Data-driven Energy Management for Fuel Cell Hybrid UAV based on Machine Learning and Multi-Objective Optimization. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF ilovepdf_merged (2).pdf Restricted to Repository staff only until 4 January 2025. Download (5MB)

Arabic Abstract

تواجه استراتيجيات إدارة الطاقة في تطبيقات الطائرات دون طيار الهجينة تحديات حرجة في بيئات متغيرة ديناميكيا. قامت الدراسات السابقة باستكشاف الكثير من هذه التقنيات، ولكنها واجهت تحد بالحاجة لكمية كبيرة من الحسابات بشكل مستمر. تعالج هذه الأطروحة هذه المشكلة من خلال اقتراح استراتيجيتين قابلتين للتكيف مع التغيرات الديناميكية، من خلال استغلال ميزات عدة طرق بشكل متداخل والتي تشمل استراتيجية الخلايا العصبية الصناعية واستراتيجية الاستدلال المبني على الحالة والعديد من تقنيات الذكاء الاصطناعي والطرق الاحصائية. تركز هذه الاطروحة بشكل رئيسي على تحسين تفاعل واستجابة خلايا الوقود المستخدمة في نظام الطاقة الهجين مع تغيرات الحمل الديناميكية دون الحاجة إلى حسابات معقدة. لإعداد البيانات المطلوبة للاستراتيجيات المقترحة، تم إنشاء سيناريوهات متنوعة لتوفير هذه البيانات باستخدام ثلاثة طرق مقترحة. يتم إدراج معاملات جديدة تتعلق باستجابة بعض مكونات نظام تزويد الطاقة الهجين ضمن القانون المستخدم لاستراتيجية تقليل الاستهلاك المكافئ، ليتم تحسينها فيما بعد بطرق معينة لتحسين الاستجابة مع مختلف الاحمال الديناميكية. يتم لاحقاً الاستفادة من هذه التحسينات مع البيانات التي تم توفيرها باستخدام الطرق الثلاث لتوفير البيانات بشكلها النهائي لكل من استراتيجية الخلايا العصبية الصناعية واستراتيجية الاستدلال المبني على الحالة. أظهر التتقييم العملي لهذه الطرق نتائج واعدة، حيث تحقق استهلاك الهيدروجين الأمثل مع الحفاظ على شحن البطارية عند النسبة المطلوبة. كما يسلط هذا التقييم لهذه الطرق بالمقارنة مع الاستراتيجيات الاخرى المستخدمة في أبحاث أخرى الضوء على قوة وكفاءة هذه الاستراتيجيات المقترحة في التعامل مع سيناريوهات الحمل الديناميكية التي لم تُشهَد من قبل. كما تقدم هذه الأطروحة رؤى في التوازن الدقيق بين التكيف مع تغيرات الحمل الديناميكية وتقليل الحسابات المطلوبة لذلك، في الطائرات دون طيار الهجينة، مما يفتح المجال للبحث الإضافي ويضع الطريق لتطورات بحثية جديدة.

English Abstract

The power supply system hybridization, by combining two or more power sources, is one of the best options to insure a large endurance for a drone. The power supply system structure choice is however crucial. Indeed, it depends not only on the power sources characteristics, but also on the drone mission requirements. In this context, an EMS is mandatory to optimally control the power splitting between the onboard power sources to achieve the targeted mission with high performance and high efficiency. An EMS typically includes current and voltage sensors to track the power flow, converters to control power sources outputs, and a processing unit handling the adopted power management strategy. Energy management strategies in drone applications face critical challenges in dynamically changing environments. Previous studies have explored online optimization techniques, but they end up with challenges in computational efficiency. This thesis addresses this research gap by proposing two highly adaptable energy management strategies. It proposes NN, multi-objective optimization, data mining, and CBR methods; emphasizing real-time adaptability to dynamic load profiles with low computational demands. To comprehensively prepare the required load data by the proposed strategies, diverse load profile scenarios are generated using three proposed methods: payload modulation, highly dynamics modulation, and smoothly dynamics modulation. Two different penalty factors related to battery SOC deviation and fuel cell power deviation form filtered load are introduced within the objective function of the ECM strategy to be optimized with NSGA method for each load scenario to enhance the dynamic response over different loading dynamics. For each load scenario with its corresponding optimized penalty factors, rigorous evaluations are conducted using the improved ECM. Then, these data are investigated once by NN and CBR. In practical scenarios, the proposed techniques demonstrate promising outcomes, achieving optimal hydrogen consumption while maintaining battery SOC within the desired range. Comparative analyses with existing strategies emphasize the robustness and efficiency of these proposed strategies in responding to dynamic load scenarios that have never been experienced. This thesis contributes valuable insights into the delicate balance between energy management adaptability and computational demands for hybrid drones, opening pathways for further research and setting the stage for new developments.

Item Type:	Thesis (Masters)
Subjects:	Systems Engineering Research > Engineering Aerospace Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al-Awami, Ali T.
Committee Co-Advisor:	Abido, Mohammad A.
Committee Members:	Ferik, Sami El and Fouad, Wael A. and Saleh, Haitham H.
Depositing User:	MOHAMMAD ALZYOD (g202103770)
Date Deposited:	07 Jan 2024 08:26
Last Modified:	07 Jan 2024 08:26
URI:	http://eprints.kfupm.edu.sa/id/eprint/142740