Akademik Veri Yönetim Sistemi
Ekici Y. E. (Yürütücü), Yetiş Günay H.
Diğer Resmi Kurumlarca Desteklenen Proje, 2025 - 2025
Günümüzde
ulaşım sektöründe yaşanan dönüşüm, sürdürülebilir enerji kullanımı ve karbon
salınımının azaltılması hedefleri doğrultusunda elektrikli taşıt
teknolojilerinin hızla gelişmesine neden olmuştur. Bu dönüşümün en önemli
parçalarından biri olan elektrikli otobüsler, şehir içi toplu taşıma
sistemlerinde çevreci, sessiz ve ekonomik bir çözüm olarak öne çıkmaktadır.
Ancak, batarya kapasitesinin sınırlı olması, enerji tüketiminin yüksek
seyretmesi ve menzil kısıtları, elektrikli otobüslerin yaygın kullanımının
önündeki temel engeller arasında yer almaktadır. Bu bağlamda, enerji
tüketiminin optimize edilmesi ve menzil artışının sağlanması, elektrikli
otobüslerin operasyonel verimliliğini doğrudan etkileyen kritik bir mühendislik
problemidir.
Bu
proje, “Developped Honey Badger Algorithm (DHBA)” adı verilen yeni nesil bir
yapay zekâ tabanlı optimizasyon algoritmasının elektrikli otobüslerin enerji
yönetim sistemine entegre edilmesini amaçlamaktadır. DHBA algoritması, hibrit
bir yaklaşım sergileyerek hem klasik optimizasyon yöntemlerinin deterministik
yapısını hem de yapay zekâ tekniklerinin adaptif öğrenme kabiliyetini
birleştirmektedir. Algoritma; hız profili, güzergâh eğimi, trafik yoğunluğu,
yol koşulları, sürücü davranışları ve batarya sıcaklığı gibi çok değişkenli
parametreleri gerçek zamanlı olarak analiz ederek, aracın enerji tüketimini
minimize etmeyi hedeflemektedir.
Projede
geliştirilen model, elektrikli otobüslerde kullanılan güç elektronik devreleri,
batarya yönetim sistemi (BMS) ve rejeneratif frenleme mekanizmasıyla
etkileşimli biçimde çalışacak şekilde tasarlanmıştır. DHBA algoritması, bu
sistemlerden elde edilen anlık verileri kullanarak enerji dağılımını dinamik
olarak optimize eder. Özellikle yokuş çıkışlarında güç aktarımını dengelerken,
yokuş inişlerinde rejeneratif enerji geri kazanımını maksimum düzeye çıkarır.
Böylece enerji kayıpları minimize edilirken, batarya ömrü ve menzil performansı
önemli ölçüde artırılır.
Projede
ayrıca, farklı sürüş senaryoları ve güzergâh koşulları için MATLAB/Simulink
ortamında simülasyon çalışmaları yürütülmüştür. Simülasyon sonuçları, DHBA
algoritmasının klasik enerji yönetim yaklaşımlarına göre ortalama %12–18
oranında daha düşük enerji tüketimi sağladığını ve menzili %10’a kadar
artırdığını göstermiştir. Bunun yanı sıra, algoritmanın dinamik öğrenme
yeteneği sayesinde değişken trafik ve çevre koşullarına adaptasyon süresi
geleneksel yöntemlere göre %35 daha hızlı gerçekleşmiştir.
Saha
uygulaması kapsamında Malatya Trambüs Projesi örnek alınarak gerçek güzergâh verileriyle
algoritmanın doğrulaması yapılmıştır. Toplanan GPS, hız ve enerji tüketimi
verileri DHBA modeliyle karşılaştırılmış ve optimizasyon başarımı deneysel
olarak kanıtlanmıştır. Ayrıca, geliştirilen yapay zekâ sistemi bulut tabanlı
bir kontrol merkeziyle entegre edilerek, otobüslerin enerji performansının filo
düzeyinde izlenebilmesi sağlanmıştır.