Ahmet Kubilay Atalay

Bu çalışmanın amacı, PMSM (Permanent Magnet Synchronous Motor) tabanlı hibrit bir deniz enerji sisteminin sürdürülebilir denizcilik açısından teknik, çevresel ve ekonomik performansını değerlendirmektir. Denizcilik sektöründe artan enerji talebi, yakıt maliyetleri ve karbon emisyonlarının azaltılmasına yönelik uluslararası düzenlemeler, alternatif enerji sistemlerine olan ilgiyi artırmıştır. Bu kapsamda çalışmada, 9 m uzunluğunda hibrit tahrik sistemine sahip bir motor yat için LiFePO4 batarya, dizel jeneratör ve Enerji Yönetim Sistemi (EYS) bileşenlerinden oluşan hibrit enerji mimarisi ele alınmıştır. Araştırmada nicel modelleme ve simülasyon yaklaşımı benimsenmiştir. Hibrit sistem açık kaynaklı GNU Octave sayısal hesaplama ortamında, farklı çalışma senaryoları altında analiz edilmiştir. Sistem performansı; elektriksel yük profili, enerji tüketimi, batarya şarj durumu (SOC), enerji akışı, sistem verimliliği ve yakıt tüketimi açısından değerlendirilmiştir. Ayrıca seyir, liman, demirleme ve maksimum yük koşullarını temsil eden operasyon senaryoları kullanılarak sistem davranışı incelenmiştir. Elde edilen bulgular, hibrit enerji sisteminin geleneksel dizel tabanlı sistemlere kıyasla önemli avantajlar sağladığını göstermektedir. Analiz sonuçlarına göre sistem yaklaşık %30,95 oranında yakıt tasarrufu sağlamakta, yıllık karbon emisyonlarını önemli ölçüde azaltmakta ve enerji kaynaklarının daha verimli kullanılmasına olanak vermektedir. EYS algoritmasının enerji kaynakları arasındaki güç paylaşımını optimize ettiği ve batarya kullanımını etkin şekilde yönettiği belirlenmiştir. Sonuç olarak, PMSM tabanlı hibrit enerji sistemlerinin enerji verimliliği, emisyon azaltımı ve ekonomik sürdürülebilirlik açısından önemli avantajlar sunduğu belirlenmiştir. Elde edilen sonuçlar, hibrit deniz enerji sistemlerinin sürdürülebilir denizcilik uygulamalarında uygulanabilir ve etkili bir çözüm olduğunu ortaya koymaktadır.

Prismatic radial slots machined into the aluminum rotor disk of an eddy current brake (ECB) increase the convective cooling area, but their effect on steady-state temperature has not been quantified systematically. This paper presents a two-dimensional polar finite difference thermal model, coupled with a one-dimensional pin-fin shaft model through an iterative energy balance loop, to evaluate 12 slotted disks for an axial-flux ECB with double-sided excitation, eight poles, and a rated speed of 3000 min⁻¹. Four slot counts (N = 12, 24, 36, 48) and three bridge subdivisions (single, double, triple) are compared with a solid disk under the same 400 W Joule heat load, which the excitation current holds constant for every disk; the effect of the slots on the loss distribution is not modeled. The model predicts a solid disk peak temperature of 165.5 °C, which the best slotted configuration (48 slots, triple subdivision) reduces to 130.8 °C, a 34.7 °C (21.0%) reduction. Slot count is the dominant design variable: increasing N from 12 to 48 lowers the peak temperature by 21.9 °C (14.2%), while bridge subdivisions contribute only 0.6–1.4 °C. At N = 48, slot-wall convection carries 37.0% of the heat. These are numerical predictions; the ranking survives variations in the face convection, slot width and heat load, and of the slot-wall convection down to one third of its estimate.

Considering that renewable energy sources depend on environmental conditions, their integration in the electrical grid introduces some uncertainty into the power generation process. For this reason, accurate prediction of electrical energy generation from renewable sources has a vital impact on taking countermeasures against power outage and providing sustainability. Although there are numerous conventional but sophisticated approaches that can be utilized in energy forecasting, the simplicity of recently developed nature-inspired algorithms makes them an ideal option for prediction. In this study a bio-inspired algorithm, artificial neural network, is examined for the prediction of renewable electricity output of Middle East and North Africa countries. Electrical power consumption, energy intensity level of primary energy, GDP per unit of energy use and energy imports are used as input parameters of the artificial neural network and renewable electricity output is assigned as output parameter. The statistical data of world development indicators between 1990 and 2014 are processed. The proposed method provided accurate and reliable results in prediction.

The increasing demand for renewable energy sources attract attention of both researchers and governments. The countries support renewable energy and technologies developed for the efficient use of renewable energy. For this reason, the assessment and prediction of renewable energy consumption is vital for governments. Furthermore, associations put forward long-term and short-term targets for countries. Therefore, European Union (EU) members provide support schemes for promoting renewable energy consumption. In this study, renewable energy consumption in EU is predicted using artificial neural networks. The World Development indicators which are renewable electricity output, energy use generated from combustible renewables and waste, electricity production from oil, gas and coal sources, energy use generated from alternative and nuclear energy, electricity production from renewable sources excluding hydroelectric, energy imports, energy use, gross domestic product (GDP) and population are evaluated as independent variables using historical data from 1990 to 2015. The results indicate that artificial neural networks provides convenient results in energy demand forecasting as seen in similar studies of the literature.