Previsão da vida útil remanescente de supercapacitores por meio de redes neurais artificiais

Abstract

O supercapacitor, também conhecido como ultracapacitor e capacitor eletroquímico, é o termo utilizado para descrever uma família dispositivos de armazenamento de energia que têm apresentado notáveis avanços tecnológicos nos últimos anos e um crescente número de aplicações, especialmente em cenários que demandam elevada densidade de potência, como, por exemplo, sistemas de controle do ângulo de passo das pás de turbinas eólicas, sistemas de frenagem regenerativa e fontes de alimentação ininterruptas. Neste contexto, estudos relacionados à sua confiabilidade são essenciais para aferir a viabilidade de implementação desta tecnologia e atuar no suporte ao planejamento da manutenção dos sistemas em que serão utilizados. Este trabalho tem como objetivo principal o desenvolvimento de modelos baseados em redes neurais artificiais capazes de efetuar a previsão da vida útil remanescente deste dispositivo, incluindo a quantificação das incertezas associadas, a partir de uma curta janela de dados elétricos coletada durante ciclos de carregamento e descarregamento. A análise foi conduzida em uma base de dados aberta e teve como ênfase a investigação das arquiteturas feedforward, LSTM e convolucional junto ao algoritmo dropout Monte Carlo. Destacando o crescente interesse da indústria e academia por análises baseadas em dados por meio de modelos de aprendizado de máquina, busca-se com este trabalho contribuir para esta área em expansão.