Lityum polimer batarya parametrelerinin derin öğrenme yöntemleri ile tahmini

Karbon salınımının artmasıyla sera gazı etkisi oluşarak iklim değişikliği, küresel ısınma gibi sorunlar ortaya çıkmaktadır. İçten yanmalı motorlara sahip araçlar ise havadaki karbon oranının artmasına sebep olan etmenler arasındadır. Küresel ısınmanın ve iklim değişikliğinin önüne geçmek amacıyla ulaşım, üretim, seyahat gibi alanlarda elektrikli araçların kullanımı önem kazanmıştır. Fakat batarya yönetim sisteminde önemli bir yere sahip olan başarılı, güvenilir ve hızlı batarya şarj durum tahmini ile elektrikli araçlar, hibrit elektrikli araçlar ve robotların daha sağlıklı bir şekilde kullanılması önemli bir konudur. Elektrikli araçların ve robotların kullanımının zaman içinde artmasıyla lityum tabanlı batarya parametrelerinin doğru bir şekilde belirlenmesi çok önem kazanmıştır. Bu çalışmada elektrikli araçlarda ve robotlarda kullanılan batarya şarj durum tahminini yapmak amacıyla literatürde yeterince çalışılmamış lityum polimer batarya veri seti hazırlanmıştır. Lityum polimer bataryaların akım, voltaj ve sıcaklık parametrelerini ölçerek veri kümesini elde etmek için yeni bir deneysel sistem oluşturulmuştur. Batarya şarj durum tahmini derin öğrenme yöntemleriyle başarılı bir şekilde yapılarak yeni yöntemler önerilmiştir. Evrişimsel sinir ağlarının yapısı değerlendirilerek, yığın boyutu ve gizli katman nöron sayısı gibi hiper parametrelerinin etkisi incelenerek önsezi elde edilmiştir. Önerilen yöntem, elektronik kartlarda yüksek işlem yükü gerektiren derin öğrenme modellerinin aksine, dört farklı yoğun katman nöron sayısı ve iki farklı yığın boyutu değerine göre belirlenerek dikkat çekici sonuçlar vermiştir. Başarılı tahminler yapabilmek için uygun parametreler belirlenirken optimize edici, öğrenme oranı, yoğun katman nöron sayısı ve yığın boyutu değerleri üzerinde deneyler yapılarak önerilen model elde edilmiştir. Ayrıca deneme-yanılma yöntemi ile optimizasyon yöntemi kullanılmasıyla hiper parametreler belirlenerek son teknoloji derin öğrenme yöntemleri ile çift yönlü uzun kısa süreli bellek yöntemlerinin performansı karşılaştırılmıştır. Bu modellerinin başarısı Ubuntu işletim sisteminde Python programlama dili kullanılarak bir bilgisayarda derin öğrenme eğitimi yapılmasıyla karşılaştırılmıştır. Önerilen yöntemlerin gerçek hayatta başarı ile uygulanacağı düşünülmektedir.