Akademik Veri Yönetim Sistemi
II. Elektrokimyasal Enerji Teknolojileri Sempozyumu, Ankara, Türkiye, 27 - 28 Kasım 2025, ss.1-6, (Tam Metin Bildiri)
Küresel enerji talebi ve sera gazı emisyonlarındaki artış, düşük karbonlu enerji
teknolojilerini zorunlu kılmaktadır. CO indirgeme elektrolizörleri, PEM elektrolizörleri, bitki
bazlı mikrobiyal yakıt hücreleri (PMFC) ve doğrudan alkol yakıt hücreleri (DAFC) gibi
elektrokimyasal sistemler bu bağlamda kritik öneme sahiptir. Ancak, bu sistemlerdeki çok
sayıda değişken nedeniyle optimum koşulların belirlenmesi karmaşıktır.
Bu çalışmada, dört elektrokimyasal sistem için literatür verileri kullanılarak makine
öğrenmesi (ML) ve optimizasyon yöntemleri uygulanmıştır. CO elektrolizörlerinde, Boruta
algoritması ile katot bileşimi, pH ve potansiyelin baskın değişkenler olduğu belirlenmiş ve
yüksek pH/potansiyelde optimum koşullar bulunmuştur. PEM elektrolizörlerinde, potansiyelin
en kritik parametre olduğu tespit edilmiştir. PMFC sistemlerinde, yüksek güç için metal bazlı
katalizörler ve belirli atıksuların önemli olduğu gözlemlenmiştir. DAFC sistemlerinde ise yakıt
türüne göre optimum koşulların değiştiği karar ağaçları ile ortaya konmuştur.
Dolayısıyla, ML'nin elektrokimyasal sistemlerde kritik parametrelerin belirlenmesi,
optimizasyon ve deneysel tasarım için etkili bir araç olduğu kanıtlanmış, enerji araştırmalarının
verimliliğini artırma potansiyeli gösterilmiştir.