Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36246| Title: | Modelagem de bateria de lítio-íon e estudo comparativo entre os métodos de estimação de estado de carga para veículos elétricos. |
| Other Titles: | Lithium-ion battery modeling and comparative study between State of charge estimation methods for electric vehicles. Modelización de baterías de iones de litio y estudio comparativo entre métodos de estimación del estado de carga de vehículos eléctricos. |
| ???metadata.dc.creator???: | GUEDES, Walter Barbosa. |
| ???metadata.dc.contributor.advisor1???: | SILVA, Jaidilson Jó da. |
| ???metadata.dc.contributor.advisor2???: | PERKUSICH, Angelo. |
| ???metadata.dc.contributor.referee1???: | OLIVEIRA, Alexandre Cunha. |
| ???metadata.dc.contributor.referee2???: | GORGÔNIO, Kyller Costa. |
| Keywords: | Baterias de lítio-íon;Baterias de íons de lítio;Estado de carga (SOC);Battery management system (BMS);Lithium-Ion batteries;State of charge (SOC);Battery management system (BMS);Sistema de gestión de batería (BMS) |
| Issue Date: | 6-Mar-2023 |
| Publisher: | Universidade Federal de Campina Grande |
| Citation: | GUEDES, Walter Barbosa. Modelagem de bateria de lítio-íon e estudo comparativo entre os métodos de estimação de estado de carga para veículos elétricos. 2024. 104 fl. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2024. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36246 |
| ???metadata.dc.description.resumo???: | Neste trabalho é abordado a representação das baterias de íons de lítio por meio de circuitos elétricos equivalentes, detalhando a forma de obter os parâmetros do circuito por neio de ferramentas computacionais. Também são apresentadas análises de metodologias de estimação de estado de carga de uma bateria de Lithium Nickel Manganese Cobalt (NMC) de um veículo elétrico comercial. O método de estimação coulomb couting estima o estado de carga da bateria baseado na integral da corrente elétric no tempo, apesar de ser simples, por ser de malha aberta, possui um erro acumulativo. As metodologias baseadas nos filtros de kalman proporcionam precisão a estimação a partir da covariância do sistema. Por fim o método machine learning proporciona do estado de carga de bateria de lítio a partir do histórico de dados. As metodologias foram comparadas entre si em termo de precisão acuracidade por meio de ferramentas da Mathworks e da linguagem de programação Python. |
| Abstract: | This work addresses the representation of lithium-ion batteries through equivalent electrical circuits, detailing how to obtain the circuit parameters using computational tools. Analyzes of methodologies for estimating the state of charge of a Lithium Nickel Manganese Cobalt (NMC) battery for a commercial electric vehicle are also presented. The coulomb couting estimation method estimates the battery's state of charge based on the integral of the electric current over time. Despite being simple, as it is open loop, it has an accumulative error. Methodologies based on Kalman filters provide accurate estimation based on the system's covariance. Finally, the machine learning method provides the lithium battery charge state from historical data. The methodologies were compared with each other in terms of accuracy using Mathworks tools and the Python programming language. |
| ???metadata.dc.description.resumen???: | Este trabajo aborda la representación de baterías de iones de litio mediante circuitos eléctricos equivalentes, detallando cómo obtener los parámetros del circuito mediante herramientas computacionales. También se presentan análisis de metodologías para estimar el estado de carga de una batería de litio, níquel, manganeso y cobalto (NMC) para un vehículo eléctrico comercial. El método de estimación de coulomb estima el estado de carga de la batería a partir de la integral de la corriente eléctrica en el tiempo. A pesar de ser sencillo, al ser de bucle abierto, tiene un error acumulativo. Las metodologías basadas en filtros de Kalman proporcionan una estimación precisa basada en la covarianza del sistema. Finalmente, el método de aprendizaje automático proporciona el estado de carga de la batería de litio a partir de datos históricos. Las metodologías se compararon entre sí en términos de precisión utilizando herramientas Mathworks y el lenguaje de programación Python. |
| Keywords: | Baterias de lítio-íon Baterias de íons de lítio Estado de carga (SOC) Battery management system (BMS) Lithium-Ion batteries State of charge (SOC) Battery management system (BMS) Sistema de gestión de batería (BMS) |
| ???metadata.dc.subject.cnpq???: | Engenharia Elétrica |
| URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36246 |
| Appears in Collections: | Mestrado em Engenharia Elétrica. |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| WALTER BARBOSA GUEDES – DISSERTAÇÃO (PPGEE) 2024.pdf | Walter Barbosa Guedes - Dissertação (PPGEE) 2024 | 33.03 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.