Paper Proposal - Application of Neural Network to Model the Capacity and Life Cycle of a Battery Storage System

Objetivo: 

O objetivo deste artigo é propor uma modelagem via redes neurais artificiais para estimar a capacidade e vida útil de um sistema de armazenamento de baterias. Um banco de dados contendo informações como Tensão, Corrente de Descarga, SOC, Capacidade e Vida Útil será utilizado como fonte de informação para alimentar e treinar a rede neural. Ao final deste artigo, deseja-se realizar uma comparação das respostas entre dois tipos de baterias: chumbo ácido e lítio.

Materiais: 

Para que os resultados finais deste artigo sejam satisfatórios, serão utilizadas algumas ferramentas e materiais. Será feita uma busca em diferentes banco de dados com o objetivo de obter informações o a respeito das características dos bancos de baterias. A ferramenta NNTOOL do Matlab será utilizada para realizar a modelagem da rede neural artificial. Ao fazer a comparação entre os tipos de baterias, o software Excell será usado para construção dos gráficos e tabelas.

Metodologia:

Primeiramente, será realizada um extensa busca em alguns bancos de dados disponibilizados em softwares, sites específicos (como por exemplo a NASA) e também será levada em conta a possibilidade de simular alguns destes dados. Após obtenção destas informações será necessário criar um código para tratá-las, devido a quantidade e qualidade dos dados. Finalizada a etapa do tratamento, será preciso escolher qual rede neural será utilizada, assim como sua topologia, número de camadas, número de neurônios, tipo de função de ativação e a taxa de aprendizagem. Com todos estes passos realizados, a rede neural será treinada e validade, gerando assim os resultados desejados. Por fim, será feita a comparação destes resultados.

Referências

[1] Pereira, M. S.; Leite, P. B. N.; Saavedra, O. R.; Lima, S. L. Modelagem Via Redes Neurais da Capacidade de Sistemas de Armazenamento com Baterias em Smart Grids Isoladas com Fontes Renováveis. In the 12th latin-american congress on electricity generation and transmission - CLAGTEE, 2017. 

[2] Ribeiro, l. A. S.; Saavedra, O. R.; Lima, S. l. de; Matos, José Gomes. Isolated Micro-Grids With Renewable Hybrid Generation: The Case of Lençóis Island. IEEE Transactions on Sustainable Energy, v. 2, p. 1-11, 2010.

[3] M. Charkhgard and M. Farrokhi, "State-of-Charge Estimation for Lithium-Ion Batteries Using Neural Networks and EKF," in IEEE Transactions on Industrial Electronics, vol. 57, no. 12, pp. 4178-4187, Dec. 2010.

[4] T. Yamazaki, K. Sakurai and K. Muramoto, "Estimation of the residual capacity of sealed lead-acid batteries by neural network," INTELEC - Twentieth International Telecommunications Energy Conference, San Francisco, CA, USA, 1998, pp. 210-214.

[5] Guijun Ma, Yong Zhang, Cheng Cheng, Beitong Zhou, Pengchao Hu, Ye Yuan, "Remaining useful life prediction of lithium-ion batteries based on false nearest neighbors and a hybrid neural network", Applied Energy, Volume 253, 2019.

[6] Shuzhi Zhang, Baoyu Zhai, Xu Guo, Kaike Wang, Nian Peng, Xiongwen Zhang, "Synchronous estimation of state of health and remaining useful lifetime for lithium-ion battery using the incremental capacity and artificial neural networks", Journal of Energy Storage, Volume 26, 2019.

[7] Tsutomu YAMAZAKI, Ken-ichiro MURAMOTO, "Estimation of Residual Capacity and Deterioration of Sealed Lead-acid Batteries by Neural Networks and Its Application to Electric Bicycles", Journal of Japan Society for Fuzzy Theory and Intelligent Informatics, 2003, Volume 15, Issue 3, Pages 351-360, Released May 29, 2017.