5916 research outputs found
Sort by
Dar ve trafiği yoğun su yollarında riskli gemi karşılaşmalarının kümeleme tabanlı yapay öğrenme ve sıralı derin öğrenme ile tahminlenmesi.
No full textThis thesis provides a machine learning framework to predict risky encounters between ships before ships establish visual contact in narrow and congested waterways. There are three parts in this thesis. The first one is clustering for exploration of encounters, the second is ensemble machine learning application to predict risky encounters without distance as a decision factor, and the third one is sequential deep learning based prediction of risky encounters. The Strait of Istanbul (SOI) serves as a case study. Ship–ship interaction database is constructed using historical Automatic Identification System (AIS) messages. Interactions are analyzed via clustering to explore risky encounters using degree of ship domain violation. Findings confirm that ship length and ship speed can serve as reliable indicators to understand the patterns in risky encounters. Results suggest that ship domain violation exists within a nuanced grey zone, requiring cautious consideration instead of rigid categorization. On this basis, clustering based ensemble machine learning framework is developed to predict close encounters and overcome class imbalance. The model successfully predicts each 4 out of 5 risky encounters without the knowledge of distance between two ships. To demonstrate applicability of risky encounter prediction in real time, a practical sequential prediction framework is introduced as the final step. Long Short-Term Memory (LSTM) networks are used to predict risky encounters based on sequential navigation data. The methodology presents an improved encounter model to identify ship-to-ship interactions and classify them as risky, gray-zone, or non-risky encounters based on ship domain violations. The developed approach can be integrated to narrow and congested waterways as a decision support tool to improve maritime safety, and can be a guide to autonomous vessels for safe navigation.Bu tez, gemiler arasında riskli karşılaşmaları dar ve trafiği yoğun suyollarında görsel temas kurulmadan önce öngörmek için bir yapay öğrenme modeli sunmaktadır. Bu tez üç bölümden oluşmaktadır. İlk bölüm, karşılaşmaların detaylı keşfi için kümelemedir; ikinci bölüm, mesafe faktörünü kullanmaksızın riskli karşılaşmaları tahmin etmek için yapay öğrenme uygulamasıdır; üçüncü bölüm ise riskli karşılaşmaların ardışık derin öğrenmeye dayalı tahminidir. İstanbul Boğazı (İB) bir vaka çalışması olarak kullanılmaktadır. Gemi-gemi karşılaşma veritabanı, geçmiş Otomatik Tanımlama Sistemi (AIS) mesajları kullanılarak oluşturulmuştur. Karşılaşmalar, gemi alan ihlali miktarını kullanarak riskli karşılaşmaları keşfetmek için kümeleme yoluyla analiz edilmiştir. Bulgular, gemi uzunluğu ve gemi hızının riskli karşılaşmaları anlamak için güvenilir göstergeler olarak kullanılabileceğini doğrulamaktadır. Sonuçlar, gemi alan ihlalinin nüanslı gri bir bölgede var olduğunu, katı kategorizasyon yerine dikkatli bir düşünce gerektirdiğini göstermektedir. Bu temelde, kümeleme tabanlı bir yapay öğrenme şeması geliştirilerek yakın karşılaşmaları tahmin etmek ve sınıf dengesizliğini aşmak için kullanılmıştır. Model, iki gemi arasındaki mesafeyi bilmeden riskli karşılaşmaların 5'te 4'ünü başarıyla tahmin etmektedir. Riskli karşılaşma tahmininin gerçek zamanlı uygulanabilirliğini göstermek için son adım olarak pratik bir ardışık tahmin uygulaması tanıtılmıştır. Uzun Kısa Dönemli Hafıza (LSTM) ağları, ardışık navigasyon verilerine dayanarak riskli karşılaşmaları tahmin etmek için kullanılmaktadır. Yöntem, karşılaşmaları riskli, gri bölge veya riskli olmayan karşılaşmalar olarak sınıflandırır. Geliştirilen yaklaşım, deniz güvenliğini iyileştirmek için dar ve yoğun suyollarında bir karar destek aracı olarak entegre edilebilir ve güvenli seyir için otonom gemilere bir rehber olabilir
Exploring the dark side of managerial upselling emphasis: Exploratory and exploitative learning's moderating roles in salesperson emotional exhaustion and performance
No full textIn this study, we scrutinize the prevalent perspective on upselling benefits and explore the overlooked ramifications, specifically the potential for emotional exhaustion and diminished salesperson performance. Our primary objective is to illuminate the intricate relationship between managerial upselling emphasis, salesperson emotional exhaustion, and salesperson performance. Moreover, we analyze the moderating influence of exploratory and exploitative learning. Anchored in the Job Demands-Resources (JD-R) framework and incorporating insights from regulatory focus theory (RFT), our investigation involves comprehensive analyses of data collected from two studies: 254 sales personnel in Study 1 and 251 B2B sales personnel in Study 2. Our findings reveal that emotional exhaustion mediates the relationship between managerial upselling emphasis and salesperson performance, while exploratory and exploitative learning conversely moderate the link between managerial upselling emphasis and emotional exhaustion. By doing so, we extend the frameworks of RFT and JD-R, integrating them into the domain of B2B marketing and sales research. We posit that exploratory learning is an invaluable personal coping resource, empowering sales personnel to navigate the challenges stemming from managerial upselling emphasis-induced demands, while exploitative learning intensifies emotional strain in upselling. Our study yields profound insights into the complex interplay among upselling emphasis, salesperson learning, exhaustion, and performance, offering valuable implications for B2B sales strategies
Energy-efficient building design under climate change adaptation process: a case study of a single-family house
No full textPurpose: The residential buildings sector has a high priority in the climate change adaptation process due to significant CO2 emissions, high energy consumption and negative environmental impacts. The article investigates how, conversely speaking, the residential buildings will be affected by climate change, and how to improve existing structures and support long-term decisions. Design/methodology/approach: The climate dataset was created using the scenarios determined by the Intergovernmental Panel on Climate Change (IPCC), and this was used in the study. Different building envelope and Heating, Ventilating and Air Conditioning (HVAC) systems scenarios have been developed and simulated. Then, the best scenario was determined with comparative results, and recommendations were developed. Findings: The findings reveal that future temperature-increase will significantly impact buildings' cooling and heating energy use. As the outdoor air temperatures increase due to climate change, the heating loads of the buildings decrease, and the cooling loads increase significantly. While the heating energy consumption of the house was calculated at 170.85 kWh/m2 in 2020, this value shall decrease significantly to 115.01 kWh/m2 in 2080. On the other hand, the cooling energy doubled between 2020 and 2080 and reached 106.95 kWh/m2 from 53.14 kWh/m2 measured in 2020. Originality/value: Single-family houses constitute a significant proportion of the building stock. An in-depth analysis of such a building type is necessary to cope with the devastating consequences of climate change. The study developed and scrutinised energy performance improvement scenarios to define the climate change adaptation process' impact and proper procedure. The study is trying to create a strategy to increase the climate resistance capabilities of buildings and fill the gaps in this regard
Birlikte evrimleşme endeksi : evrimsel bağlaşımı izlemek için bir metrik.
No full textThis thesis proposes a new metric, namely the coevolution index (CEI), for measuring the relative evolutionary coupling of modules of a software system. CEI is inspired by the h-index, which is a popular metric used for measuring the productivity and citation impact of scholars and scientists. CEI of a module is equal to n, which is the number of times it is modified together with at least n other modules of the system. We develop a script that can calculate CEI for source files in a code repository. We analyze the repository of 7 software systems. Source files that are subject to a high number of changes to address issues tend to have high CEI scores. CEI also reflects a relative footprint in maintenance efforts by definition. Hence, it can help in tracking technical debt interest and focusing the refactoring efforts for improving maintainability and reusability.Bu tez, yazılım sisteminin modüllerinin göreceli evrimsel bağlılığını ölçmek için yeni bir metrik olarak birlikte evrim indeksi CEI metriğini önermektedir. CEI tanımlanırken, bilim adamlarının üretkenliğini ve atıflarının etkisini ölçmek için kullanılan popüler h-indeks metriğinden esinlenilmiştir. Bir modülün CEI değerinin n olması için sistemde en az n diğer modülle birlikte n kez değiştirilmiş olması gerekmektedir. Bu tez çalışması kapsamında, kod deposundaki kaynak dosyaları için otomatik CEI değeri hesaplayabilen bir araç geliştirilmiştir. Bu araç 7 farklı yazılım sisteminin kod depoları üzerinde uygulanmıştır. Sorunları çözmek için yüksek sayıda değişikliklere konu olan kaynak dosyalarının aynı zamanda yüksek CEI değerlerine sahip olma eğiliminde oldukları gözlemlenmiştir. CEI ayrıca tanım gereği yazılım bakım çalışmaları için harcanan eforun ayak izini yansıtmaktadır. Dolayısıyla CEI, teknik borç faizini takip etmek için kullanılabilmekle birlikte, yazılım bakım yapılabilirliğini ve yeniden kullanılabilirliğini iyileştirmek için uygulanan yeniden yapılandırma çalışmaları kapsamında, belirli modüllere odaklanma konusunda yardımcı olabilir
Technical note: Application of an optical hydrophone to ionoacoustic range detection in a tissue-mimicking agar phantom
No full textBackground: Ionoacoustics is a promising approach to reduce the range uncertainty in proton therapy. A miniature-sized optical hydrophone (OH) was used as a measuring device to detect weak ionoacoustic signals with a high signal-to-noise ratio in water. However, further development is necessary to prevent wave distortion because of nearby acoustic impedance discontinuities while detection is conducted on the patient's skin.Purpose: A prototype of the probe head attached to an OH was fabricated and the required dimensions were experimentally investigated using a 100-MeV proton beam from a fixed-field alternating gradient accelerator and k-Wave simulations. The beam range of the proton in a tissue-mimicking phantom was estimated by measuring gamma-waves and spherical ionoacoustic waves with resonant frequency (SPIRE).Methods: Four sizes of probe heads were fabricated from agar blocks for the OH. Using the prototype, the gamma-wave was detected at distal and lateral positions to the Bragg peak on the phantom surface for proton beams delivered at seven positions. For SPIRE, independent measurements were performed at distal on- and off-axis positions. The range positions were estimated by solving the linear equation using the sensitive matrix for the gamma-wave and linear fitting of the correlation curve for SPIRE; they were compared with those measured using a film.Results: The first peak of the gamma-wave was undistorted with the 3 x 3 x 3-cm(3) probe head used at the on-axis and 3-cm off-axis positions. The range positions estimated by the gamma-wave agreed with the film-based range in the depth direction (the maximum deviation was 0.7 mm), although a 0.6-2.1 mm deviation was observed in the lateral direction. For SPIRE, the deviation was <1 mm for the two measurement positions.Conclusions: The attachment of a relatively small-sized probe head allowed the OH to measure the beam range on the phantom surface.JST FOREST ; JSPS KAKENH
Political-ideological differences in cultural pessimism and nostalgia reflect people’s evaluation of their nation’s historical developments
No full textWestern conservatives are more focused on the past than are liberals: They experience stronger cultural pessimism and nostalgically yearn back for past society. We test the hypothesis that this ideological difference reflects long-term national-historical developments, by comparing ideological differences in the United States and Türkiye. Using archival data, Study 1 confirms that whereas U.S. society over the last century moved in a liberal direction, Turkish society recently shifted toward greater conservatism. Consistent with predictions, Studies 2 and 3 show that the relationship between political ideology and cultural pessimism is reversed in Türkiye, compared with the United States. Partially consistent with predictions, in both studies, the link between ideology and a nostalgic yearning for the past is attenuated (and essentially blocked) in Türkiye, although not reversed, compared with the United States. Together, these findings suggest that ideological differences in pessimism and nostalgia reflect, at least partially, objective differences in national-historical development
Populist influences on design: Mediation of a new designer profile in Turkish advertising discourse
No full textAiming to illustrate the populist influences on design mediation, this paper explores the characteristics of a new and legitimate designer profile, persona, or myth recently constructed within the Turkish advertising discourse. To achieve this, three video advertisements that mediate designers and are influenced by the ‘domestic and national’ discourse—a representative of the national populist wave that recently dominated Turkish politics—were analysed. The analysis reveals how designers and their creative labour are portrayed to align with broader political climates, reflecting certain notions of national populism. These new, culturally and politically legitimate designers are portrayed not only as Turkish nationals and patriots but also as the ‘children of these lands’, living, thinking, and feeling like the average and ‘real’ people these political discourses claim to represent. In parallel, the analysis highlights the significant role of populism’s marked opposition towards foreigners and local foreigners while constructing and mediating these designer profiles
Aşırı plastik deformasyon uygulanmış alüminyum alaşımının çok yönlü dövme sonrası mekanik davranışının incelenmesi.
No full textAluminum alloys are widely used for lightweight applications. Severe plastic deformation has recently emerged as a versatile method to deliver large strains and thereby improve mechanical properties. Among these methods, it is seen that the versatile forging (MAF) process stands out in terms of its industrial applicability. In particular, it has been determined that the strength of some metals is significantly increased by the warm or hot forging process. In this study, the mechanical properties of Al 6061 alloy, which is frequently used in the automotive and aviation industries, were improved by the multi-axial forging method and its behavior was characterized. For this, 3, 6, 9 and 12 pass forging processes were carried out at 200 °C temperature by designing an experiment. The Split Hopkinson Pressure Bar assembly was designed and built to analyze the mechanical behavior after application. As a result of the tests, it was determined that the yield, tensile and hardness values of the Al alloys forged with the multiaxial forging method increased up to a certain cycle, and the grain structures were reduced in the microstructure examinations. In the aluminum 6xxx alloys used in this study, because of 6 passes forging, the hardness value was 80 HB, yield strength was 245 MPa, and tensile strength was 270 MPa, while the average grain size was 8.32µm. As a result of 9 passes of forging of the same alloy, the hardness, yield, and tensile values decreased compared to 6 passes of forging, while the grain size increased, the values are 73HB, 212 MPa, 232 MPa and 11.54µm, respectively. Similar results were obtained in the SHPB test, which is a dynamic crash test, and it was determined that the mechanical properties of the Aluminum 6xxx series alloys were improved by the multi-axial forging method.Alüminyum alaşımları, hafif uygulamalar için yaygın olarak kullanılmaktadır. Şiddetli plastik deformasyon, son zamanlarda büyük gerinimler vermek ve böylece mekanik özellikleri geliştirmek için çok yönlü bir yöntem olarak ortaya çıkmıştır. Bu yöntemler arasında endüstriyel uygulanabilirliği açısından çok yönlü /eksenli dövme (MDF / MAF)işleminin ön plana çıktığı görülmektedir. Özellikle bazı metallerin ılık veya sıcak dövme işlemi ile mukavemetlerinin önemli oranda artırıldığı belirlenmiştir. Bu çalışmada otomotiv ve havacılık sektöründe çok sık kullanılan Al 6061 alaşımının mekanik özellikleri çok eksenli dövme yöntemi ile iyileştirilerek davranışı karakterize edilmiştir. Bunun için deney tasarımı yapılarak 200 °C sıcaklıkta 3, 6, 9 ve 12 paso dövme işlemleri gerçekleştirilmiştir. Uygulama sonrası mekanik davranışı analiz etmek için Split Hopkinson Basınçlı Bar düzeneği tasarlanarak inşa edilmiştir. Yapılan testler sonucu çok eksenli dövme yöntemi ile dövülen Al alaşımlarının belli bir çevrime kadar akma, çekme ve sertlik değerlerinin arttığı bununla beraber mikroyapı incelemelerinde tane yapılarının küçüldüğü tespit edilmiştir. Bu çalışmada kullanılan alüminyum 6061 alaşımında 6 paso dövme işlemi sonucu sertlik değeri 80 HB, akma mukavemeti 245 MPa ve çekme mukavemeti 270 MPa iken ortalama tane boyutu 8.32µm elde edilmiştir. Aynı alaşımın 9 paso dövülmesi sonucu sertlik, akma ve çekme değeri 6 paso dövmeye göre düşerken tane boyutu ise büyümüştür, değerler sırasıyla 73HB, 212 MPa, 232 MPa ve 11.54µm şeklindedir. Benzer sonuçlar dinamik çarpışma testi olan SHPB testinde de alınarak Alüminyum 6xxx serisi alaşımları için çok eksenli dövme yöntemi ile mekanik özelliklerinin iyileştiği tespit edilmiştir
Finsentiment : transfer öğrenmesi ile finansal sentiment ve risk tahminleme.
No full textThere is an increasing interest in financial text mining tasks. Significant progress has been made by using deep learning-based models on generic corpus, which also shows reasonable results on financial text mining tasks such as financial sentiment analysis. However, financial sentiment analysis is still a demanding work because of insufficiency of labeled data for the financial domain and its specialized language. General-purpose deep learning methods are not as effective mainly due to specialized language used in the financial context. In this study, we focus on enhancing the performance of financial text mining tasks by improving the existing pretrained language models via NLP transfer learning. Pretrained language models demand a small quantity of labeled samples, and they could be enhanced to a greater extent by training them on domain-specific corpora instead. We propose an enhanced model FinSentiment, which incorporates enhanced versions of a number of recentlyproposed pretrained models, such as BERT, XLNet, RoBERTa to better perform across NLP tasks in financial domain by training these models on financial domain corpora. The corresponding finance-specific models in FinSentiment are called Fin-BERT, Fin-XLNet, and Fin-RoBERTa respectively. We also propose variants of these models jointly trained over financial domain and general corpora. Our finance-specific FinSentiment models in general show the best performance across 3 financial sentiment analysis datasets, even when only a subpart of these models are fine-tuned with a smaller training set. Our results exhibit enhancement for each tested performance criteria on the existing results for these datasets. Extensive experimental results demonstrate the effectiveness and robustness of especially RoBERTa pretrained on financial corpora. Overall, we show that NLP transfer learning techniques are favorable solutions to financial sentiment analysis tasks. Financial risk is empirically quantified in terms of asset return volatility, which is degree of deviation from the expected return of the asset. Under risk management in finance, predicting asset volatility is one of the most crucial problems because of its important role in making investment decisions. Even though a number of previous studies have investigated the role of natural language knowledge in enhancing the quality of volatility predictions, volatility estimation can still be enhanced via recent deep learning techniques. Specifically, extracting financial knowledge in text through transfer learning approaches such as BERT has not been used in risk prediction. Here, we come up with RiskBERT, the first BERT-based transfer learning method to predict asset volatility by simultaneously considering both a broad set of financial attributes and financial sentiment. In terms of language dataset, we utilize transcripts from the annually occurring 10-K filings of the publicly trading companies to train our model. Our proposed model, RiskBERT uses attention mechanism to model verbal context and remarkably performs better than the state-of-the-art methods and baselines such as historical volatility. We observe such outperformance even when RiskBERT is finetuned with a smaller training set. We found RiskBERT to be more effective in risk prediction after the Sarbanes-Oxley Act of 2002 has passed since such legislation has made the annual reports more effective. Overall, we show that NLP transfer learning techniques are favorable solutions to financial risk prediction task. Our pretrained models, and source code will be publicly available once the review is finished.Son zamanlarda, finansal metin madenciliğine ilgide artış bulunmaktadır. Derin öğrenmeye dayalı modellerle genel korpuslarda yapılan çalışmalarda hayli yol katedildi ki bu modellerle finansal metin madenciliği işi olan finansal duygu analizinde de mantıklı sonuçlar elde edildi. Ancak, finansal duygu analizi, finans alanında etiketlenmiş veri eksiliğinden ve özelleşmiş bir dili olmasına bağlı olarak hala zahmetli bir iştir. Finans kapsamındaki bu özelleşmiş dilden dolayı genel amaçlı derin öğrenme metotları çok verimli çalışmıyor. Bu çalışmada, halihazırda bulunan dil modellerini transfer öğrenmesi ile geliştirerek finansal metin madenciliği problemlerindeki performansı iyileştirmeye odaklandık. ¨ Onceden eğitilmiş dil modelleri daha az miktarda etiketlenmiş veri örneklemi talep eder ve alana özel bir korpora ile eğitildiğinde daha da büyük çapta performansa sahip olur. Biz, son dönemlerde üzerine çalışılmış olan BERT, XLNet ve RoBERTa modellerini içeren, iyileştirilmiş bir model olan FinSentiment 'i sunuyoruz. Bu modeller de doğal dil işleme problemlerinde daha iyi bir performans göstermeleri için finans alanında bir korpora ile eğitildiler. Sırasıyla finans alanı özelinde eğitilmiş FinSentiment modelleri: FinBERT, Fin-XLNet ve Fin-RoBERTa. Bu FinSentiment modelleri genel olarak 3 finansal duygu analizi verisetlerinde en iyi performansı gösterdiler ki bu modellerin bir parçası küçük bir set ile eğitilmişti. Test edilen veri setleri için baz aldığımız performans kriterine göre olan sonuçlarımızda iyileşme gözlemlendi. Daha detaylı sonuçlarda ise özellikle finans korporası ile eğitilmiş RoBERTa modelinin verimliliğini gösterdi. Nihayetinde, transfer öğrenmesi teknikleri duygu analizi çalışmalarında elverişli çözümler sunduğunu göstermiş olduk. Finansal risk ampirik olarak, varlık getirisi volatilitesi üzerinden ölçülür. Varlık getirisi volatilitesi, varlığın beklenen getirisinden ne kadar sapma olduğunun bir ölçütüdür. Finans'ta risk yönetimi altında, yatırım kararı vermekteki önemine binaen varlık volatilitesi tahmini en mühim problemlerden biridir. Doğal dil işleme yöntemlerini kullanarak volatilite tahminlemesinde verimliliğ arttırmaya yönelik birçok çalışma olmasına rağmen, derin öğrenme teknikleriyle volatilite tahminlemesi daha da iyile ştirilebilir. özellikle, risk tahminlemesinde BERT gibi transfer öğrenmesi yaklaşımını kullanarak metinlerden finansal anlam çıkaran yöntemler kullanılmamıştır. C， alışmamızda öncelikle, BERT'e dayalı transfer öğrenmesi metodu ile varlık volatilitesi tahminlemesi yapan RiskBERT 'i sunuyoruz. Dil veriseti olarak modelimizi eğitirken halka açık şirketlerin yıllık yayınlanan 10-K belgelerini kullandık. RiskBERT modeli, sözcüklere dayalı bağlamı modellerken bir "attention mekanizması" kullanır ve modern yöntemler ile dayanak noktası olan geçmiş volatilite değerine göre dikkate değer bir performans göstermiştir. Bu dikkate değer performans, çok küçük bir veri setiyle eğitilerek göstermiştir. özellikle 2002 yılında geçen Sarbanes-Oxley yasası sonrası raporların daha etkili bir şekilde yazılması zorunlu tutulduğundan, RiskBERT de bu yasa sonrası daha iyi bir performans sergilemiştir. Özetle, risk tahminlemesinde de transfer öğrenmesi teknikleri olumlu sonuçlar vermiştir
Enerji depolama kullanımı ile yenilenebilir enerji kaynaklarında kararlılık analizi.
No full textRenewable energy has gained renewed attention due to recent developments in the energy sector, particularly as a potential solution to global warming and for reducing dependence on imported energy sources. This study focuses on the firm capacity that hybrid systems can provide to support the transition from thermal to renewable energy systems. The aim is to determine the required size of an energy storage system, such as a battery, to replace a 1 MW diesel generator or any other thermal system. A linear programming model was developed to minimize the size of the energy storage system required and lower the capital investment costs. Then the results of the mathematical model are used as inputs for another system called the Metric Calculator. The results obtained by the sensitivity analyses applied to the developed model such as different locations and different renewable energy technologies are analyzed and presented as case studies in this study. Case studies were presented to illustrate the results of the analyses. The findings indicate that it is possible to transition to renewable energy while maintaining firmness at its maximum by utilizing an energy storage system like a battery.Yenilenebilir enerji, özellikle küresel ısınmaya potansiyel bir çözüm olarak ve ithal enerji kaynaklarına bağımlılığı azaltmak için yeniden gündeme gelmiştir. Bu çalışma, termal sistemlerden yenilenebilir enerji sistemlerine geçiş sürecini desteklemek için hibrit sistemlerin sağlayabileceği sağlamlık kapasitesine odaklanmaktadır. Amaç, 1 MW dizel jeneratörü veya başka bir termal sistem yerine kullanılabilecek bir enerji depolama sistemi (pil gibi) için gereken boyutu belirlemektir. Gereken enerji depolama sistemi boyutunu minimuma indirmek ve sermaye yatırım maliyetlerini azaltmak için lineer programlama modeli geliştirilmiştir. Matematiksel modelin sonuçları daha sonra Metric Calculator adlı başka bir sistem için girdi olarak kullanılır. Geliştirilen modelde farklı lokasyonlar ve farklı yenilenebilir enerji teknolojileri gibi hassasiyet analizlerine uygulanan sonuçlar bu çalışmada vaka çalışmaları olarak analiz edilmiş ve sunulmuştur. Analiz sonuçlarının sunulduğu vaka çalışmalarıyla sonuçlar ortaya konulmuştur. Bulgular, pil gibi bir enerji depolama sistemi kullanılarak sağlamlık seviyesinin maksimumda tutulmasıyla yenilenebilir enerjiye geçişin mümkün olduğunu göstermektedir