ELEKTRİKLİ ARAÇLAR İÇİN MENZİL TAHMİNİNE DAYALI ŞARJ PLANLAMA MODELİ
Tezin Türü: Bütünleşik Doktora
Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: HİLAL YILMAZ
Danışman: Betül Yağmahan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Menzil kaygısı sorunu (range anxiety) elektrikli araçlara (EA'lara) geçişi olumsuz yönde etkileyen en önemli faktörlerden biri olmaya devam etmektedir. Menzil kaygısını tetikleyen unsurlar arasında EA sürücülerinin kalan menzil göstergelerine yeterince güvenmemeleri gelmektedir. Bununla birlikte, EA sürücüsünün yolculuğun başında kalan menzil bilgisine göre rota üzerinde şarj için durması gereken yerleri bilmesinin de menzil kaygısını düşürme potansiyeli bulunmaktadır. Akıllı ulaşım teknolojileri sayesinde EA'ların sürücü bilgilendirme sistemleri gerçek-zamanlı verilere erişebilse de belirlenen rotanın koşulları dikkate alınarak menzil tahmini yapılmadığı sürece oluşturulan şarj planının menzil kaygısını azaltması beklenemez. Bu çalışmanın amacı, belirlenen bir rota için gerçek-zamanlı menzil tahminine dayalı şarj planı oluşturarak EA'nın minimum yolculuk süresi veya maliyeti için nerede ve ne kadar şarj olması gerektiğini belirlemektir. Menzil tahmini için, yolculuğa ait statik öznitelikler ve dinamik öznitelikleri girdi olarak alan derin sinirsel ağ (DSA) modeli kullanılmıştır. Şarj planlaması kapsamında, şarj istasyonlarında doğrusal olmayan şarj süresini, zaman dilimlerine bağlı değişen şarj fiyatlarını, uygunluklarını (dolu/boş bilgisi), araçtan şebekeye enerji satışı uygulamalarını (Vehicle to grid /V2G), birden fazla ve farklı güç seviyelerinde şarj ünitelerini dikkate alan karma tamsayılı doğrusal programlama modeli geliştirilmiştir. Ancak geliştirilen matematiksel programlama modelin çözüm elde etme süresi açısından yetersiz kalması nedeniyle çözüm yaklaşımı olarak genetik algoritma ve matematiksel programlama modelinin hibrit kullanımından oluşan mat-sezgisel bir yaklaşım önerilmiştir. 32 farklı büyüklükteki problem üzerinde yapılan test sonuçları, mat-sezgisel yaklaşımının hem minimum yolculuk süresi hem de minimum yolculuk maliyeti için genetik algoritma ve sezgisel yaklaşımlardan daha başarılı sonuçlar verdiğini göstermektedir.