- Book学术

发布求助

文献互助智能选刊最新文献

Nicel Bilimler Dergisi Pub Date : 2022-11-29 DOI:10.51541/nicel.1117756

Büşra Keskin, Efnan ŞORA GÜNAL, Burak Urazel, Kemal Keski̇n

{"title":"ELEKTRİKLİ ARAÇ BATARYALARININ ŞARJ DURUMU TAHMİNİ İÇİN BİR MODEL","authors":"Büşra Keskin, Efnan ŞORA GÜNAL, Burak Urazel, Kemal Keski̇n","doi":"10.51541/nicel.1117756","DOIUrl":null,"url":null,"abstract":"Bataryaların şarj durumunun (ing. State of Charge SOC) doğru tahmini, yalnızca Elektrikli Araçlarda (ing. Electrical Vehicle - EV) değil, aynı zamanda Hibrit EV, İnsansız Hava Araçları (İHA) ve akıllı şebeke sistemlerinde yer alan batarya paketlerinin güvenilir çalışması için kritik öneme sahiptir. Bu çalışmada, elektrikli araç bataryalarının SOC değerini tahmin etmek için Torbalama-Rastgele Orman yaklaşımına dayalı bir model önerilmiştir. Önerilen yöntem ile bataryaya ait SOC değeri bataryanın anlık akım, gerilim ve sıcaklığı ile ilişkilendirilmiştir. Çalışmada BMW i3 aracının bataryasına ait gerçek sürüşlerde elde edilen 32067 adet veri kullanılmıştır. Önerilen yöntemin etkinliğini göstermek için sıklıkla kullanılan makine öğrenmesi yöntemlerinden Doğrusal Regresyon ve Destek Vektör Makinesi yaklaşımları ile de testler gerçekleştirilmiştir. Ortalama karekök hata (RMSE) ve ortalama mutlak hata (MAE) metriklerine dayanan deneysel sonuçlarının karşılaştırılması sonucunda, önerilen modelin RMSE ve MAE değerlerini düşürmede diğer yöntemlere göre daha üstün olduğu ortaya koyulmuştur.","PeriodicalId":382804,"journal":{"name":"Nicel Bilimler Dergisi","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Nicel Bilimler Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.51541/nicel.1117756","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

准确估算电池的充电状态（SOC）对于电池组的可靠运行至关重要，不仅在电动汽车（EV）中如此，在混合动力电动汽车、无人机（UAV）和智能电网系统中也是如此。本研究提出了一种基于 Bagging-Random Forest 方法的模型，用于估算电动汽车电池的 SOC 值。利用所提出的方法，电池的 SOC 值与电池的瞬时电流、电压和温度相关联。研究中使用了从宝马 i3 汽车电池实际行驶中获得的 32067 个数据。为了证明所提方法的有效性，还用线性回归和支持向量机方法进行了测试，这两种方法都是常用的机器学习方法。根据均方根误差（RMSE）和平均绝对误差（MAE）指标对实验结果进行比较后发现，在降低 RMSE 和 MAE 值方面，所提出的模型优于其他方法。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

ELEKTRİKLİ ARAÇ BATARYALARININ ŞARJ DURUMU TAHMİNİ İÇİN BİR MODEL

Bataryaların şarj durumunun (ing. State of Charge SOC) doğru tahmini, yalnızca Elektrikli Araçlarda (ing. Electrical Vehicle - EV) değil, aynı zamanda Hibrit EV, İnsansız Hava Araçları (İHA) ve akıllı şebeke sistemlerinde yer alan batarya paketlerinin güvenilir çalışması için kritik öneme sahiptir. Bu çalışmada, elektrikli araç bataryalarının SOC değerini tahmin etmek için Torbalama-Rastgele Orman yaklaşımına dayalı bir model önerilmiştir. Önerilen yöntem ile bataryaya ait SOC değeri bataryanın anlık akım, gerilim ve sıcaklığı ile ilişkilendirilmiştir. Çalışmada BMW i3 aracının bataryasına ait gerçek sürüşlerde elde edilen 32067 adet veri kullanılmıştır. Önerilen yöntemin etkinliğini göstermek için sıklıkla kullanılan makine öğrenmesi yöntemlerinden Doğrusal Regresyon ve Destek Vektör Makinesi yaklaşımları ile de testler gerçekleştirilmiştir. Ortalama karekök hata (RMSE) ve ortalama mutlak hata (MAE) metriklerine dayanan deneysel sonuçlarının karşılaştırılması sonucunda, önerilen modelin RMSE ve MAE değerlerini düşürmede diğer yöntemlere göre daha üstün olduğu ortaya koyulmuştur.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Nicel Bilimler Dergisi

自引率

0.00%

发文量