Pombo, José Álvaro NunesPeixoto, Pedro Filipe Queijo2026-04-212026-04-212025-11-212025-10-12http://hdl.handle.net/10400.6/20059A crescente aposta nas fontes de energia renovável (ER) tem impulsionado de forma significativa a aderência dos sistemas de armazenamento de energia elétrica. Entre as diversas soluções existentes, as baterias de Li-ion destacam-se pela sua elevada densidade energética, eficiência e longos ciclos de vida, sendo amplamente utilizadas em veículos elétricos, sistemas estacionários e dispositivos portáteis. Contudo, os métodos de carregamento destas baterias continuam a ser fatores determinantes na sua durabilidade, eficiência e segurança. Estes influenciam diretamente os mecanismos de envelhecimento eletroquímico, podendo acelerar ou retardar a degradação consoante os parâmetros de carregamento definidos. Neste contexto, a presente dissertação aborda o estudo, implementação e otimização do método de carregamento multi-estágio de corrente constante (MSCC) aplicado a baterias Li-ion, recorrendo ao algoritmo de otimização meta-heurístico Particle Swarm Optimization (PSO), com o objetivo de aumentar a adaptabilidade do processo de carregamento em função das condições internas e externas da bateria. Esta abordagem permite alcançar um melhor equilíbrio entre rapidez de carregamento e desempenho energético. Seguidamente, o problema de otimização é formulado de forma a minimizar o tempo total de carregamento, assegurando simultaneamente elevados níveis de autonomia, traduzidos por um estado de carga final (SOC) elevado. No procedimento de otimização são estabelecidos os parâmetros interativos entre o MSCC e o PSO, assim como a estratégia adotada para calcular o estado de carga (SOC). O PSO ajusta dinamicamente os níveis de corrente e determina o perfil ótimo para cada fase do carregamento MSCC. Foram testadas configurações com quatro, cinco e sete patamares. Os resultados evidenciam que a formulação proposta constitui uma estratégia eficaz e flexível para a gestão otimizada do carregamento de baterias Li-ion, com potencial de aplicação em sistemas energéticos inteligentes.The growing commitment to renewable energy sources (RES) has significantly driven the adoption of electrical energy storage systems. Among the various available solutions, Li-ion batteries stand out due to their high energy density, efficiency, and long life cycle, being widely used in electric vehicles, stationary systems, and portable devices. However, the charging methods of these batteries remain key factors in determining their durability, efficiency, and safety. They directly influence electrochemical aging mechanisms, potentially accelerating or slowing degradation depending on the defined charging parameters. In this context, the present dissertation addresses the study, implementation, and optimization of the Multi-Stage Constant Current (MSCC) charging method applied to Li-ion batteries, using the metaheuristic optimization algorithm Particle Swarm Optimization (PSO). The main objective is to increase the adaptability of the charging process according to the battery’s internal and external conditions. This approach enables a better balance between charging speed and energy performance. Subsequently, the optimization problem is formulated to minimize the total charging time while simultaneously ensuring high levels of autonomy, reflected in a high final state of charge (SOC). In the optimization procedure, the interactive parameters between MSCC and PSO are defined, as well as the adopted strategy to calculate the state of charge (SOC). The PSO algorithm dynamically adjusts the current levels and determines the optimal profile for each MSCC charging stage. Configurations with four, five, and seven stages were tested. The results demonstrate that the proposed formulation represents an effective and flexible strategy for the optimized management of Li-ion battery charging, with potential application in smart energy systems.porMulti-Estágio de Corrente ConstanteParticle Swarm OptimizationAlgoritmos Meta-HeurísticosBaterias Li-IonEstado de CargaEstratégias de CarregamentoMétodos de OtimizaçãoSistemas de Armazenamento de Energia Elétricamaster thesis204291976