Navegando por Autor "Dammann, Julia"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Item Modelagem matemática do tempo de vida de baterias por meio por meio de um modelo híbrido personalizado considerando o número de ciclos(2024-10-24) Dammann, JuliaAs baterias são responsáveis por fornecer energia para o funcionamento de dispositivos móveis e com isso têm sido objeto de estudos nos últimos anos. A utilização destes dispositivos, por parte do usuário, está condicionada ao estado de carga das baterias, então surge a necessidade de predizer o seu tempo de vida, ou seja, por quanto tempo o dispositivo poderá ficar operacional sem a necessidade de uma recarga. Uma das ferramentas para predizer o tempo de vida das baterias é a modelagem matemática. Para isso, são encontrados na literatura técnica diferentes modelos de baterias, tais como: os analíticos, os estocásticos, os via teoria de identificação de sistemas, os elétricos, os eletroquímicos e os híbridos. O foco deste estudo são os modelos híbridos, uma vez que agregam as vantagens dos modelos que fazem parte da sua constituição. Nesse sentido, o objetivo desta pesquisa é a proposição de um modelo matemático do tempo de vida de baterias por meio de um modelo híbrido, levando em consideração o número de ciclos de carga e descarga. Para isso, é realizado um estudo teórico acerca das baterias e sobre os diferentes modelos híbridos a partir de uma revisão bibliográfica da literatura técnica. O conjunto de dados experimentais de um processo de descarga de baterias, do tipo Lítio-Íon Polímero (Li-Po), é obtido de uma plataforma de testes, e os modelos são implementados na ferramenta computacional Matlab/Simulink. Por fim, o modelo híbrido original (i.e., modelo híbrido de Kim) e o modelo híbrido personalizado, proposto nesse trabalho, são avaliados e validados, a partir da comparação dos seus resultados simulados com os dados experimentais obtidos da plataforma de testes. A partir dos resultados das simulações é considerado que o modelo híbrido personalizado se ajustou melhor aos dados quando comparado ao modelo híbrido de Kim, uma vez que o erro médio do modelo de Kim foi de 13, 61% e do modelo híbrido personalizado foi de apenas 5, 19%, considerando 850 ciclos de descarga.