Eşdeğer tüketim minimizasyon stratejisi ile hibrit elektrikli araçların enerji yönetimi

dc.contributor.authorGül, Merve Nur
dc.date.accessioned2024-08-07T13:28:32Z
dc.date.available2024-08-07T13:28:32Z
dc.date.issued2022
dc.date.submitted2022-09
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Makine Mühendisliği Anabilim Dalı
dc.description.abstractBu tezde, güç paylaşımlı bir hibrit elektrikli araç (HEA) için, Monte Carlo (MC) algoritmasına dayalı olarak tahmin edilen sürüş çevrimi hızlarını kullanan öngörülü eşdeğer tüketim minimizasyonu stratejisi (Ö-ETMS) önermektedir. Bu tezde, gelecekteki araç hızı tahmini için Markov zinciri ve Monte Carlo algoritması incelenmiştir. Önerilen Ö-ETMS, enerji kaynakları arasındaki güç dağılımını en iyi şekilde belirlemek için MC algoritması tarafından tahmin edilen hız profillerinden tam olarak yararlanmaktadır. Bu tezde; MC tabanlı Ö-ETMS metodunu doğrulamak için, New European Driving Cycle (NEDC), Worldwide Harmonised Light Vehicles Test Procedure (WLTP), Urban Dynamometer Driving Schedule (UDDS), Highway Fuel Economy Test (HWFET), New York City Cycle (NYCC), California Unified Cycle (LA-92) ve tüm döngülerin kombinasyonu (ALL-CYC) çevrimleri kullanılmış; toplam yedi tekrarlı sürüş döngüsü altında bir dizi simülasyon çalışması gerçekleştirilmiştir. MC tabanlı Ö-ETMS stratejisi, standart ETMS ile karşılaştırılmıştır. NEDC çevriminde %6,01, WLTP çevriminde %9,09, UDDS çevriminde %6,33, HWFET çevriminde %5,14, NYCC çevriminde %1,96, LA-92 çevriminde %11,47 ve ALL-CYC çevriminde %7,92 oranla yakıt tasarrufu elde edilmiştir. Bu makaledeki sonuçlar, önerilen stratejinin yaygın olarak kullanılan temel yönteme kıyasla, rekabetçi bir yakıt tasarrufu sağladığını ortaya koymaktadır.
dc.description.abstractThis thesis proposes a predictive equivalent consumption minimization (PECMS) strategy for a power-split hybrid electric vehicle (HEV) using predicted driving cycle speed based on Monte Carlo (MC) algorithm. In this thesis, the Markov chain and the Monte Carlo algorithm are examined for future vehicle speed estimation. The proposed P-ECMS fully takes advantage of the predicted speed profiles by the MC algorithm to optimally determine the power split among energy sources. In this thesis, to validate the workings of the MC-based P-ECMS scheme, a series of simulations under a total of seven replicated driving cycles including New European Driving Cycle (NEDC), Worldwide Harmonised Light Vehicles Test Procedure (WLTP), Urban Dynamometer Driving Schedule (UDDS), Highway Fuel Economy Test (HWFET), New York City Cycle (NYCC), California Unified Cycle (LA-92), and a combination of all (ALL-CYC) are conducted. The MC-based P-ECMS strategy is compared with a baseline ECMS in terms of fuel-saving, and fuel economy saving up to 6.01% under NEDC, 9.09% under WLTP, 6.33% under UDDS, 5.14% under HWFET, 1.96% under NYCC, 11.47% under LA-92, and 7.92% under ALL-CYC are achieved. The results in this article put forward that the proposed strategy delivers competitive fuel savings compared to the widely used baseline method.
dc.identifier.citationGül, M.N. Eşdeğer tüketim minimizasyon stratejisi ile hibrit elektrikli araçların enerji yönetimi, Tarsus Üniversitesi, 2022, (Yayınlanmamış Yüksek Lisans Tezi)
dc.identifier.urihttps://tez.yok.gov.tr/
dc.identifier.urihttps://hdl.handle.net/20.500.13099/352
dc.institutionauthorGül, Merve Nur
dc.institutionauthorCoşkun, Serdar
dc.language.isotr
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectHibrit Elektrikli Araç
dc.subjectEnerji Yönetimi
dc.subjectEşdeğer Tüketim Minimizasyon Stratejisi
dc.subjectHybrid Electric Vehicles
dc.subjectEnergy Management
dc.subjectEquivalent Consumption Minimization Strategy
dc.titleEşdeğer tüketim minimizasyon stratejisi ile hibrit elektrikli araçların enerji yönetimi
dc.title.alternativeEnergy management of hybrid electric vehicles with equivalent consumption minimization strategy
dc.typeMaster Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
769774.pdf
Boyut:
3.35 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tez Dosyası
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:

Koleksiyon