Gemilerde enerji verimliliğinde yapay sinir ağları uygulamaları
Gemilerde enerji verimliliğinde yapay sinir ağları uygulamaları
dc.contributor.advisor | Deniz, Cengiz | |
dc.contributor.author | Köse, Tolga | |
dc.contributor.authorID | 741176 | |
dc.contributor.department | Deniz Ulaştırma Mühendisliği Bilim Dalı | |
dc.date.accessioned | 2024-12-23T06:36:58Z | |
dc.date.available | 2024-12-23T06:36:58Z | |
dc.date.issued | 2022 | |
dc.description | Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2022 | |
dc.description.abstract | Enerjiye duyulan ihtiyaçtan dolayı fosil yakıt tüketimi her geçen gün artmaktadır. Bu artış doğal olarak 〖CO〗_2 gazı salınım miktarını da arttırmakta ve doğayı ve insan sağlığını her geçen gün daha fazla tehdit etmektedir. Birleşmiş Milletler 〖CO〗_2 gazı salınımını azaltıcı bir takım önleyici adımlar atmaktadır. Bu bağlamda Birleşmiş Milletler çatısı altında çalışan Uluslararası Denizcilik Örgütü gemilerden kaynaklı 〖CO〗_2 emisyonunu azaltmaya çalışmaktadır. Dünya üzerinde seyir yapan değişik tonajlı 95 bin 402 adet gemi bulunmaktadır. Deniz ticaret hacmi 2018 yılında %2.7, 2019 yılında ise % 2.6 artmıştır. 2019-2024 yılları arasında %3.4 artması beklenmektedir. Her yıl artan gemi sayısı tüketilen yakıt miktarını da yükseltmektedir. 2012 yılında gemilerden salınan 〖CO〗_2 emisyonu 962 milyon ton iken, 2018'de bu miktar %9,3 artarak 1.056 milyon ton 〖CO〗_2 emisyonuna ulaştı. Uluslararası Denizcilik Örgütü tüketilen yakıt miktarını azaltmak için Enerji Verimliliği Dizayn İndeksi(EEDI), Gemi Enerji Verimliliği Yönetim Planı (SEEMP), Enerji Verimliliği İşletim Göstergesi (EEOI), Karbon yoğunluğu İndeksi(CII) ve Enerji Verimliliği Mevcut Gemi İndeksi (EEXI) yürürlüğe geçirdi. Her bir indeks ve yönetim planı geminin dizayn aşamasından sefer sırasında atılacak adımlara kadar bir dizi farklı önlem almaktadır. Ancak gemi ana makinesinin işletimi sırasında yaşanan enerji kayıplarının tespiti ve bu kayıpları önleyici herhangi bir önlem ve uygulama bulunmamaktadır. Tezde, gemi ana makinesinde yaşanan arızalardan kaynaklı enerji kayıpların tespiti için İstanbul Teknik Üniversitesi Denizcilik Fakültesi Simülatör merkezindeki Kongsberg ERS-RTA-II makine simülatöründe bulunan konteyner gemisine ait Sulzer 12RTA84C ana makinesi verilerinden faydalanıldı. Makine simülatöründe bulunan gemi baz alınarak, gemide hiçbir arızanın olmadığı durumda ana makinenin yaktığı yakıt yaklaşık 189,3 tondur. Arıza oranına ve çeşidine bağlı olarak aynı gücü elde etmek için yakılan yakıt miktarı günlük 235 ton seviyelerine kadar gelmektedir. Bu da günlük fazladan 45,7 ton fazla yakıt yakılması anlamına gelmektedir. Bu değer bir yıllık hesaplandığında 16 bin 680 ton yakıt fazladan yakılmakta diğer bir ifadeyle gemi ana makinesi verimli bir şekilde işletilememesi durumunda yıllık 16 bin tondan fazla yakıt 〖CO〗_2 emisyonu olarak atmosfere salınmaktadır. Dünya üzerinde bulunan 95 bin'den fazla gemideki benzer enerji kayıplarının ve emisyon miktarlarındaki artış göz önünde bulundurulduğunda bu enerji kayıplarını minimize etmenin önemi daha iyi anlaşılacaktır. Bölüm 9'da her arıza için ayrı ayrı senaryolar oluşturularak arızalardan kaynaklı enerji kayıpları gösterildi. Şu an işletilen gemilerde arızanın başladığı andan arıza alarmı çalana kadar geçen sürede ki enerji kayıplarının ve arızaların tespiti mümkün değildir. | |
dc.description.degree | Yüksek Lisans | |
dc.identifier.uri | http://hdl.handle.net/11527/25912 | |
dc.language.iso | tr | |
dc.publisher | Lisansüstü Eğitim Enstitüsü | |
dc.sdg.type | Goal 7: Affordable and Clean Energy | |
dc.subject | yapay sinir ağları | |
dc.subject | gemiler | |
dc.subject | enerji verimliliği | |
dc.subject | enerji | |
dc.subject | dizel motorlar | |
dc.title | Gemilerde enerji verimliliğinde yapay sinir ağları uygulamaları | |
dc.title.alternative | Artificial neural networks applications in energy efficiency on ships | |
dc.type | Master Thesis |