Sistema de gerenciamento de baterias de lítio com estimação de estados com filtro de Kalman estendido adaptativo.

• Ano de defesa: 2022
• Autor(a) principal: Silva, Cynthia Thamíres da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Battery management system; BMS; Estimação do estado da Carga; Filtros de Kalman; Kalman filter; Mathematical battery modeling; Modelamento matemático de baterias; Sistema de gerenciamento de baterias; State of charge estimation
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3143/tde-04042023-080719/

Armazenar energia de forma eficiente é um dos principais fatores para um mundo mais sustentável. A eletrônica embarcada nos sistemas de armazenamento de energia possui um papel extremamente importante para garantir a eficiência, segurança e desempenho desses sistemas. A presente tese apresenta a metodologia de desenvolvimento de um sistema de gerenciamento de baterias completo, capaz de proteger e gerenciar adequadamente qualquer bateria (desde que se conheça os limites de tensão, corrente e temperatura), em qualquer aplicação (desde que se conheça a dinâmica de utilização da bateria na aplicação). O modelo matemático da bateria foi desenvolvido com foco em aplicações de empilhadeiras elétricas, comparando quatro modelos diferentes, quatro algoritmos de otimização e sete experimentos, com o objetivo de desenvolver o melhor modelo matemático com o melhor método de otimização e o melhor experimento para baterias de LiFePO4 utilizadas em empilhadeiras elétricas. O modelo desenvolvido apresenta características únicas e inovadoras, que utiliza uma estrutura de múltiplas saídas, sendo capaz de aprimorar a exatidão dos parâmetros identificados em até 100 vezes quando comparado com modelos tradicionais que utilizam apenas uma saída. A metodologia apresentada nesse trabalho, permite criar os algoritmos do sistema de gerenciamento de bateria, principalmente para a estimação do estado da carga, que é feita por meio de um filtro de Kalman estendido adaptativo. O trabalho inova ao criar também uma política de ajuste das matrizes de ruído de processo () e de medição () do filtro de Kalman, em tempo de execução. O algoritmo do filtro, juntamente com o modelo matemático, atingiu uma exatidão média de 99,56% em testes reais, em relação à tensão estimada e tensão medida da bateria. Também foi implementada uma estratégia de balanceamento das células, capaz de garantir a segurança e eficiência do banco de baterias em todos os testes realizados. Esse trabalho apresenta todos os métodos, equações e simulações necessárias para o desenvolvimento do sistema de gerenciamento de baterias e aplica o sistema em um ambiente prático, real. O hardware e o firmware do BMS foram desenvolvidos, testados e validados em um banco de baterias com 8 células de LiFePO4, obtendo um ótimo desempenho em todos os testes realizados.