Navegando por Palavras-chave "Estado de Carga"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Predição do estado de carga de baterias via redes neurais LSTM
    (Universidade Federal de São Paulo, 2024-09-10) Pedro, Paulo Roberto Costa [UNIFESP]; Quiles, Marcos Gonçalves [UNIFESP]; http://lattes.cnpq.br/8867164774240536; http://lattes.cnpq.br/0704195158882345
    Com o avanço da importância da energia elétrica globalmente, torna-se crucial desenvolver modelos eficazes para avaliar os indicadores e parâmetros de funcionamento das baterias ao longo do tempo, uma vez que essas baterias são responsáveis por alimentar sistemas que dependem dessa forma de energia e pode trazer prejuízos a eles caso não funcione adequadamente. Neste trabalho, uma arquitetura de rede neural LSTM foi construída para realizar a tarefa de predição da capacidade de uma bateria em função da série temporal de seus parâmetros coletados. Esse modelo foi aplicado a um conjunto de dados públicos de simulação de ciclos de carga e descarga da bateria e, posteriormente, duas análises foram feitas a respeito do modelo: a otimização dos hiperparâmetros das camadas LSTM e a aferição da influência da introdução ou não de camadas CNN ao modelo. Os resultados mostraram que para a rede neural LSTM construída neste trabalho realiza as predições com erro RMSE de 0,07 nos conjuntos de treino, validação e teste e a introdução de camadas CNN ao modelo prejudicou seu desempenho, não sendo, portanto, adequada no domínio deste trabalho.