Caratterizzazione e modellazione di Soft Short-Circuits in batterie a ioni di litio per la progettazione di un Battery Management and Monitoring System

Russo, Kevin (2025) Caratterizzazione e modellazione di Soft Short-Circuits in batterie a ioni di litio per la progettazione di un Battery Management and Monitoring System. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria elettronica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

La formazione di Soft Short Circuits (SSC) rappresenta una delle principali cause di degrado e potenziale guasto nelle celle ricaricabili, un fenomeno riscontrato in varie composizioni chimiche, incluse quelle agli ioni di litio, oggi tra le più diffuse. La natura intermittente, localizzata e a bassa impedenza di tali difetti rende difficile la loro individuazione tramite le tecniche diagnostiche convenzionali attualmente adottate nei Battery Management Systems (BMS). Questa tesi propone un approccio integrato alla caratterizzazione e modellazione degli SSC, finalizzato alla definizione di un framework per la valutazione e validazione di algoritmi di rilevamento, in vista della loro applicazione nei sistemi di monitoraggio. In una prima fase viene sviluppato un Equivalent Circuit Model (ECM) discretizzato di una singola cella agli ioni di litio, in grado di descrivere la propagazione locale delle correnti in presenza di un SSC. Tuttavia, la complessità della modellazione fisico-chimica limita la generalizzabilità dell’ECM, rendendo necessario il passaggio a un approccio data-driven, più flessibile e indipendente dalla descrizione analitica dei fenomeni. A partire da parametri estratti da misure sperimentali, è stato realizzato un generatore in grado di produrre dataset sintetici etichettati, in cui la dinamica degli eventi anomali riflette in modo statisticamente coerente quella osservata nei segnali reali. Su tali dati vengono confrontate tre strategie di rilevamento—Band-Pass (BP), Sliding Average Window (SAW) e Aggregated Z-Score (AZS)—valutate mediante due metriche principali: la event-based F1-score e la TotalPenalty. Il framework include una procedura di ottimizzazione gerarchica volta a minimizzare la TotalPenalty e massimizzare la F1-score, offrendo un banco di prova controllato e riproducibile per la validazione dei detector e l’ottimizzazione dei relativi parametri.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Russo, Kevin
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
INGEGNERIA ELETTRONICA
Ordinamento Cds
DM270
Parole chiave
Soft Short Circuits, Battery Management and Monitoring System, Syntetic Generator, Lithium-ion batteries, Predictive Maintenance, Anomaly Detection
Data di discussione della Tesi
21 Luglio 2025
URI

Altri metadati

Gestione del documento: Visualizza il documento

^