ANÁLISE COMPARATIVA DE MODELOS HÍBRIDOS UTILIZADOS NA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS

Authors

DOI:

https://doi.org/10.31512/vivencias.v21i43.1193

Abstract

O avanço da tecnologia possibilita que diversos dispositivos eletrônicos realizem um número crescente de tarefas. Entre esses dispositivos, os aparelhos móveis, impulsionados por baterias, oferecem mobilidade e conveniência, aprimorando a eficiência e a experiência do usuário. O conhecimento do tempo de vida de baterias utilizadas em dispositivos móveis possibilita o gerenciamento de estratégias que podem melhorar a durabilidade de armazenamento de energia, aumentando a segurança e a confiabilidade na utilização desses aparelhos eletrônicos. O objetivo desse artigo é realizar uma análise comparativa do nível de acurácia de três modelos híbridos de predição do tempo de vida de baterias usando dados experimentais obtidos de uma plataforma de testes. Para a análise dos modelos híbridos foi feita a comparação dos erros médios obtidos. Os erros médios encontrados quando realizadas as simulações com e sem valores outliers, foram, respectivamente, para cada modelo: Zhang 1,80% e 2,11%; Kim 1,85% e 2,13%; Gomes 2,04% e 2,63%. Conforme os resultados obtidos, o modelo mais acurado é o modelo híbrido de Zhang, seguido pelo modelo de Kim e pelo modelo de Gomes.

Author Biographies

Odenis Alessi, Universidade Regional do Noroeste do Estado do Rio Grande do Sul, UNIJUÍ, Ijuí, RS, Brasil

Doutor e Mestre em Modelagem Matemática pela Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ. Possui graduação em Matemática Licenciatura Plena pela Universidade de Passo Fundo - UPF. Na graduação, atuou como Aluno Apoiador do Projeto de Extensão Aulas de Apoio da Universidade de Passo Fundo e participou do projeto de extensão Interação das Olimpíadas Brasileiras de Matemática das Escolas Públicas com o Ensino de Matemática. No ano de 2013 trabalhou no projeto Mais Educação como monitor na oficina de Acompanhamento Pedagógico/Matemática na Escola Estadual de Ensino Médio Luiza Quittó Busnello. Iniciou suas atividades em pesquisa durante o mestrado, na aplicação e comparação de modelos matemáticos híbridos utilizados na predição do tempo de vida de baterias de dispositivos móveis, dentro da linha de pesquisa modelagem computacional, otimização e controle de sistemas. Durante o doutorado atuou na linha de pesquisa da modelagem matemática aplicada à engenharia de biossistemas, desenvolvendo sua pesquisa na busca de avanços tecnológicos na redução do uso de agrotóxicos na produção de aveia na região noroeste colonial do Rio Grande do Sul. Possui experiência na aplicação de técnicas estatísticas e modelos matemáticos na representação de processos biológicos em sistemas de cultivo e a complexidade de fenômenos lineares e não lineares sobre a simulação da produtividade e qualidade de grãos. Além disto, possui experiência na aplicação de técnicas de inteligência artificial para o processo de simulação e otimização em sistemas agrícolas, na criação de modelos robustos e eficientes que possibilitam a qualificação da tomada de decisão de controle de pragas e doenças, bem como o monitoramento de lavouras voltada à estimativa de safras. Atualmente é professor da Prefeitura Municipal de Ibirubá - RS e pesquisador colaborador em pesquisas desenvolvidas pelos Programas de Pós-Graduação em Modelagem Matemática e Computacional e Sistemas Ambientais e Sustentabilidade da UNIJUÍ.

Airam Teresa Zago Romcy Sausen, Universidade Regional do Noroeste do Estado do Rio Grande do Sul, UNIJUÍ, Ijuí, RS, Brasil

Concluiu seu Doutorado no Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Campina Grande (UFCG), em 2009. Possui Mestrado em Modelagem Matemática (2004) e Graduação em Licenciatura em Matemática (2002), ambos na Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUÍ). Atualmente é Professora Adjunta Nível III da UNIJUÍ, docente do Programa de Pós-Graduação em Modelagem Matemática e Computacional (PPGMMC) atuando nos Cursos de Mestrado e Doutorado, foi Coordenadora desse Programa por duas gestões (09/2014 a 08/2017 e 09/2017 a 06/2021), é membro do Colegiado do PPGMMC desde 2010, foi Coordenadora de Pesquisa do DCEEng por duas gestões (07/2010 a 09/2013 e 01/2019 a 06/2021), foi Membro do Conselho Universitário (CONSU) e da Câmara de Pós-Graduação Pesquisa e Extensão da Unijuí por uma gestão (08/2018 a 07/2021), foi assessora de área do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP), em Brasília (01/2020 a 12/2022). Atualmente é Pesquisadora do Grupo de Automação Industrial e Controle (GAIC), é Membro do NDE do Curso de Licenciatura em Matemática. Atua a nível de Graduação nos Cursos de Matemática, Ciências da Computação e Engenharias. Tem experiência nas áreas de Engenharia Elétrica, Matemática Aplicada, Modelagem Matemática e Simulação de Sistemas, mais especificamente no estudo, aplicação e desenvolvimento de modelos matemáticos de baterias e gerenciamento dinâmico de energia, e modelagem matemática de Redes Elétricas Inteligentes e Geração Distribuída.

Paulo Sérgio Sausen, Universidade Regional do Noroeste do Estado do Rio Grande do Sul, UNIJUÍ, Ijuí, RS, Brasil

Possui graduação, Bacharelado, em Informática pela Universidade Regional do Noroeste do Estado do Rio Grande do Sul (1993), Mestrado em Ciência da Computação pela Universidade Federal da Paraíba (1997) e Doutorado em Engenharia Elétrica pela Universidade Federal de Campina Grande (2008). Atualmente é professor Adjunto nível 2, do Departamento de Ciências Exatas e Engenharia (DECEng), da Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUÍ) onde é membro do NDE do Curso de Ciência da Computação, Coordenador do Grupo de Pesquisa GAIC e professor permanente do Programa em Modelagem Matemática (cursos de Mestrado e Doutorado) da Unijui. Possuí experiência nas áreas de Ciência da Computação, Engenharia Elétrica e Matemática Aplicada, com ênfase em Smart Grids, Modelagem Matemática de baterias e gerenciamento dinâmico de energia. É sócio fundador da VSYS Soluções Inteligente uma startup que atua no segmento das Redes Elétricas Inteligentes.

References

BINELO, M. F. B.; SAUSEN, A. T. Z. R.; SAUSEN, P. S.; BINELO M. Parameter estimation of lithium-ion polymer battery mathematical model using genetic algorithm. Computational and Applied Mathematics, v. 37, n. 1, p.296-313, 2018. DOI: https://doi.org/10.1007/s40314-017-0537-7.

CHEN, M.; RINCÓN-MORA, G. Accurate electrical battery model capable of predicting runtime and i-v performance. IEEE Transactions on Energy Conversion, v. 21, n. 2, p. 504-511, 2006. DOI: https://doi.org/10.1109/TEC.2006.874229.

CHEN, W.; LIANG, J.; YANG, Z.; LI, G. A review of lithium-ion battery for electric vehicle applications and beyond. Energy Procedia, v. 158, p. 4363-4368, 2019. DOI: https://doi.org/10.1016/j.egypro.2019.01.783.

DZIECHCIARUK, G.; UFNALSKI, B.; GRZESIAK, L. Parameter estimation for equivalent electrical model of lithium-ion cell. 19th European Conference on Power Electronics and Applications, 1-9, 2017. DOI: https://doi.org/10.23919/EPE17ECCEEurope.2017.8099328.

ELNASHAR, A.; EL-SAIDNY, M. A. Extending the battery life of smartphones and tablets: a practical approach to optimizing the LTE network. IEEE Vehicular Technology Magazine, v. 9, n. 2, p. 38-49, 2014. DOI: https://doi.org/10.1109/MVT.2014.2311571.

FOTOUHI, A.; AUGER, D. J.; PROPP, K.; LONGO, S.; WILD, M. A review on electric vehicle battery modelling: from lithium-ion toward lithium sulphur, Renewable and Sustainable Energy Reviews, v. 56, p. 1008-1021, 2016. DOI: https://doi.org/10.1016/j.rser.2015.12.009.

FREITAS, D. J. B.; SAUSEN, P. S.; SAUSEN, A. T. Z. R.; REIMBOLD, M. M. P. Predição do tempo de vida de baterias: proposição de uma extensão à lei de Peukert. Revista Espacios, v. 38, n. 18, 2017.

GOMES, L. B.; ZART, J. G.; FREITAS, D. J. B.; SAUSEN, A. T. Z. R.; SAUSEN, P. S. Proposição de um modelo híbrido para a predição do tempo de vida de baterias utilizadas em dispositivos móveis. Revista de Informática Aplicada. v. 13, p. 1, 2017. DOI: https://doi.org/10.13037/ria.vol13n1.167.

HU, T.; JUNG, H. Simple algorithms for determining parameters of circuit models for charging/discharging batteries. Journal of Power Sources. v. 233, p. 14-22, 2013. DOI: https://doi.org/10.1016/j.jpowsour.2013.01.098.

JONGERDEN, M. R.; HAVERKORT, B. Battery modeling. Technical report, Faculty Electrical Engineering. 2008.

KIM, T.; QIAO, W. A hybrid battery model capable of capturing dynamic circuit characteristics a nonlinear capacity effects. IEEE Transactions on Energy Conversion, v. 26, n. 4, p. 1172 - 1180, 2011. DOI: https://doi.org/10.1109/TEC.2011.2167014.

LEÓN, A. I. S.; ACOSTA, Á. A. P.; RODRÍGUEZ, C. L. T.; PIEDRAHITA, F. S.; JESTR, R. Design and implementation of a lead-acid battery emulator. Journal of Engineering Science and Technology Review, v. 13, n. 3, p. 172-180, 2020. DOI: https://doi.org/10.25103/jestr.133.19.

MANWELL, J. G.; MCGOWAN, J. F. Lead acid battery storage model for hybrid energy systems. Solar Energy, v. 50, n. 5, p. 399-405, 1993.

MEIRELES, L. F.; SAUSEN, A. T. Z. R.; SAUSEN, P. S. Modelagem Matemática do Tempo e Vida de Baterias de Íon Lítio Polímero a partir de Modelos Híbridos. Interciencia. v. 44, n. 5, p. 260-265, 2019.

RAKHMATOV D.; VRUDHULA S.; WALLACH, D. A. Battery lifetime prediction for energy-aware computing. Proc. Int. Symp. Low Power Electronics and Design. p. 154-159, 2002. DOI: https://doi.org/10.1109/LPE.2002.146729.

RONG, P.; PEDRAM, M. An Analytical Model for Predicting the Remaining Battery Capacity of Lithium-Ion Batteries. IEEE Transactions on Very Large-Scale Integration (VLSI) Systems. v. 14, n. 5, p. 441 – 451, 2006. DOI: https://doi.org/10.1109/TVLSI.2006.876094.

SAUSEN, J. P.; BINELO, M. F. B.; CAMPOS, M.; SAUSEN, A. T. Z. R.; SAUSEN, P. S.; Economic Feasibility Study of Using an Electric Vehicle and Photovoltaic Microgeneration in a Smart Home, IEEE Latin America Transactions, v. 16, n. 7, p. 1907-1913, 2018. DOI: https://doi.org/10.1109/TLA.2018.8447356.

SAUSEN, P. S.; SPOHN, M. A.; PERKUSICH, A. Broadcast routing in wireless sensor networks with dynamic power management and multi-coverage backbones, Information Sciences. v. 180, p. 5, p. 653-663, 2010. DOI: https://doi.org/10.1016/j.ins.2009.11.016.

SCHWEIG, R. D.; VECCHIA, L. J. Cálculo Numérico. Canoas: ULBRA, 2016.

SHAPIRO, S. S.; WILK, M. B. An analysis of variance test for normality (complete samples), Biometrika, v. 52, p. 591-611, 1965.

SILVA, B. F.; SAUSEN, A. T. Z. R.; SAUSEN, P. S.; REIMBOLD, M. Método da Procura em Rede Melhorado: uma Proposta para a Estimação dos Parâmetros do Modelo de Rakhmatov e Vrudhula. Tendências em Matemática Aplicada e Computacional, v. 14, n. 3, p. 463-482, 2013. DOI: https://doi.org/10.5540/tema.2013.014.03.0463.

VOLPATO, R. E.; BARRETO, G. L. Estatística Sem Dor. Botucatu - SP: Best Writing, 2016.

WOTTRICH, S. C.; BRONDANI, M. F.; SAUSEN, A. T. Z. R.; SAUSEN, P. S. Modelagem Matemática do Tempo de Vida de Baterias de Lítio Íon Polímero a partir do Modelo Elétrico para Predizer Runtime e Características V-I. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, v. 6, n. 1, 2018. DOI: https://doi.org/10.5540/03.2018.006.01.0395.

ZHANG, J.; CI, S.; SHARIF, H.; ALAHMAD, M. An enhanced circuit-based model for single-cell battery. Applied Power Electronics Conference and Exposition, 2010. DOI: https://doi.org/10.1109/APEC.2010.5433597.

Published

2025-07-01

How to Cite

Alessi, O. ., Sausen, A. T. Z. R., & Sausen, P. S. (2025). ANÁLISE COMPARATIVA DE MODELOS HÍBRIDOS UTILIZADOS NA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS. Vivências, 21(43), 79–95. https://doi.org/10.31512/vivencias.v21i43.1193

Issue

Section

ARTIGOS DE FLUXO CONTÍNUO