Cientistas da UFPB dobram precisão do indicador da carga de baterias lítio-íon

Cientistas da Universidade Federal da Paraíba (UFPB) conseguiram dobrar a precisão do indicador da carga de baterias lítio-íon, sistema de armazenamento de energia muito utilizado em equipamentos eletrônicos portáteis.

Nos experimentos, Redes Neurais Artificiais, um tipo de algoritmo, mostraram-se eficientes e robustas para esse tipo de estimativa que nada mais é do que a designação da porcentagem restante da carga de baterias recarregáveis presente, por exemplo, na parte superior da tela de um telefone celular.

Para os testes, foi utilizada uma base de dados disponibilizada pela Administração Nacional da Aeronáutica e Espaço (NASA), agência do governo federal dos Estados Unidos responsável pela pesquisa e desenvolvimento de tecnologias e programas de exploração espacial.

Nessa base de dados, havia informações acerca de 2.794 testes com 34 baterias, distribuídos em experimentos de carga e descarga contínua, testes dinâmicos de esforço e entre outros tipos de testes. Por meio da análise de variáveis de interesse, os cientistas da UFPB validaram a metodologia que criaram com Redes Neurais Artificiais.

“Imagine que você esteja utilizando seu telefone celular e que, em um dado momento, o indicador da bateria esteja em 10% e, logo em seguida, subitamente, seu aparelho descarregue. Já imaginou o porquê de isso acontecer?”, exemplifica Rômulo Vieira, egresso do curso de mestrado do Programa de Pós-graduação em Engenharia Elétrica da UFPB e principal autor do trabalho. Ele explica que nessa situação surge a pergunta no sentido de que, se o celular informava que havia 10% da bateria restante, por que então o telefone descarregou? Isso ocorre por uma estimativa errônea do estado de carga da bateria do celular.

“É de vital importância que este indicador represente corretamente a quantidade de carga restante que existe na bateria”, afirma o pesquisador da UFPB.

Essa previsão errônea acontece, segundo Rômulo Vieira, porque o estimador representado pelo ícone da bateria não foi capaz de apontar corretamente a quantidade de carga que existe na bateria. No caso exemplificado, o estimador devia prever que a bateria estava prestes a descarregar e ajustar o indicador da bateria para 1% ou 2%, a fim de informar o usuário com mais precisão.

O cientista da UFPB conta que havia uma dificuldade em modelar todos as reações químicas, efeitos de envelhecimento, condições de uso para formar um conjunto e, só assim, poder estimar o estado de carga da bateria

“As Redes Neurais conseguem fazer isso com relativa facilidade. Com o uso da correntropia, elas ficam mais robustas aos efeitos de ruídos, que estão muito presentes no nosso dia a dia”, explica Vieira.

O Critério da Máxima Correntropia trata-se de uma função definida positiva que mede a similaridade linear ou não linear entre duas variáveis aleatórias que envolve estatística de ordem superior.

De acordo com o estudo do pesquisador, atualmente, o mercado está bem aquecido em relação a pesquisas neste ramo do conhecimento. Para ele, com a diminuição de combustíveis fósseis nos próximos anos, é de vital importância que este tipo de pesquisa traga resultados coerentes e que sejam utilizados para a gestão de carga em baterias de veículos elétricos, por exemplo.

Levantamento divulgado no ano passado pela S&P Global Platts Analytics, organização que examina todos os aspectos do mercado global de petróleo, incluindo oferta, demanda, estoques, refino, infraestrutura e fluxos comerciais, mostrou um crescimento de 108% nas vendas de veículos elétricos no mundo, nos últimos anos. Para 2022, a expectativa também é de crescimento, impulsionado pelo mercado e por pesquisas de sistemas de armazenamento de energia.

O estudo da UFPB foi financiado pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), fundação vinculada ao Ministério da Educação do Brasil. Os pesquisadores da UFPB Juan Moises Mauricio Villanueva, Euler Cassio Tavares de Macêdo e Thommas Flores colaboraram.

Os resultados do trabalho foram divulgados recentemente na Sensors, principal revista internacional sobre ciência e tecnologia de sensores, publicada pelo Multidisciplinary Digital Publishing Institute (MDPI), editora suíça de periódicos científicos de acesso aberto.