PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA (PPGEE)

UNIVERSIDADE FEDERAL DA PARAÍBA

Telefone/Ramal:
(083)3216-7857
http://www.ufpb.br/pos/ppgee

Notícias


Banca de QUALIFICAÇÃO: JONATHAN JEFFERSON PEREIRA MOURA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: JONATHAN JEFFERSON PEREIRA MOURA
DATA: 25/02/2019
HORA: 16:00
LOCAL: Auditório do CEAR/UFPB
TÍTULO: Modelo para Estimação do Estado de Carga de Baterias de Lítio-Íon Baseado em Redes Neurais Auto Regressivas Não-Lineares Com Entradas Externas
PALAVRAS-CHAVES: Redes Neurais Artificiais, Estado de Carga, Baterias de Lítio-Íon, Redes Neurais Não-Lineares Auto Regressivas com Entradas Externas, Matlab/Simulink©, Estruturas de Rede.
PÁGINAS: 65
RESUMO: Atualmente, a busca pelo utilização e o aprimoramento no armazenamento de energia elétrica seja para utilização em sistemas off grid, dispositivos móveis ou implantação em veículos elétricos tem se tornado foco de pesquisas que visão uma maior eficiência no controle de carga e descarga de baterias. Neste cenário, é proposto um método para estimação do Estado de Carga (SoC) para baterias de lítio-íon, utilizando como estrutura base as redes neurais artificiais do tipo não-linear auto regressivas com entradas externas (NARX). A estrutura usada para determinação do SoC consiste em uma rede NARX contendo tensão nos terminais da bateria e temperatura ambiente como entradas externas além do SoC no instante anterior realimentado, fornecendo na saída da rede o valor do SoC no instante atual. Os procedimentos de criação do banco de dados com ensaios de descarga para várias correntes e temperatura diferentes foram efetuados na ferramenta Simulink. O treinamento da rede neural se deu por meio do toolbox Neural Net Time Series do software Matlab©. Foram desenvolvidas um total de 6 redes neurais utilizando funções de ativação tangente hiperbólica e logarítmica, de tal forma que suas validações foram realizadas também através do Matlab©. Os resultados dos testes de validação foram comparados com outras estruturas de redes neurais baseadas em técnicas reportadas na literatura, de modo que a estrutura proposta obteve um Erro Médio Quadrático máximo de 1,0951 % e um Erro Percentual Absoluto Médio máximo de 2,8065 %.
MEMBROS DA BANCA:
Interno - 1783447 - EULER CASSIO TAVARES DE MACEDO
Presidente - 1972280 - JUAN MOISES MAURICIO VILLANUEVA
Externo ao Programa - 1894365 - LUCAS VINICIUS HARTMANN

Notícia cadastrada em: 15/02/2019 16:39