¿Cómo saber si la batería no nos dejará tirados justo cuando más la necesitamos?

Las baterías de ion litio están compuestas por celdas, y cada una de ellas contiene un electrodo positivo y uno negativo. Éstos están inmersos en un electrolito que actúa como conductor para transportar los iones. De esta forma los electrones recorren el circuito externo que da energía a los dispositivos eléctricos y los hace funcionar.

En ese proceso, las baterías se descargan y hay que volver a dotarlas de energía nuevamente. Eso se denomina un ciclo, y, como cualquier otra batería, cuantos más ciclos experimenten, antes “mueren”.

Los estudios miden cuántos ciclos dura la batería en unas determinadas condiciones eléctricas. Desafortunadamente, factores cambiantes como la temperatura de funcionamiento, el ritmo de carga y descarga y el tiempo de uso conducen a una duración diferente, lo que hace realmente difícil establecer las condiciones de salud de las baterías a lo largo del tiempo.

¿Será posible estimar cuándo una batería va a dejar de ser operativa? ¿Se puede saber qué funcionalidad pueden tener una vez que hayan llegado al final de su vida útil?

Gemelos digitales

La industria 4.0 lleva trabajando en las tecnologías de simulación virtual desde mediados de 2010, en los llamados gemelos digitales (digital twin en inglés). Estos son conjuntos de información virtual que describen completamente un producto físico.

En esta área específicamente se ha avanzado mucho en el desarrollo de programas de simulación tanto en el diseño de plantas industriales como en la recreación virtual de sus procesos.

Esos “gemelos” tienen el objetivo de analizar, optimizar y mejorar la productividad de una planta en tiempo real, reduciendo los tiempos de desarrollo y detectando fallos de manera precoz.

Con un software adecuado se puede simular desde plantas industriales hasta dispositivos como baterías. Y así disponer de una realidad digital exacta en la que contrastar la información registrada en el gemelo digital con la implementada en el sistema de gestión de las baterías.

Eso facilita que éstas operen con la máxima eficiencia y aseguren mayor durabilidad, además de explorar sus prestaciones en momentos puntuales, evitar fallos y hasta abordar posibles optimizaciones.

Ver más: Lenovo ThinkPhone by Motorola llega con seguridad reforzada

Modelos demasiado simples

El problema es que las baterías son sistemas muy difíciles de modelar fielmente.

Generalmente se usan indicadores que en ocasiones no se pueden medir directamente, como el estado de carga (State of Charge en inglés, SOC), que representa la cantidad de carga que tiene la batería respecto de la máxima posible, y el estado de salud (State of Health en inglés, SOH), un parámetro que valora las prestaciones de una batería comparado con sus condiciones ideales.

Así, los modelos son todavía demasiado simples y sus características dependen de los diferentes tipos de baterías, de su diseño y de su tipo de fabricación.

Por tanto, la precisión de los indicadores descritos anteriormente disminuye y no de forma lineal precisamente, por lo que esto debe considerarse en la operación de los sistemas de almacenamiento de energía.

El proyecto BEST

Desde el Instituto IMDEA Energía y la Universidad de Alcalá de Henares entramos en el terreno de los gemelos digitales para baterías con el proyecto Gemelo Digital de Almacenamiento de Energía de Batería (BEST), financiado por el Ministerio de Ciencia e Innovación.

En esta iniciativa proponemos el uso de gemelos digitales de baterías a través de la integración de modelos matemáticos y estimadores de estado de salud, así como del análisis de los datos de funcionamiento mediante técnicas de inteligencia artificial.

De este se obtendrá un mayor conocimiento y control sobre las condiciones reales de los sistemas de las baterías a lo largo de su vida operativa, reduciendo así las diferencias que puedan existir entre la definición del modelo y el sistema real.

Estas diferencias generalmente aparecen bien cuando el paso del tiempo afecta a las características de las baterías, bien cuando no se puede realizar un modelo preciso o bien cuando trabajar con un modelo detallado no es posible o es poco efectivo.

Como estrategia, hemos elegido un gemelo que aglutina diferentes técnicas y permite conseguir este propósito mediante la creación de un modelo dinámico con dos enfoques:

  • El primero es la reproducción del estado de salud de las baterías basado en la estimación del estado de los indicadores más relevantes de las celdas (los ya mencionados SOC y SOH).
  • El segundo es el desarrollo de modelos de degradación de las baterías, obtenidos mediante una adecuada caracterización de celdas de diferentes químicas y tipo de electroquímica (baterías de ion-litio de potencia y de capacidad, incluso otro tipo de baterías como las de flujo redox).

Esto, integrado con un análisis de los datos de operación mediante técnicas de inteligencia artificial, permitirá disponer de una información mucho más completa y útil sobre las condiciones reales de los sistemas de las baterías.

Con este marco resultaría posible, por ejemplo, calcular cuándo van a llegar al final de su ciclo de vida y determinar el estado de salud en el que se encuentran, ya sea para encontrar un método de reciclaje eficiente o para darles una segunda vida en otra aplicación menos exigente.

Si funciona, habríamos dado nada menos que con el modo de evitar quedarse repentinamente sin batería en el teléfono móvil y, de modo secundario, terminar con la excusa de culpar a la batería por llegar tarde a una reunión o no responder a tiempo un mensaje.

Fuente: The Conversation