Modelo Híbrido de Partícula Única com Dinâmica Térmica e uma Rede Neural para Prever a Voltagem de Baterias de Íon de Lítio

No contexto da transição energética, as baterias de íon de lítio são essenciais para muitas aplicações, que vão desde eletrônicos de consumo até veículos elétricos. Para explorar completamente seu potencial, é crucial ter modelos confiáveis para estimar, monitorar e diagnosticar sua condição. Nosso estudo propõe uma abordagem inovadora que combina o modelo de partícula única com dinâmicas térmicas (SPM _ T) e um perceptron de múltiplas camadas (MLP) para melhorar a estimativa da voltagem terminal das baterias. Os resultados da simulação mostram que nosso método aumenta a precisão da estimativa de voltagem em até 80% dependendo da taxa C, em comparação com o SPMT isoladamente, mantendo a simplicidade computacional. O modelo híbrido desenvolvido também apresenta flexibilidade para várias químicas de célula e mantém alta precisão diante do envelhecimento. Além disso, o processo de aprendizado proporciona uma generalização eficiente com um número limitado de cenários. Os resultados obtidos neste estudo servirão para projetar sistemas de gerenciamento de baterias (BMS) mais confiáveis.