Modelagem Matemática do Tempo de Vida de Baterias utilizando Modelos Analíticos

Abstract

A utilidade, comodidade e facilidade presentes no uso de dispositivos eletrônicos mó- veis, como celulares, tablets e notebooks, fez com que o mercado destes aparelhos expandisse. Além das vantagens citadas, estes dispositivos também fornecem aos seus usuários a possibilidade de mobilidade durante seu uso, pois são alimentados por baterias recarreg áveis. Deste modo, a funcionalidade destes aparelhos está diretamente ligada a suas baterias, o que torna importante o estudo do tempo de vida das mesmas. Uma alternativa para tal estudo é o emprego da modelagem matemática. Na literatura técnica há várias categorias de modelos matemáticos utilizados para realizar essa predição, entre eles estão os modelos analíticos, que são caracterizados por equações fundamentadas em leis físicas ou empíricas, possuem compreensão e implementações computacionais acessíveis, além de serem considerados de boa acurácia, podendo ser adaptados a diferentes tipos de baterias. Neste sentido, a presente pesquisa tem por objetivo avaliar cinco modelos analíticos, o modelo Linear, a Lei de Peukert, a Lei de Peukert Estendida, o modelo Ki- BaM e o modelo de Rakhmatov e Vrudhula, utilizando a teoria Estatística, estabelecendo critérios e considerando diferentes conjuntos de dados para a estimação dos parâmetros empíricos dos modelos. Critérios para a validação também foram estabelecidos. Além disto, investigou-se qual a metodologia mais indicada para a estimação dos parâmetros do modelo KiBaM, e qual a medida de tendência central é mais adequada para determinar a imprecisão nal dos modelos a partir dos erros obtidos para os per s de descarga utilizados na validação. Para validar os modelos, os tempos de vida simulados foram comparados com os tempos de vida obtidos de uma plataforma de teste, considerando oito baterias novas de Lítio Íon Polímero (Li-Po) modelo PL-383562-2C. Por m, é observado que a Lei de Peukert e o modelo de Rakhmatov e Vrudhula possuem maior acurácia que os demais quando seus parâmetros empíricos são estimados pelo método dos Mínimos Quadrados não linear, observa-se também que os modelos obtiveram melhores resultados quando seus parâmetros empíricos foram estimados com conjuntos de 4 e 6 dados, e que todos os modelos apresentaram boa acurácia, pois todos os erros foram inferiores a 5%.