• español
    • English
    • español
    • English
    JavaScript is disabled for your browser. Some features of this site may not work without it.
    Ver ítem 
    •   TITULA principal
    • Universidad Europea de Valencia
    • Escuela de Ciencias, Ingeniería y Diseño
    • Grado
    • Ver ítem
    •   TITULA principal
    • Universidad Europea de Valencia
    • Escuela de Ciencias, Ingeniería y Diseño
    • Grado
    • Ver ítem

    Herramienta para la determinación del state of health de baterías Li-Ion mediante el uso de inteligencia artificial

    Autor/es: Rodríguez Rebenaque, Carlos
    Director/es: Espinós Morató, Héctor
    Palabra/s clave: Ciencia de datos; Baterías Li-Ion; TSE; Redes LSTM
    Titulación: Grado en Ciencia de Datos
    Fecha de defensa: 2023-06
    Tipo de contenido: TFG
    URI: https://hdl.handle.net/20.500.12880/5711
    Resumen:
    Con la entrada del coche eléctrico en el mercado de la automoción, su expansión y regulación posterior, las baterías de litio han sido objeto de numerosos estudios. Gran parte del problema de la durabilidad de las baterías pasa por entender el cómo y por qué se degradan, además de, saber su estado de salud actual para poder tomar las acciones pertinentes. Dentro de la medición del estado de salud, con el uso normal de la batería, al descargarse y cargarse completamente se puede conocer su estado de salud, comparándose la capacidad actual con la inicial. Desde la empresa TSE, una compañía valenciana de apoyo a la ingeniería, se plantea y desarrolla un producto para medir el estado de salud basado en ciencia de datos, con el fin de no necesitar cargar y descargar cada batería completamente. Se hace circular corriente por la batería para obtener datos sobre voltaje gracias a maquinaria específica, con estos datos se entrena una red neuronal. Con redes LSTM se consigue predecir el estado de salud de las baterías con una precisión cercana al 99% en menos de 7 segundos. Se elabora una aplicación para estandarizar y aislar la solución tecnológica, desarrollando una vía para ahorrar energía y tiempo en la medición del estado de salud de baterías en la planta de Ford de Almussafes.
    Exportar: Exportar a MendeleyExportar a RefWorksExportar a EndNoteExportar a RISExportar a BibTeX
    Mostrar el registro completo del ítem

    Ficheros en el ítem

    ADOBE PDF
    Nombre: TFG_Carlos Rodriguez Rebenaque.pdf
    Tamaño: 1.305Mb
    Formato: PDF
    Tipo de contenido: TFG

    Colecciones

    • Grado
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    TITULA. Repositorio de Proyectos Fin de titulación

    © Universidad Europea de Madrid - Universidad privada | email: titula_rep@universidadeuropea.es | Todos los derechos reservados

     

     

    Listar

    Todo TITULAComunidades y coleccionesAutores y directoresTítulosPalabras claveTitulacionesEsta colecciónAutores y directoresTítulosPalabras claveTitulaciones

    Información y ayuda

    Preguntas frecuentesBuscar proyectosContacto

    TITULA. Repositorio de Proyectos Fin de titulación

    © Universidad Europea de Madrid - Universidad privada | email: titula_rep@universidadeuropea.es | Todos los derechos reservados