Fitxers

TFM_Casas_Cros_Àlex_memoria.pdf (1.18 MB)

Tipus de document

Treball de fi de màster

Data de publicació

2026-06

Llicència de publicació

cc by-nc-nd (c) Casas Cros, Àlex, 2026
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/231298

Predicció de degradació en sistemes d’emmagatzematge electroquímic d’energia mitjançant intel·ligència artificial

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

This work develops and evaluates a machine learning-based methodology to predict the State of Health (SOH) of lithium-ion batteries using the NASA Battery Dataset. The study is based on experimental discharge cycles, from which a tabular dataset is constructed, the SOH is defined as the target variable, and a conservative data quality review is applied. The methodology follows a progressive structure: first, a model is built within a base domain composed of batteries tested under relatively homogeneous experimental conditions; then, the analysis is extended to domains with different temperatures, currents, and discharge profiles. The results show that, within the base domain, Linear Regression achieves the best overall performance, with a mean R² of 0.9629. However, when more heterogeneous domains are incorporated, Gradient Boosting provides better relative performance, especially after feature enrichment and hyperparameter optimization. Nevertheless, the final model still shows generalization limitations, particularly in the low-temperature domain and in the external test performed on a discharge profile not included during training. Overall, this work shows that SOH prediction does not depend only on the algorithm used, but also on the representativeness of the dataset, the experimental domain, and the validation strategy applied

Descripció

Treballs Finals del Màster d’Energies Renovables i Sostenibilitat Energètica, Facultat de Física, Universitat de Barcelona. Curs: 2025-2026. Tutors: Jaume Calvo De La Rosa, Alejandro Calderón Díaz

Matèries

Bateria d'ió liti, Aprenentatge automàtic, Treballs de fi de màster

Matèries (anglès)

Lithium-ion battery, Machine learning, Master's thesis

Citació

Col·leccions

Màster Oficial - Energies Renovables i Sostenibilitat Energètica

Citació

CASAS CROS, Àlex. Predicció de degradació en sistemes d’emmagatzematge electroquímic d’energia mitjançant intel·ligència artificial. [consulted: 7 of September of 2026]. Available at: https://hdl.handle.net/2445/231298

Exportar metadades

JSON - METS

Compartir registre