Batarya enerji depolama sistemlerinde verimin artırılması için yeni bir yaklaşım geliştirilmesi

Abstract

Batarya tabanlı enerji depolama birimleri birçok teknolojik alanda kullanılmaktadır. Özellikle, enerji depolama ünitelerinin temel bileşenleri olan bataryalar ve elektrokimyasal batarya hücreleri üzerinde yapılan çalışmalar çok farklı alanlara yayılmaktadır. Bu tez çalışmasında, bataryalar için elektriksel eşdeğer devre modelleri (EEDM) araştırılmıştır. Üzerinde çalışılan probleme uygun olduğu için Thevenin EEDM seçilmiştir. Sabit akım ve darbeli sabit akım profillerine ait veriler kullanılarak batarya hücreleri üzerinde parametre tahmini için; parçacık sürü optimizasyonu (PSO), yapay arı kolonisi (YAK) ve genetik algoritma (GA) kullanılarak yöntemler arasında karşılaştırma yapılmıştır. YAK'ın Thevenin EEDM'ye uygulanması yönünde literatüre katkı yapılmıştır. Hız, hata değerleri ve farklı istatistiksel yöntemler göz önüne alınarak yapılan parametre tahmini için YAK ve PSO'nun başarılı olduğu görülmüştür. Teze konu olan dinamik problem için GA'nın uygun başarı sağlamadığı görülmüştür. Parametre tahmininde iyi başarıyı sergileyen yöntemlerden bir tanesi seçilerek zaman kısıtının olduğu yerlerde enerji depolama birimleri için beş katmanlı yeni bir hızlı şarj profili önerilmiştir. Deneysel verilere ve üretici bilgi notundaki verilere göre; çok sürülü-PSO (ÇS-PSO) algoritması kullanılarak önerilen hızlı şarj yönteminde şarj edilebilen akım kapasitesinde, şarj süresinde ve enerji verimliliğinde iyileştirmeler elde edilmiştir. Şarj işlemleri sonrasında oluşan toparlanma etkisi her bir şarj katı geçişine gömülmüştür. Ayrıca, ÇS-PSO içerisindeki algoritma ağırlıkları hem dinamik hem de sabit kabul edilerek algoritma içinde öz karşılaştırma yapılmıştır. Dinamik ağırlıklara sahip algoritmanın daha iyi sonuç verdiği görülmüştür.

Battery-based energy storage units are used in many technological fields. Especially, studies on batteries and electrochemical battery cells, which are the fundamental components of energy storage units, spread to many different areas. In this thesis, electrical equivalent circuit models for batteries have been investigated. Thevenin EEDM has been chosen because it is suitable for the problem studied. Comparisons have been made between methods using particle swarm optimization (PSO), artificial bee colony (ABC) and genetic algorithm (GA) for parameter estimation on battery cells using data from constant current and pulsed constant current profiles. A contribution has been made to the literature for the application of ABC to Thevenin EEDM. ABC and PSO have been found to be successful for parameter estimation made by considering speed, error values and different statistical methods. It has been seen that GA does not provide suitable success for the dynamic problem which is the subject of the thesis. A new five-layer fast charge profile is proposed for energy storage units where there is a time constraint, by choosing one of the methods that show good success in parameter estimation. According to the experimental data and the data in the manufacturer's information note, improvements in the chargeable current capacity, charging time and energy efficiency have been revealed in the proposed fast charging method using CS-PSO. The recovery effect after charging processes is embedded in each charge stage transition. In addition, a self-comparison has been made within the algorithm by accepting the algorithm weights in the CS-PSO as both dynamic and fixed. It has been seen that the algorithm with dynamic weights gives better results.