José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante

Monitoramento da Saúde e Estimação da Vida Útil de

Baterias Aeronáuticas de Lítio-íon

José Affonso Moreira Penna

Orientação: Cairo L. Nascimento Jr. – ITACo-orientação: Leonardo Ramos Rodrigues- Embraer

Curso de Mestrado Profissionalizante em Engenharia Aeronáutica

1

Introdução

PHM (Prognostics and Health Management)

Baterias de Lítio-íon

Descrição do modelo

Estudo de caso

Conclusão

Estrutura do Trabalho

2

Introdução




Estudo de caso

Conclusão


3

•Estudo de baterias de lítio-íon

•Analise de dados experimentais

Modelos

•Simulação de descargas da

bateria ao longo de seu ciclo de vida

Monitoramento • Estudo e aplicação de técnicas de

PHM

Estimativa de RUL

Motivação Busca de redução de custos de manutenção e de operação aos

operadores;

Busca do aumento da segurança de voo;

Desenvolvimento de técnicas de prognóstico;

Objetivo Desenvolver metodologia para estimação do tempo de vida útil

restante (RUL) da bateria aeronáutica de lítio-íon.

Metodologia

Introdução

4

Introdução




Estudo de caso

Conclusão


5

Introdução

PHM (Prognostics and Health

Management)



Estudo de caso

Conclusão


6

Origem:

◦ Disciplina em processo de amadurecimento;

◦ Estudo do mecanismo de falha ↔ Gestão do ciclo de vida;

◦ 1970 - HUMS (Health & Usage Monitoring Systems): MH-47E Chinook (monitoramento de vibrações para predizer falhas nas engrenagens dos rotores de helicópteros)

◦ 1980 - Fabricantes visualizam oportunidade de negócios e iniciam fabricação deste sistema (Smiths Aerospace)


7

Fundamentos:

1. Envelhecimento ocorre em função do uso, do tempo e das condições ambientais;

2. Envelhecimento (acúmulo do dano) é um processo monotônico que se manifesta na degradação física e química;

3. Sinais do envelhecimento (direto ou indireto) são detectáveis antes da falha ostensiva do componente (perda da função);

4. Correlação entre os sinais de envelhecimento e modelo de degradação possibilita a estimativa de RUL (Remaining Useful Life).


8

Cenário atual:

◦ MTBF (Mean Time Between Failures) Estatística de falha de determinada população; Não considera variação de parâmetros de operação; Pouco preciso;

Propostas:

◦ Estimativa de RUL orientada a dados (Data-Driven Methods)

◦ Estimativa de RUL orientada a modelo (Model-Based Methods)


9

Estimativa de RUL orientada a dados (Data-Driven Methods)

◦ analise em tempo real os dados multidimensionais e ruidosos;

◦ grande numero de variáveis relacionadas a degradação;◦ armazenagem e analise de dados onerosas;◦ gerência de incertezas;


10

Estimativa de RUL orientada a modelo (Model-Based Methods)

◦ Desenvolvimento de modelo que relacionam o uso do componente com o acúmulo de danos;

◦ Utilização de dados da operação para pequenos ajustes dos parâmetros do modelo;

◦ Processos mais envolventes;◦ Tipicamente resultam em uma estimação de

RUL mais exata e precisa;◦ Vantagens na validação, verificação e

certificação pois a resposta do modelo pode ser relacionada com princípios físicos.


11


Baterias Aeronáuticas

◦ Crítico para o bom estado e funcionamento dos sistemas. Falha pode levar a redução de performance, deterioriação operacional, e falha catastrófica;

◦ Utilizado para a partida dos motores e em caso de pane elétrica das fontes principais de energia elétrica (geradores) e alternativas (RAT);

12


Baterias Aeronáuticas

◦ Dificuldade de predizer com exatidão o fim da vida da bateria a partir da estimação de SoH (State of Health) sob condições ambientais e de carga diferentes dos experimentos. Exemplo: sonda espacial Mars Global Surveyor da NASA.

◦ Tarefas de manutenção (inspeções e substituições) baseados em tempos fixos (hard times):

Custo direto e indireto; Diminuição da despachabilidade; Dados insuficientes para predição de falha; Degradação na segurança de voo;

13

Introdução

PHM (Prognostics and Health

Management)



Estudo de caso

Conclusão


14

Introdução




Estudo de caso

Conclusão


15

Princípio de funcionamento

Descarga

Recarga

Comparativo com outras baterias

◦ Maior densidade de energia


16

Comparativo com outras baterias

◦ Baixa autodescarga◦ Longa vida em estoque◦ Alto custo do equipamento◦ Comercializado desde 1991


PesoRelativo

Auto--descarga

Ciclo de Vida

Vida em Estoque

CustoRelativo

Ano

Chumbo-ácido Muito Pesado

5% 200-300 6 meses X 1970

Níquel-cádmio Pesado 20% 500-1500 6 meses 2X 1950

Níquel-metal Moderado 30% 300-500 12 meses 2,5X 1990

Lítio-íon Leve 10% 500-1000 12 meses 4X 1991

Lítio-polímero Leve 10% 300-500 12 meses 5X 1999

17

Modos de Falha

◦ Sobretensão◦ Subtensão◦ Baixa temperatura◦ Alta temperatura◦ Fadiga mecânica◦ Ciclo de vida


18

Introdução




Estudo de caso

Conclusão


19

Introdução




Estudo de caso

Conclusão


20

Repositório de Dados

Fonte: NASA Ames Prognostics Data Repository 34 baterias de lítio-íon (Cnominal=2Ah) Repetidos ciclos de Recarga, Descarga e Medição de Impedância Descarga: Corrente Constante até Vmínimo

Arquivos .mat

Descrição do Modelo

21


◦ Tratamento dos Dados

Removido V=0; Removido pontos de circuito aberto; Extrapolação da curva de descarga.


22


◦ Efeito da Degradação ao longo do Ciclo de Vida

Redução do tempo de descarga; Redução da tensão elétrica.


23


◦ Cálculo da Capacidade

◦ Cálculo do estado de carga (SoC)


finalt

dttIC0

)(

t

t

dttIC

tSoCtSoC1

)(1

)1()(

24


◦ Removidas as baterias: B0025, B0026, B0027, B0028, B0038, B0039, B0040, B0041, B0042, B0043, B0044, B0049, B0050, B0051, B0052

Falha no sistema de controle; Corrente elétrica em forma de onda quadrada na descarga; Variação de corrente elétrica e temperatura ao longo da vida da bateria.

◦ 19 Baterias restantes:


B0045 B0047B0046 B0048

B0053 B0055B0054 B0056

B0005 B0007B0006 B0018

B0036

B0033B0034

B0029 B0031B0030 B0032

T=4°C T=24°C T=43°C

I=1A

I=2A

I=4A

25

Modelagem da curva de descarga

◦ (PAATERO, 1997) e (SPERANDIO, 2010);

◦ Calculo de Tensão Elétrica U (I,T,SoC):


26


◦ Determinação dos parâmetros x1...x17:

Seleção das primeira curva de descarga (bateria nova) de cada bateria;

Seleção de 5 baterias (uma para cada perfil de descarga);

Rotina executa FMINSEARCH (MATLAB®) agrupando uma bateria por execução;

Cálculo do erro:


27


◦ Resultados:

1237 ponto utilizados;

Obtido os parâmetros x1...x17;

Erro médio = 0,0565;

Variância do erro = 0,0058.


28


◦ Comparação Modelo x Repositório


29

Modelagem da capacidade

◦ Modelo Linear Capacidade = f (T, I, nc)

◦ Determinação dos parâmetros c0 e c1

Seleção de 5 baterias (uma para cada perfil de descarga);

Seleção dos valores calculados de capacidade para cada nc;

Escolha do modelo de c0 e c1; Rotina executa FMINSEARCH

(MATLAB®) agrupando uma bateria por execução;

◦ Cálculo do erro:


),(),(),,( 01 TIcncTIcncTIC

30


◦ Resultados:

532 ponto utilizados;

Obtido os parâmetros y1...y10

Erro médio = 0,0324;

Variância do erro = 0,0035.


31


◦ Comparação Modelo x Cálculo


32


◦ Capacidade x Corrente Elétrica

◦ Capacidade x Temperatura


33

Modelagem do Estado de Saúde

◦ State of Health (SoH)

◦ Delta_Health

◦ Capacidade @SoH

◦ Número de Ciclo Relativo

◦ Remaining Useful Life (RUL)


34

Simulink

◦ Projeto:

Carga:


35

Simulink

◦ Projeto:

Carga:


36

Simulink

Modelo da Bateria:

Modelo de C


37

Simulink

Cálculo de SoC:

Modelo de Descarga:


38

Simulink

Monitoramento da Saúde:

Cálculo de SoH e de ncr


39

Simulink

Cálculo de ncr e delta_Health

Cálculo de SoH


40

Simulink

◦ Monitoramento da Saúde:


41

Estimativa de RUL


Obtenção os pontos de SoH utilizando o monitoramento da saúde

Regressão linear dos pontos de SoH disponíveis até o momento da

estimação

Obtenção do número do ciclo no qual a bateria atinge o valor mínimo de SoH (SoHmin) realizando a extrapolação da

reta obtida pela regressão

Cálculo das incertezas e incorporação destes valores à estimativa

42

Estimativa de RUL

◦ Regressão Linear

Função REGRESS (MATLAB®)

B → coeficientes da regressão linear da reta BINT → coeficientes das retas superiores e inferiores

que abrangem os pontos com 100*(1-ALPHA)% de confiança


),,(],[ ALPHAXYregressBINTB

BXY

43

Estimativa de RUL

◦ Cálculo de ncfalha

◦ Cálculo de RUL

◦ Cálculo da Incerteza

Incerteza do perfil de operação das futuras descargas (BINT) Incerteza referente ao modelo de capacidade (erro/c1)


44

Introdução




Estudo de caso

Conclusão


45

Introdução




Estudo de caso

Conclusão


46

Limite de SoH

◦ Descarga de emergência:

I = 4A; time = 15 min.; T =43°C (pior cenário);

◦ Resultado:

ncfalha = 285 SoHmin = 0,60

Estudo de Caso

47

Caso A

◦ Partida do motor:

Corrente Elétrica:

Temperatura:

Estudo de Caso

48

Caso A

Efeito da degradação:

Resultado da simulação

ncfalha=495

Estudo de Caso

49

Caso A

◦ Estimativa de RUL:

Exatidão na estimativa de falha (ncfalha=495)

Precisão na estimativa (incerteza ± 17 ciclos)

Estabilidade da estimativa possibilita planejamento da manutenção

Estudo de Caso

50

Caso B

◦ Perfil de descarga:

I=4A; T=24°C; Tempo=10 min; ncfalha=1130.

◦ Operação não prevista:

Elevação de temperatura (T=43°C @ ciclo 240-265)

Estudo de Caso

51

Caso B

◦ Resultado da simulação:

Adiantamento no tempo de falha;

nc'falha = 1059;

Estudo de Caso

52

Caso B

◦ Estimativa de RUL:

Exatidão e conservadorismo na estimativa de falha (ncfalha ≅1033)

Precisão na estimativa (incerteza ± 40 ciclos)

Confiabilidade da estimativa possibilita planejamento da manutenção mesmo em casos com eventos não previstos

Estudo de Caso

53

Introdução




Estudo de caso

Conclusão


54

Introdução




Estudo de caso

Conclusão


55

Bateria

◦ Verificado importância histórica e no cenário atual de estimar RUL;

◦ Encontrado modelo de descarga compatível com a descarga da bateria de lítio-íon;

◦ Identificado os modos de falha das baterias de lítio-íon;

◦ Estudado as características de degradação da bateria ao longo de seu ciclo de vida em função do perfil de operação (I, T);

Conclusão

56

Metodologia

◦ Os modelos de descarga e de capacidade foram capazes de simular as operações de descarga da bateria ao longo de seu ciclo de vida;

◦ O monitoramento da saúde da bateria foi capaz de monitorar os principais parâmetros necessários à estimação de vida útil restante;

◦ A estimativa de RUL foi capaz de fornecer ao operador informações com precisão e exatidão necessárias para a tomada de decisão para uma intervenção de manutenção na bateria.

Conclusão

57

Trabalho

◦ Colabora no estudo para incorporar a tecnologia de PHM em futuros projetos elétricos de aeronaves (baterias).

Sugestões para trabalhos futuros:

◦ Estudo para incorporar SoC e temperatura interna no modelo de capacidade da bateria;

◦ Estimar RUL em termos de uma pdf (probability density function);

◦ Estudo dos custos e implicações na utilização dos sensores necessários ao monitoramento da saúde da bateria;

◦ Verificar as alterações necessárias para o modelamento de baterias de maior capacidade (mais de uma célula);

Conclusão

58

Documents

José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante