LİTYUM-İYON PİL KAPASİTESİNİN TAHMİNİ İÇİN YAPAY SİNİR AĞLARININ SİNYAL İŞLEME YÖNTEMLERİ İLE UYGULANMASI VE KARŞILAŞTIRILMASI

Abstract

Lityum-iyon piller, elektrik enerjisini depolamak için kullanılan yüksek enerji yoğunluklu pil teknolojilerinden biri olarak bilinir. Alternatif batarya türleriyle karşılaştırıldığında hafiflik, gelişmiş güvenlik özellikleri ve yüksek voltaj çıkışı gibi önemli avantajlara sahiptirler. Ulaşım, iletişim, havacılık ve askeri savunma gibi çeşitli sektörlerde geniş uygulama alanları bulunmaktadır. Elektrikli araçların yaygınlaşması ve cep telefonları gibi pille çalışan cihazların kullanımının artmasıyla birlikte, yüksek kapasiteli ve kararlı lityum iyon pillere olan talep son zamanlarda artmaktadır. Sonuç olarak, batarya kapasitesinin durumunun değerlendirilmesinin potansiyel önemi artmaktadır. Lityum-iyon pillerde, şarj-deşarj döngüleri, aşırı şarj-deşarj ve yüksek akım gibi çeşitli faktörler pil ömrünün azalmasına neden olur. Lityum-iyon pillerin kapasitesi %80'in altına düştüğünde, pilin ömrünün sonuna geldiği ve artık verimli olmadığı kabul edilir. Takip edilmesi ve ilgili değerlerin etkin yöntemlerle tahmin edilmesi gerektiğinden, son çalışmalar bu konuya odaklanmıştır. Bu nedenle, bu çalışmada lityum-iyon pillerin kalan faydalı ömrünü tahmin etmek için Ampirik Dalgacık Dönüşümü (Emprical Wavelet Transform, EWT), Ampirik Mod Ayrıştırma (Emprical Mode Decomposition, EMD), Toplu Ampirik Mod Ayrıştırma (Ensemble Empirical Mode Decomposition, EEMD) ve Yapay Sinir Ağları (Artificial Neural Networks, ANN) ile birleştirilerek performansları karşılaştırmalı olarak incelenmiştir. Bu araştırma için NASA'nın B0005 bataryasına ait veri seti kullanılmıştır. Deşarj durumu sırasında toplanan voltaj, akım ve sıcaklık verileri kullanılmıştır. EWT, EEMD ve EMD sinyal işleme yöntemleri kullanılarak öznitelikler oluşturulduktan sonra ANN modeli algoritması ile tahmin işlemi gerçekleştirilmiştir. Farklı modellerin performansı Ortalama Karesel Hata (MSE), Ortalama Karesel Hatanın Kökü (RMSE) ve Ortalama Mutlak Yüzde Hata (MAPE) gibi yaygın ölçütler kullanılarak hesaplanmıştır. Modelin etkinliğini değerlendirmek için farklı yüzdelerde eğitim ve test verisi içeren 5 katlı çapraz doğrulama yaklaşımı kullanılmıştır. MATLAB kullanılarak yapılan çalışmada en başarılı sonuçlar 90 test verisi kullanıldığında EEMD, 100 test verisi kullanıldığında EMD ve 110 test verisi kullanıldığında EEMD yönteminden elde edilmiştir. Bu sonuçlar, önerilen modelin batarya kapasite değeri tahmini için iyi bir yol olabileceğini göstermektedir.