Aplicação de Redes Neurais em Sistema de Gerenciamento de Bateria
Abstract
Este estudo tem como objetivo principal empregar o uso de redes neurais artificiais, sendo que umas das suas principais aplicações é operar como um aproximador universal de funções, mapeando a relação funcional entre as variáveis de um sistema a partir de um conjunto conhecido de amostras. Neste cenário, este trabalho aborda um método para prever o estado de carga de baterias usando técnicas de redes neurais artificiais através de um banco de dados e modelos da curva de carga de baterias de cloreto de sódio e níquel e, assim, analisar o comportamento do sistema de gerenciamento de bateria, através dos modelos encontrados nas curvas de saída. De tal modo, este estudo a princípio apresenta uma breve introdução, seguida pelo referencial teórico. Ato contínuo, a metodologia utilizada é apresentada, no software MATLAB®, passo a passo para obter as curvas de carga. Para o caso, o método proposto utiliza uma rede neural artificial Perceptron Multicamada, uma arquitetura de Feedforward com algoritmo de treinamento de retropropagação. Finalmente, os resultados expressam a capacidade do método de indicar o estado de carga da bateria, bem como a análise dos erros estipulados. Uma das conclusões obtidas é que a configuração utilizada apresenta melhor desempenho ao ajustar o número de camadas e pode ser
aplicada em outros tipos de baterias, como no caso da bateria de lítio. Com os erros e inconvenientes encontrados ao longo deste estudo, alguns trabalhos futuros são propostos.