Hibrit yapay sinir ağları-genetik algoritma modeli kullanarak süperkapasitörlerin enerji yoğunluğunun optimize edilmesi

Enerji depolama sistemleri artan enerji ihtiyacını karşılamak ve fosil kaynaklara olan bağlılığı azaltmak için gereklidir. Yenilenebilir enerji sistemleri ve elektrikli araçlar için uzun süreli enerji tedarik imkânı sunması açısından ilgi çekici sistemlerdir. Süperkapasitörler, çok uzun çevrim ömrü, hızlı şarj/deşarj döngüsü ve güç yoğunluğu gibi benzersiz özelliklerinden dolayı enerji depolamaya elverişli sistemlerdir, ancak enerji yoğunlukları düşüktür. Güç yoğunluğunu sabit tutarken enerji yoğunluğunu arttırmak süperkapasitör için temel hedeftir. Bu çalışmada, süperkapasitörlerin kapasitansını artırmak için hibrit Yapay Sinir Ağı-Genetik Algoritma modeli kullanılmıştır. Süperkapasitör kapasitansını tahmin etmek için deneysel çalışmalardan toplanan veriyi kullanarak çeşitli veri ön işleme, özellik seçimi ve makine öğrenmesi algoritmaları kullanılmıştır. Yapay sinir ağlarının süperkapasitörlerin fiziksel ve çalışma şartları ile ilgili doğrusal olmayan ilişkileri yakalamak için güçlü bir yöntem olduğu gözlemlenmiştir. Genetik algoritma, optimal çözüm için arama uzayını inceleyen etkileyici bir yöntemdir. Eğitilmiş sinir ağı modeli, uygulanabilir limitler içinde optimum kapasitans elde etmek için genetik algoritmanın uygunluk fonksiyonu olarak kullanılmıştır. Seçme, çaprazlama ve mutasyon gibi genetik algoritma prosedürleri arama uzayını artırmak için uygulanmıştır. Bu çalışma, kapasitansı iyileştirmek için bir optimizasyon aracı olarak hibrit sinir ağı-genetik algoritması kullanarak süperkapasitörlerin rasyonel tasarımını önermiştir. Sonuçlar, literatür taramasına göre optimum çözümün mümkün olduğunu göstermektedir.