Técnicas para estimar el estado de carga de baterías de iones de litio.

Las baterías de iones de litio son ampliamente utilizadas en dispositivos electrónicos portátiles, vehículos eléctricos y sistemas de almacenamiento de energía renovable, debido a su alta densidad de energía y vida útil prolongada. Sin embargo, conocer el estado de carga de estas baterías puede resultar un desafío, ya que no siempre es fácil determinar cuánta energía les queda. Afortunadamente, existen diversas técnicas desarrolladas para estimar de manera precisa el estado de carga de las baterías de iones de litio. En este artículo, exploraremos algunas de estas técnicas y cómo pueden ayudarnos a maximizar la eficiencia y duración de nuestras baterías. Si te interesa aprender más sobre cómo estimar el estado de carga de las baterías de iones de litio, ¡sigue leyendo!

Este artículo analiza los desafíos y las innovaciones asociados con las baterías de iones de litio, con especial atención en las técnicas de estimación del estado de carga. También explica la importancia de una predicción precisa del estado de carga para el funcionamiento seguro de las baterías de iones de litio.

La batería de iones de litio tiene propiedades favorables y, por tanto, es una opción adecuada para vehículos eléctricos.

Ⅰ. Batería de iones de litio: características

Debido a la alta densidad de energía, la baja autodescarga, el alto voltaje, la larga vida útil, la alta confiabilidad y la rápida recargabilidad de una batería de iones de litio, ha atraído un gran interés tanto en la comunidad científica como en la industria automotriz.

En comparación con los distintos sistemas de gestión de baterías, las baterías de iones de litio predominan en términos de energía específica y potencia específica. Al considerar las baterías de iones de litio y otras baterías de vehículos eléctricos en términos de voltaje nominal, vida útil, profundidad de descarga y eficiencia, las baterías de iones de litio parecen ser la mejor opción para su uso en vehículos eléctricos.

Muchas aplicaciones, incluidas las militares, aeroespaciales, vehículos eléctricos y dispositivos portátiles, se han beneficiado de las rentables propiedades de las baterías de iones de litio.

Ⅱ. desafíos

Aunque las baterías de iones de litio tienen muchas características atractivas, pueden ser peligrosas debido a su electrolito líquido inflamable y presurizado. Incluso con una batería de iones de litio comparativamente pequeña, pueden producirse explosiones e incendios en las condiciones adecuadas.

Por ejemplo, la fuga térmica causada por la sobrecarga de las baterías de iones de litio puede provocar fugas y explosiones. Sin embargo, una descarga profunda de una batería de iones de litio puede causar daños irreversibles a la batería y acelerar su proceso de envejecimiento. Para garantizar una carga y descarga segura de las baterías de iones de litio, siempre se debe conocer el estado de carga de las baterías de iones de litio.

Si las baterías de iones de litio no se encuentran en un estado operativo seguro, una predicción precisa del estado de carga permite que el circuito de apagado las apague e inicie la carga de la batería en un escenario operativo seguro.

La cantidad de carga restante en una batería está indicada por su estado de carga, que es un parámetro esencial de las baterías. El cálculo preciso del estado de carga extiende la vida útil de la batería y minimiza fallas catastróficas de la batería.

Además, una estimación fiable y precisa del estado de carga es fundamental para el funcionamiento eficaz de los vehículos eléctricos. La antigüedad de la batería, la temperatura ambiente y una variedad de otras variables hacen que determinar el estado de carga sea un proceso desafiante y complicado.

Ⅲ. Métodos para estimar el estado de carga.

Las técnicas para estimar el estado de carga se pueden dividir en cinco grupos, como se muestra en la Fig. 1. Estos grupos incluyen:

● Métodos de estimación basados ​​en modelos

● Métodos de estimación basados ​​en datos

● Enfoque de tabla de búsqueda,

● Método de conteo de Coulomb

● Método híbrido.

Técnicas para estimar el estado de carga de baterías de iones de litio.

Fig. 1: Clasificación de métodos para estimar el estado de carga Fuente: acceso IEEE

Cada categoría utiliza un método diferente para evaluar el rendimiento del estado de carga. Este artículo proporciona una breve descripción general de en qué consisten los métodos de estimación basados ​​en modelos y los métodos de estimación basados ​​en datos.

Ⅳ. Método de estimación basado en modelos

La información del proceso en segundo plano se utiliza en el diseño de técnicas de estimación del estado de carga basadas en modelos, comúnmente denominadas modelos de caja blanca. La técnica convencional o método basado en modelos es conocido por su capacidad para resolver numerosos problemas, especialmente en el campo técnico.

Para crear reglas sólidas que puedan describir eficazmente el comportamiento del sistema, este enfoque a menudo requiere que el profesional tenga un conocimiento amplio del sistema o proceso.

Méritos

Debido a que las técnicas de estimación del estado de carga basadas en modelos se basan en un conocimiento profundo del sistema, pueden ser muy efectivas y precisas. Un enfoque basado en modelos es esencial para resolver muchos desafíos técnicos y físicos.

Por ejemplo, representa la gravedad terrestre, la trayectoria de un proyectil, etc.

Desventajas

Para lograr el modelo ideal de un sistema, existen desafíos teóricos y prácticos.

En la práctica, normalmente se requiere mucho trabajo, experimentos difíciles e investigación profunda del sistema por parte de especialistas en la materia para diseñar un modelo de estimación del estado de carga confiable que pueda caracterizar mejor un sistema.

Desde una perspectiva teórica, los enfoques de estimación del estado de carga basados ​​en modelos requieren un conocimiento teórico profundo del sistema.

Por ejemplo, los científicos han combinado diferentes tipos de física, como la polarización de reacción, la polarización óhmica, la difusión en fase sólida, la difusión en fase líquida y el voltaje de circuito abierto, para crear un modelo electroquímico simplificado de baterías de iones de litio. Determinar los parámetros de la batería es un desafío debido a las numerosas y difíciles ecuaciones matemáticas involucradas en cada física del modelo propuesto.

En resumen, una comprensión inadecuada del sistema en el pasado conduce inevitablemente a una construcción deficiente del modelo. Por lo tanto, para crear un modelo confiable, los expertos en la materia deben tener una comprensión integral de los elementos mecánicos, eléctricos, electrónicos, químicos y otros del sistema.

Ⅴ. Método de estimación basado en datos

Sin embargo, el desarrollo de grandes conjuntos de datos y potentes ordenadores ha permitido un enfoque relativamente nuevo conocido como estimación del estado de carga basada en datos. Dado que los procesos subyacentes se conocen poco o no se conocen, los enfoques basados ​​en datos, también conocidos como modelos de caja negra, se construyen sobre la base de hallazgos empíricos.

El método basado en datos no requiere que los profesionales tengan una comprensión integral del proceso en segundo plano, ya que depende en gran medida del análisis de datos del proceso.

Méritos

Este método se puede utilizar para crear un modelo para estimar el estado de carga incluso si la persona no sabe mucho sobre cómo funcionan las baterías o cómo reaccionan los químicos en ellas. En este sentido, modelar un sistema complicado utilizando el enfoque basado en datos requiere menos esfuerzo y experiencia que utilizar el enfoque basado en modelos.

Una red con almacenamiento a largo plazo solo puede determinar el estado de carga monitoreando las mediciones de la batería, como la corriente, el voltaje y la temperatura. No es necesario tener ningún conocimiento de la química dentro de la batería, reacciones complejas o estimación de parámetros del modelo.

Desventajas

Sin embargo, debido a que los métodos basados ​​en datos dependen en gran medida de los datos recopilados durante el proceso, la calidad de los datos tiene un gran impacto en el rendimiento del modelo y su precisión.

Por ejemplo, datos desiguales conducirían a un sobreajuste y un desajuste, ambos tipos de sesgos en la toma de decisiones. Estos problemas se han estudiado ampliamente y los investigadores han desarrollado pautas generales para abordarlos.

En esencia, un método basado en datos sólo funcionaría bien si se dispusiera fácilmente de muchos datos relevantes. Sin embargo, sin estos datos, el método basado en datos no sería muy útil.

Ⅵ. Métodos de estimación basados ​​en modelos versus métodos de estimación basados ​​en datos

Se han realizado extensas investigaciones sobre la aplicación de técnicas de estimación basadas en modelos y datos en el área de estimación del estado de carga. En términos de estimación del estado de carga, tanto las técnicas basadas en modelos como las basadas en datos han producido resultados notables.

Un método basado en modelos es la mejor manera desde una perspectiva estadística cuando el modelo del sistema se conoce de antemano, dice la revisión exhaustiva.

Por otro lado, el método basado en datos podría funcionar mejor que las soluciones basadas en modelos si no se comprende bien el sistema. Para obtener lo mejor de ambos mundos, varios investigadores han intentado combinar los dos métodos.

Sin embargo, debido a los avances tecnológicos, incluidos procesadores rápidos, gran disponibilidad de datos y dispositivos de almacenamiento de alta capacidad, cada vez más investigación y desarrollo avanzan hacia la estimación algorítmica del estado de carga basada en datos.

Ⅶ. Resumen de puntos clave

● La predicción precisa del nivel de carga es fundamental para la carga y descarga segura de baterías de iones de litio y el funcionamiento eficaz de los vehículos eléctricos.

● Los métodos de estimación del estado de carga se pueden dividir en cinco grupos, incluidos los métodos de estimación basados ​​en modelos y los basados ​​en datos.

● Los métodos basados ​​en modelos requieren una comprensión integral del sistema, mientras que los métodos basados ​​en datos se basan en el análisis de datos del proceso.

● La combinación de métodos de estimación basados ​​en modelos y basados ​​en datos puede proporcionar lo mejor de ambos mundos.

● Los avances en tecnología, incluidos procesadores rápidos, gran disponibilidad de datos y dispositivos de almacenamiento de alta capacidad, están impulsando la investigación y el desarrollo hacia la estimación algorítmica del estado de carga basada en datos.

Ⅷ. referencia

Como Dickson NT, MA Hannan, MS Hossain Lipu y Pin Jern Ker. «Estimación del estado de carga de baterías de iones de litio utilizando métodos basados ​​en modelos y datos: una revisión». IEEE Access 7 (2019): 136116–36. https://doi.org/10.1109/access.2019.2942213.

Error 403 The request cannot be completed because you have exceeded your quota. : quotaExceeded
Técnicas para estimar el estado de carga de baterías de iones de litio.

Deja un comentario

¡Contenido premium bloqueado!

Desbloquear Contenido
close-link