Avaliando o impacto dos métodos de estimativa da tensão de circuito aberto no desempenho do UKF para estimativa de SOC e SOH de baterias de íon‑lítio

Por que medidores de bateria melhores importam

Quem dirige um carro elétrico, usa um smartphone ou depende de armazenamento de energia em casa conta com um pequeno número na tela: quanta carga resta e quão degradada a bateria está. Por trás desse visor simples existe um problema de estimativa complexo. Este artigo explora uma peça-chave desse quebra‑cabeça — como modelamos a relação entre a tensão de repouso da bateria e seu nível de carga — e mostra que escolher o método certo pode tornar os “medidores de bateria” embarcados mais rápidos, mais precisos e melhores no acompanhamento da saúde a longo prazo.

Duas maneiras de ouvir uma bateria

Para estimar quão cheia está uma bateria de íon‑lítio, os engenheiros se apoiam em uma curva que vincula a tensão de circuito aberto (a tensão da bateria após repouso) ao estado de carga (SOC). Os autores examinam duas formas comuns de construir essa curva. O método de baixa corrente (LC) carrega e descarrega a célula suavemente com uma corrente muito pequena, de modo que a tensão medida fique próxima do valor de repouso. Esse procedimento é simples, mas tende a suavizar mudanças abruptas na curva. Em contraste, o método de corrente incremental (IC) usa pulsos de corrente curtos em muitos níveis de carga, separados por períodos de repouso. Isso exige mais esforço experimental, mas captura detalhes mais finos onde a tensão muda rapidamente com a carga — algo crucial para uma estimativa precisa.

Conectando curvas a estimadores inteligentes

Sistemas modernos de gerenciamento de bateria usam cada vez mais algoritmos avançados de estimação, como o Filtro de Kalman Insunscented (UKF), para inferir em tempo real grandezas ocultas como SOC e Estado de Saúde (SOH). Os autores combinam esses algoritmos com um modelo elétrico de “circuito equivalente” simples, porém amplamente usado: uma fonte de tensão dependente do SOC, uma resistência série principal e um ramo resistor‑capacitor que captura efeitos transientes. Nesse modelo eles inserem as curvas tensão‑carga baseadas em LC ou IC e então avaliam quão bem cada versão permite ao UKF acompanhar o SOC e a resistência série R0, que usam como indicador prático de envelhecimento.

Testes sob condições reais de condução

Em vez de depender apenas de ciclos laboratoriais suaves, o estudo submete o modelo a um perfil de condução altamente dinâmico, semelhante a um carro, conhecido como FUDS. A corrente alterna rapidamente entre carga, descarga e inércia, assemelhando‑se ao tráfego urbano. Usando conjuntos de dados públicos da NASA e do repositório CALCE, os pesquisadores mostram primeiro que capacidade e resistência interna mudam em conjunto ao longo de muitos ciclos, apoiando a ideia de que R0 é um marcador útil de saúde. Em seguida, deixam o UKF rodar com ambas as curvas tensão‑carga, comparando suas estimativas de SOC, a tensão terminal prevista e o acompanhamento de R0 contra um modelo de referência detalhado, usando medidas de erro padrão ao longo de toda a condução.

Estimativas mais rápidas e limpas com detalhes mais finos

Os resultados favorecem claramente o método IC mais detalhado. Quando o UKF começa com alguma incerteza aleatória, a curva baseada em IC produz erros médios menores no SOC e melhor reconstrução da tensão da bateria, mantendo a mesma carga computacional da versão LC. Quando os autores deliberadamente dão ao filtro um grande erro inicial no SOC — iniciando em 65% quando a bateria está na verdade em 80% — o contraste é marcado: com a curva IC, a estimativa retorna ao valor correto em menos de dez passos de tempo; com a curva LC, leva mais de 200. Esse comportamento se explica por uma ideia simples: onde a curva tensão‑carga apresenta inclinação maior, pequenos desajustes na tensão contêm mais informação, de modo que o filtro pode corrigir o SOC de forma mais decisiva.

Lendo o envelhecimento da bateria em tempo real

Para a estimativa da saúde, o UKF reconstrói continuamente a resistência interna R0 a partir da corrente e tensão medidas. Os autores então suavizam esse sinal com uma média móvel e examinam sua tendência de longo prazo. Com a curva baseada em LC, a resistência estimada salta e oscila, sobretudo sob mudanças rápidas de corrente, apesar de a resistência física verdadeira não poder variar tão rápido. Esse ruído numérico poderia disparar alarmes falsos em um sistema real de gerenciamento de bateria. Com a curva baseada em IC, R0 evolui de forma muito mais suave e com uma tendência de aumento gradual mais realista, fornecendo uma imagem mais limpa do envelhecimento sem sacrificar a capacidade de responder a mudanças genuínas.

O que isso significa para baterias do dia a dia

Em termos práticos, o estudo mostra que um mapa tensão‑carga mais informativo torna o “cérebro” do sistema de gerenciamento de bateria mais inteligente. Usar a curva baseada em corrente incremental permite ao UKF encontrar o nível real de carga rapidamente, ignorar palpites iniciais ruins e acompanhar a resistência interna de maneira estável sob perfis de condução realistas. Como o esforço extra recai principalmente na caracterização laboratorial única, e não na computação embarcada, os fabricantes podem adotar a abordagem IC sem tornar a eletrônica da bateria mais complexa. O retorno é estimativas de autonomia mais confiáveis, operação mais segura e melhor aviso precoce do envelhecimento das baterias em veículos elétricos e outros dispositivos de armazenamento de energia.

Citação: Mikhak-Beyranvand, M., Salehi, M. & Mohammadkhani, M.A. Assessing the impact of open-circuit voltage estimation methods on UKF performance for lithium-ion battery SOC and SOH estimation. Sci Rep 16, 7605 (2026). https://doi.org/10.1038/s41598-026-38846-4

Palavras-chave: baterias de íon‑lítio, estimativa do estado de carga, monitoramento da saúde da bateria, filtro de Kalman, baterias de veículos elétricos