@article{article_1112985, title={Batarya sağlık durumunun makine öğrenmesi ile kestirimi}, journal={Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi}, volume={11}, pages={601–610}, year={2022}, DOI={10.28948/ngumuh.1112985}, author={Çavuş, Emine and Sancaktar, İdris}, keywords={Battery health, k-Nearest neighbor method, Random forest method regression method}, abstract={Bu çalışmada batarya sağlık durumunun belirlenmesi için makine öğrenmesi yöntemi kullanılmıştır. Bu amaçla bataryanın deşarj olması esnasında elde edilen akım, kapasite azalması, gerilim gibi değerler kullanılmıştır. Literatürdeki diğer yöntemlerden farklı olarak, deşarj gerilim grafiğindeki diz-dirsek noktaları belirlenerek gerilimdeki değişimler daha ayrıntılı olarak dikkate alınmıştır. Belirlenen giriş verileri kullanılarak batarya sağlık durumunun belirlenebilmesi için k-En Yakın Komşu yöntemi ve Rastgele Orman Regresyon yöntemi olmak üzere iki farklı makine öğrenmesi algoritması oluşturulmuştur. Gerçekleştirilen sağlık durumu belirleme yazılımı için PYHTON dili kullanılmıştır. Batarya sağlık durumunun belirlenmesi için kullanılan yöntemlerin başarısı iki farklı senaryo ile değerlendirilmiştir. İlk senaryo tüm batarya verilerinin karışık olarak değerlendirilip, tüm bataryalara ait verilerden oluşan eğitim ve test verilerinin oluşturulması ile gerçekleştirilmiştir. Diğer senaryo ise elde bulunan 12 bataryadan 11’ini eğitim verisini kalan 1 bataryanın ise test verisini oluşturduğu durumdur. Burada 12 bataryanın her biri ayrı ayrı test verisi olarak değerlendirilmiştir.}, number={3}, publisher={Nigde Omer Halisdemir University}