Comparación de modelo de predicción de degradación de batería de Li-ion con redes neuronales NAR, NARX y ANFIS

Objetivo: Comparar modelos de degradación de batería de Li-ion basados en redes neuronales NAR, NARX y ANFIS. Metodología: Se usaron redes neuronales NAR, NARX y ANFIS para modelar la degradación de la batería de Li-ion. Las redes neuronales se entrenaron en Matlab con tres diferentes grupos de datos, cada grupo de datos representa un batería diferente y contiene ciclos de carga y descarga en forma de curvas de tensión y corriente, al final de un ciclo de carga-descarga el grupo de datos contiene la capacidad de la batería. Las redes NAR, NARX y ANFIS se comparan entre sí para determinar cual tiene un menor error cuadrático medio (MSE por sus siglas en ingles). Resultados: El mejor modelo que se logró está representado en una red NARX (MSE=3.01x10-5) con una sola capa de quince neuronas y dos datos antecesores tanto en la entrada como en la salida. Conclusiones: Al final se concluye que las redes neuronales NAR y NARX reproducen con mayor fidelidad el comportamiento de la degradación de la batería para los primeros cien ciclos de uso, en comparación a los modelos basados en sistemas ANFIS. En contraste los modelos ANFIS tienen mayor fidelidad, después de los cien primeros ciclos, que los modelos NAR y NARX.