuç verdiği gözlemlenmiştir. Bataryanın bozulma maliyetini ve enerji verimliliği maliyetini birlikte değerlendiren toplam maliyet açısında genetik algoritma pasif bağlantıya göre %29,13 adaptif kontrole göre %24,45 daha iyi bir başarım sergilemiştir
dc.description.abstractThe performance of energy storage systems used in electric vehicles affects vehicle range, energy efficiency, and battery lifespan. The success of energy storage systems depends not only on factors such as the components used and system design, but also on the energy management strategy. In this thesis study, appropriate energy management strategies have been evaluated for hybrid energy storage systems in which lithium-ion batteries and supercapacitors are used together. The hybrid structure, combining the high energy density of batteries with the high-power density of supercapacitors, enables faster responses to sudden energy demands and reduces the load on the battery. Within the scope of the study, two different control algorithms were examined through the MATLAB/Simulink-based model developed. These algorithms are the Adaptive Fuzzy Control method and the Genetic Algorithm-based Fuzzy Control method. Both control strategies aim to optimize energy flow by managing energy sharing between the battery and the supercapacitor via the duty cycle. The performance of the applied control structures was evaluated based on criteria such as energy efficiency, fluctuations in battery current, and total cost value. The developed models and the analyses carried out serve as a guide for both academic studies and industrial applications. Both control methods provided an increase in efficiency compared to the uncontrolled method in passive topology. When the Adaptive and Genetic fuzzy algorithms were compared, it was observed that the Genetic Fuzzy Control algorithm gave better results in all performance criteria. In terms of total cost, which considers both the battery degradation cost and the energy efficiency cost together, the genetic algorithm showed 29.13% better performance compared to the passive connection, and 24.45% better performance compared to the adaptive control.
dc.identifier.endpage60
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=ftqJzTasnJUH9hg-S5861iMHmzOOdyHa0OrgTvL_qnR95w0ig_mYoHNbldVl-kch
dc.identifier.urihttps://hdl.handle.net/20.500.12885/6169
dc.identifier.yoktezid964203
dc.language.isotr
dc.publisherBursa Teknik Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20260207
dc.subjectElektrik ve Elektronik Mühendisliği
dc.subjectElectrical and Electronics Engineering
dc.titleAdaptif ve genetik bulanık kontrol yöntemlerinin batarya-süperkondansatör hibrit enerji sistemleri enerji yönetiminde karşılaştırılması
dc.title.alternativeComparison of adaptive and genetic fuzzy control methods in energy management of battery–supercapacitor hybrid energy systems
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu