Análise comparativa de modelos híbridos para a predição do tempo de vida de baterias considerando correntes de descarga variáveis

Abstract

As baterias que proporcionam energia e impulsionam o funcionamento dos dispositivos móveis têm sido objeto de estudo visando o aperfeiçoamento destas tecnologias. O tempo que estas baterias alimentam os dispositivos móveis é finito, com isso, este tempo é de importante conhecimento no meio científico. Uma forma eficaz de compreender o tempo de vida de baterias é por meio da modelagem Matemática. Para isso, são encontrados na literatura técnica modelos matemáticos de baterias de diferentes classes: os analíticos, os estocásticos, os via teoria de identificação de sistemas, os elétricos, os eletroquímicos e os híbridos. Os modelos pertencentes a classe dos modelos híbridos apresentam o benefício de agregar as vantagens dos modelos que os compõem. Com isso, nesta pesquisa, são comparados três modelos híbridos, sendo eles os modelos de Kim, de Zhang e de Gomes. Nesse sentido, o objetivo desta pesquisa é realizar a análise comparativa entre os modelos híbridos, por meio da modelagem matemática do tempo de vida útil de baterias do tipo Lítio Íon Polímero, com correntes de descarga variáveis e dados tratados estatisticamente. Para tal, são realizados testes experimentais do tempo de vida de baterias, e os dados experimentais são submetidos à tratamentos estatísticos. Os dados experimentais obtidos são avaliados mediante os processos da Análise de Variância - ANOVA, assim como são retirados os valores discrepantes, ou seja, os valores outliers. Com isso, a validação dos modelos é realizada considerando o conjunto de dados com e sem tratamento estatístico. Para a validação, são realizadas simulações computacionais utilizando o software MatLab/Simulink. Após as simulações, verificou-se que os valores de erro médio obtidos para os dados com tratamento estatístico são menores quando comparados aos erros médios obtidos considerando dados sem tratamento estatístico. Com isso, considera-se que a aplicação do tratamento estatístico é eficaz para a predição do tempo de vida de baterias, uma vez que houve a redução nos erros médios, além de aumentar a confiabilidade dos resultados.