Programa de Pós-Graduação em Modelagem Matemática - Doutorado

URI Permanente para esta coleçãohttps://bibliodigital.unijui.edu.br/handle/123456789/6160

Navegar

Navegando Programa de Pós-Graduação em Modelagem Matemática - Doutorado por Assunto "Algoritmos genéticos."

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Método Multi-Fase de Estimação e Adaptação de Parâmetros de Modelos Elétricos para a Predição do Tempo de Vida de Baterias
    (2020-03-11) Binelo, Marcia de Fatima Brondani
    A modelagem matemática do tempo de vida de baterias é uma importante ferramenta para o projeto de baterias mais e cientes, assim como para a otimização do seu uso. Nesta Tese, é realizada a modelagem matemática do tempo de vida de baterias de Lítio Íon Polímero a partir de dois modelos elétricos, o modelo combinado Chen e Rincón-Mora e o modelo genérico Tremblay. Uma etapa fundamental para a aplicação desses modelos matemáticos é a correta estimação dos seus parâmetros empíricos, que é um processo frequentemente manual, que depende da intervenção explícita de um especialista. A parametrização de cada um desses modelos é realizada a partir da utilização de dois métodos de estimação de parâmetros, o método convencional com base na análise visual de curvas de descarga, e o método baseado em Algoritmo Genético. Para o processo de parametrização e validação dos modelos, é obtido um conjunto de dados experimentais de descarga de baterias de Lítio Íon Polímero, por meio de uma plataforma de testes. A partir da análise dos resultados obtidos para esses dois métodos, pode-se constatar que o Algoritmo Genético apresenta desempenho superior ao método convencional, ainda sendo possível veri car que a variação do comportamento das baterias, devido a diferenças na fabricação e nas condições de uso, é um importante fator que acaba reduzindo a acurácia dos modelos. Para contornar esse problema, nesta Tese, é proposto um método multi-fase de adaptação de parâmetros, dividido nas fases de descoberta, aprendizado e inferência. O método multi-fase tem como base duas técnicas de Inteligência Arti cial, os Algoritmos Genéticos e as Redes Neurais Arti ciais, sendo que a fase de inferência é testada a partir de simulações computacionais e dados experimentais. Considerando os resultados das simulações apresentadas nesta Tese, conclui-se que a aplicação do método multi-fase proposto possibilita melhorar a acurácia efetiva de modelos elétricos ao adaptar seus parâmetros à bateria em uso em tempo de execução.