À medida que a mobilidade elétrica se consolida como alternativa sustentável à combustão interna, a busca por soluções que melhorem a eficiência energética, a autonomia e a durabilidade das baterias torna-se cada vez mais urgente. Um estudo recente, publicado na Journal of Guangxi University of Science and Technology, apresenta uma abordagem inovadora para otimizar o sistema de alimentação de baixa tensão em veículos elétricos puros (VEP), combinando classificação inteligente de cargas, algoritmos genéticos e uma estratégia de carregamento mais eficiente. Desenvolvido por Peng Fan e Luo Wenguang, da Universidade de Ciência e Tecnologia de Guangxi, o trabalho oferece resultados práticos que podem transformar a forma como fabricantes lidam com a gestão energética em veículos elétricos, trazendo benefícios tangíveis para consumidores e meio ambiente.
Por que a gestão de baixa tensão é essencial
Embora a atenção geral se concentre nos sistemas de alta tensão responsáveis pela propulsão, o sistema de baixa tensão — geralmente alimentado por uma bateria de 12V de íons de lítio — desempenha um papel vital no funcionamento de componentes essenciais. Ele alimenta sistemas de segurança (freios, luzes, airbags), equipamentos relacionados à condução (assistência de direção, controle de tração), conforto (ar-condicionado, aquecimento de assentos) e entretenimento (sistemas multimídia, conexões USB). Com o aumento do número de dispositivos eletrônicos em veículos modernos, o consumo energético desse sistema cresceu significativamente, tornando necessária uma gestão mais inteligente para evitar desperdícios e garantir a estabilidade operacional.
“Metodologias tradicionais de gestão de energia de baixa tensão frequentemente não consideram as variações dinâmicas das condições de direção e as diferentes demandas de consumo”, explica Peng Fan. “Nosso trabalho busca integrar três elementos-chave: uma classificação precisa das cargas, a otimização dos limites de estado de carga (SOC) e uma estratégia de carregamento adaptativa. Tudo isso para garantir que a energia seja usada onde realmente importa, sem comprometer a segurança ou a experiência do motorista.”
Classificação de cargas: priorizando o essencial
Uma das principais inovações do estudo é a categorização detalhada das cargas elétricas presentes no veículo, divididas em quatro grupos com diferentes níveis de prioridade:
- Cargas de segurança: Componentes críticos para a operação segura, como faróis, freios, sistemas de estabilidade e airbags. Essas cargas têm prioridade máxima e devem funcionar mesmo quando a bateria está com baixo SOC.
- Cargas de condução: Equipamentos ligados ao desempenho do veículo, como assistência de direção elétrica, controle de tração e sistemas de gerenciamento do motor. Elas são essenciais para a mobilidade e são priorizadas em situações como acelerações bruscas ou subidas íngremes.
- Cargas de conforto: Ar-condicionado, aquecimento de espelhos, regulagem de assentos e outros dispositivos que melhoram a experiência do motorista e passageiros. Essas podem ser reduzidas ou desativadas temporariamente quando a bateria está com baixa carga.
- Cargas de entretenimento: Rádio, navegação, conexões para dispositivos móveis. Elas têm a menor prioridade e podem ser suspensas para economizar energia em casos de emergência.
Para levar em conta variações sazonais e condicionais, os pesquisadores introduziram coeficientes de ponderação, analisando cenários extremos como noites de neve no inverno ou chuvas intensas no verão — momentos em que o consumo de limpadores, aquecimento ou ar-condicionado é mais elevado. Essa abordagem permite que o sistema ajuste dinamicamente a distribuição de energia, garantindo que componentes vitais recebam energia prioritariamente.
Otimização com algoritmos genéticos: ajustando os limites do SOC
Para minimizar o consumo energético, os pesquisadores utilizaram um algoritmo genético para otimizar os limites de SOC da bateria de baixa tensão. O SOC — que mede a porcentagem de carga restante em relação à capacidade total — é um parâmetro fundamental para decidir quando reduzir cargas não essenciais ou iniciar o carregamento.
Inspirado no processo de seleção natural, o algoritmo genético iterou 300 vezes para definir quatro limites ideais de SOC, correspondentes a diferentes níveis de segurança. Por exemplo, quando o SOC cai abaixo de 30%, as cargas de conforto são gradualmente reduzidas; abaixo de 20%, apenas as de segurança permanecem ativadas. Essa metodologia equilibra a conservação energética com a funcionalidade do veículo, evitando situações de emergência como a descarga completa da bateria.
“Algoritmos genéticos são particularmente eficazes para resolver problemas complexos com múltiplas variáveis”, destaca Luo Wenguang. “Ao ajustar os limites de SOC, conseguimos reduzir o consumo de forma inteligente, garantindo que a energia seja alocada onde realmente é necessária, sem afetar a segurança ou a condução básica.”
Estratégia de carregamento em quatro fases: menos tempo, mais eficiência
Além da gestão de cargas, o estudo se concentra em melhorar o processo de carregamento das baterias de baixa tensão, um passo frequentemente lento e ineficiente com métodos tradicionais. A técnica comum, conhecida como carregamento de corrente constante e tensão constante (CC-CV), perde eficiência quando a bateria está quase cheia e gera perdas energéticas por meio de calor.
Para superar essas limitações, os pesquisadores desenvolveram uma estratégia de carregamento em quatro fases de corrente constante, baseada no SOC. Em vez de manter uma tensão constante na fase final, essa metodologia usa quatro níveis de corrente decrescentes: correntes mais altas nas fases iniciais (quando a bateria pode absorver energia rapidamente) e mais baixas nas fases finais (para evitar superaquecimento).
Simulações mostraram que essa abordagem reduz significativamente o tempo de carregamento: uma bateria de 12V com capacidade de 22Ah, carregada de 35% a 95% de SOC, levou 410 segundos com a nova estratégia, em comparação com 490 segundos com o método CC-CV — uma redução de 16%. Além disso, a eficiência do carregamento aumentou, pois menos energia foi perdida como calor.
Validação por simulação: resultados em diferentes cenários
Para confirmar a eficácia das novas estratégias, os pesquisadores usaram softwares de simulação AVL-Cruise e MATLAB-Simulink, criando um modelo virtual de um VEP que inclui dinâmica veicular, desempenho da bateria e fluxo energético. O modelo foi testado em quatro ciclos de direção padrão:
- NEDC (Novo Ciclo Europeu de Direção), usado para medir consumo em condições urbanas e suburbanas.
- CLTC (Ciclo de Teste Chinês para Veículos Leves), focado em cenários de tráfego intenso.
- WLTC (Ciclo Harmonizado Mundial para Veículos Leves), adaptado a diferentes condições de velocidade.
- Cruzeiro a 60 km/h, um cenário com consumo estável.
Os resultados foram consistentes: após a implementação das estratégias otimizadas, o consumo energético diminuiu em todos os ciclos. A maior redução ocorreu no ciclo CLTC (-3,34%), seguido pelo NEDC (-1,30%). Mesmo no cruzeiro a 60 km/h, onde o consumo é mais estável, a economia foi de 0,81%.
“Esses dados comprovam que nossas soluções não são apenas teóricas, mas aplicáveis em situações reais de direção”, afirma Peng Fan. “Cada percentual de economia se traduz em mais autonomia e menos paradas para recarregar, fatores cruciais para a aceitação massiva dos veículos elétricos.”
Impactos para a indústria automobilística
Os resultados do estudo oferecem às montadoras uma maneira econômica de melhorar a eficiência dos VEP, sem investimentos excessivos em modificações nos sistemas de alta tensão. A otimização da gestão de baixa tensão pode ser integrada em modelos existentes com custos relativamente baixos, trazendo benefícios imediatos em termos de desempenho e sustentabilidade.
“Sistemas de baixa tensão são frequentemente negligenciados em discussões sobre eficiência em veículos elétricos, mas desempenham um papel vital no seu funcionamento geral”, explica Luo Wenguang. “Nossa pesquisa mostra que pequenas otimizações nesse segmento podem gerar melhorias significativas, tornando os VEP mais competitivos em relação aos veículos de combustão interna.”
Os pesquisadores planejam expandir os estudos, testando as estratégias em veículos reais e explorando o uso de aprendizado de máquina para adaptar a gestão de cargas aos hábitos individuais de direção. Além disso, pretendem analisar o impacto dessas técnicas em baterias de maior capacidade e em veículos comerciais, ampliando a aplicabilidade de suas descobertas.
Conclusão
Na jornada hacia a mobilidade elétrica sustentável, a gestão inteligente da energia de baixa tensão emerge como um elemento-chave para superar desafios como a ansiedade de autonomia e a durabilidade das baterias. O estudo de Peng Fan e Luo Wenguang integra classificação de cargas, algoritmos genéticos e uma estratégia de carregamento inovadora, oferecendo uma solução completa que melhora a eficiência sem comprometer segurança ou conforto.
Para os consumidores, isso significa veículos mais confiáveis, com menos tempo de recarga e maior vida útil das baterias. Para a indústria automobilística, representa um passo adiante na criação de veículos elétricos mais eficientes e acessíveis, acelerando a transição para um futuro mais sustentável.
Sobre os autores:
Peng Fan e Luo Wenguang são pesquisadores da School of Automation e do Guangxi Key Laboratory of Automobile Components and Vehicle Technology, na Universidade de Ciência e Tecnologia de Guangxi, em Liuzhou, China.
Referência da revista:
Peng Fan, Luo Wenguang. “Study on optimal strategy of low-voltage power supply management for pure electric vehicles.” Journal of Guangxi University of Science and Technology, Vol. 35, No. 2, junho de 2024. DOI: 10.16375/j.cnki.cn45-1395/t.2024.02.008.