Bataryaların kondisyonlarını izleyerek yapay sinir ağları ile batarya türü ve şarj durumu tahmini

Abstract

Bataryalar elektrik enerjisini elektrokimyasal enerjiye dönüştürerek depolayabilen ve istendiği anda depoladığı enerjiyi elektrik enerjisi olarak verebilen enerji depolama sistemleridir. Taşınabilir elektronik cihazların yaygınlaşması şarj edilebilir bataryaların yaygınlaşmasına ve batarya teknolojisinin gelişmesine yol açmıştır. Bu nedenle bataryalar günlük hayatın vazgeçilmezleri haline gelmiştir. Bu çalışmada şarj edilebilir bataryaların gerçek zamanlı olarak kondisyonları izlenerek yapay sinir ağları ile şarj durumu ve tür tahmini yapılmaktadır. Batarya hücreleri üzerinde elektriksel ölçüm deneyleri yapmak için bir ölçüm düzeneği ve ölçülen verileri analiz etmek, bataryaların kondisyonlarını izlemek için bir kullanıcı arayüzü geliştirilmiştir. Çalışmada beş farklı batarya türünden güç değerleri birbirine denk bataryalar üzerinde deneysel çalışmalar yapılmıştır. İleri beslemeli yapay sinir ağı, kademeli bağlantılı yapay sinir ağı ve radyal tabanlı ağların batarya türü ve batarya şarj durumu tahmin edilerek ağların performansları karşılaştırılmıştır. Yapay sinir ağları ile batarya kondisyon izleme, batarya türü ve batarya şarj durumu belirlemede başarılı sonuçlar elde edilmiştir. Kullanılan yöntemler arasında batarya türü belirlemede ileri beslemeli yapay sinir ağı, batarya şarj durumu belirlemede kademeli bağlantılı yapay sinir ağının daha başarılı sonuçlar verdiği görülmüştür. Bu ölçüm düzeneği ve yazılım ile bataryaların gerçek zamanlı olarak da kondisyonları izlenebilir, türleri ve şarj durumları tahmin edilebilir.Geliştirilen yapay sinir ağı modelleri gömülü sistemlerde kullanılarak prototip sistem tasarımı yapılabilir.

The batteries are capable of storing electrical energy by converting it to electrochemical energy. This electrochemical energy can be converted to electrical energy when desired. The popularization of portable electronic devices caused the development the spread of rechargeable batteries and battery technology. Battery has been indispensable to our lives. In this study real time condition monitoring, estimating the type and state of charge of rechargeable batteries are done. A test stand to make electrical experiments on batteries, condition monitoring of batteries and a user interface software is designed to view and store test data. Electrical battery experiments are made on five types of rechargeable batteries. These batteries' power values are equivalent. Feed forward neural network, cascade correlation neural network, radial basis function neural network artificial intelligence techniques are used to estimate the type and state of charge of the batteries. Their performances are compared. The results verifies that the proposed methods have high accuracy. Feed forward neural network is the most successful method in determining type of the battery, cascade correlation neural network is the most successful method in estimating state of charge of the battery among other methods. The test stand and graphical user interface can be used for real time condition monitoring of batteries, determining the type and state of charge of the batteries. The artificial intelligence models can be embedded into digital control devices and prototype system design can be made.