Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Brondani, Marcia de Fatima
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2781
Resumo: O uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros.