Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIJUI |
Texto Completo: | http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2781 |
Resumo: | O uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros. |
id |
UNIJ_442558f2eb28d53fbca74ef728dd8ab7 |
---|---|
oai_identifier_str |
oai:bibliodigital.unijui.edu.br:123456789/2781 |
network_acronym_str |
UNIJ |
network_name_str |
Repositório Institucional da UNIJUI |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisModelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos2015-05-0620152015-05-06T13:29:52Z2015-05-06T13:29:52ZO uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros.114 f.Modelagem MatemáticaModelo elétrico batteryTempo de vida de bateriasAlgoritmo genéticohttp://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2781DMD_hdl_123456789/2781Brondani, Marcia de Fatimaporreponame:Repositório Institucional da UNIJUIinstname:Universidade Regional do Noroeste do Estado do Rio Grande do Sulinstacron:UNIJUIinfo:eu-repo/semantics/openAccessDissertacao_Marcia%20Brondani.pdfhttp://bibliodigital.unijui.edu.br:8080/xmlui/bitstream/123456789/2781/1/Dissertacao_Marcia%20Brondani.pdfapplication/pdf2191484http://bibliodigital.unijui.edu.br:8080/xmlui/bitstream/123456789/2781/1/Dissertacao_Marcia%20Brondani.pdf7d60584cf077ff70291c7a72a345e7d8MD5123456789_2781_12019-01-21T12:44:37Zmail@mail.com - |
dc.title.none.fl_str_mv |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
title |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
spellingShingle |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos Brondani, Marcia de Fatima Modelagem Matemática Modelo elétrico battery Tempo de vida de baterias Algoritmo genético |
title_short |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
title_full |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
title_fullStr |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
title_full_unstemmed |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
title_sort |
Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos |
author |
Brondani, Marcia de Fatima |
author_facet |
Brondani, Marcia de Fatima |
author_role |
author |
dc.contributor.author.fl_str_mv |
Brondani, Marcia de Fatima |
dc.subject.por.fl_str_mv |
Modelagem Matemática Modelo elétrico battery Tempo de vida de baterias Algoritmo genético |
topic |
Modelagem Matemática Modelo elétrico battery Tempo de vida de baterias Algoritmo genético |
dc.description.abstract.none.fl_txt_mv |
O uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros. 114 f. |
description |
O uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-05-06 |
dc.date.available.fl_str_mv |
2015 2015-05-06T13:29:52Z |
dc.date.accessioned.fl_str_mv |
2015-05-06T13:29:52Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2781 DMD_hdl_123456789/2781 |
url |
http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2781 |
identifier_str_mv |
DMD_hdl_123456789/2781 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.bitstream.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIJUI instname:Universidade Regional do Noroeste do Estado do Rio Grande do Sul instacron:UNIJUI |
reponame_str |
Repositório Institucional da UNIJUI |
collection |
Repositório Institucional da UNIJUI |
instname_str |
Universidade Regional do Noroeste do Estado do Rio Grande do Sul |
instacron_str |
UNIJUI |
institution |
UNIJUI |
repository.name.fl_str_mv |
-
|
repository.mail.fl_str_mv |
mail@mail.com |
_version_ |
1623414621884907520 |