English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

The State of Charge (SoC) is a parameter of fundamental importance for the correct operation of the Battery Management Systems (BMS). Determining the SoC of a battery is not a simple task since the relationship between the SoC and the battery voltage presents a high nonlinearity. In this context, the present work contains a performance analysis of SoC estimators for lithium-ion batteries based on Artificial Neural Networks on the point of view of the number of neurons per layer and the number of layers of the network. The structure of the networks was analyzed aiming to observe the impact that these variations would generate in the performance of the SoC estimation. After metrics verification, networks with two layers showed better performance when compared to only one layer, having an MSE and MAPE value of 0, 0073 and 0, 1509%, respectively. Resumo: O Estado de Carga (SoC) é um parâmetro de fundamental importância para a correta operação de Sistemas de Gerenciamento de Bateris (BMS). Determinar o SoC de uma bateria não é uma tarefa simples, uma vez que a relação entre o SoC e a tensão da bateria apresenta uma elevada não-linearidade. Neste contexto, o presente trabalho contém uma análise de desempenho de estimadores SoC para baterias de ĺıtio-́ıon baseado em Redes Neurais Artificiais a partir de análises de quantidade de neurônios por camada e quantidade de camadas da rede. A estrutura das redes foi analisada objetivando observar o impacto que estas variações iriam gerar no desempenho da estimação do SoC. Após verificação das métricas, as redes com duas camadas apresentaram um melhor desempenho quando comparado apenas uma camada, tendo um valor de MSE e MAPE de 0, 0073 e 0, 1509%, respectivamente.

Análise de Topologias de Redes Neurais Artificiais NARX na Estimação do Estado de Carga de Baterias de Lítio-Íon