Análisis comparativo de técnicas avanzadas de estimación Bayesiana aplicado al pronóstico del tiempo de descarga de celdas de ion-litio

Abstract

El problema de aseguramiento de la autonomía de equipos energizados con baterías es de creciente importancia en la sociedad actual, en la que cada vez más dispositivos y vehículos de diversas clases obtienen de ellas la energía necesaria para su funcionamiento. Por ello resulta imperante conocer el estado de carga y predecir cuándo la batería se descargará, con la mayor precisión y exactitud posible. El objetivo de este trabajo, enmarcado en el proyecto de investigación FONDECYT Regular 1140774, es estudiar, implementar y comparar técnicas de estimación de estado basadas en filtro de partículas y filtro de Kalman unscented, aplicadas al problema de pronóstico del tiempo de descarga de una celda de ion-litio. Para ello se utiliza como base un esquema de filtro de partículas, consistente en módulos tanto estimación, como de pronóstico, y el cual fue programado con anterioridad en el contexto del mismo proyecto. En dicho esquema, se modifica el módulo encargado de la etapa de estimación del estado-de-carga de la batería, incluyendo un diseño de lógica de ajuste de híper-parámetros del ruido del modelo, llamada en forma genérica lazo de corrección externo. Paralelamente, se implementa un filtro de Kalman unscented como alternativa para la reemplazar al filtro de partículas en la misma etapa mencionada. Por último, también a éste se le agrega la mecánica de corrección con lazos externos. Para los métodos sin lazos externos de corrección, el basado en filtro de partículas logra corregir la condición inicial erróneamente supuesta sobre el estado de carga de la celda, aproximándose al estado real con una discrepancia que en general no supera el 4%. Una excepción a lo anterior se produce cuando la diferencia inicial entre el estado supuesto y el real es demasiado grande, en cuyo caso se produce un sesgo en la estimación. Por otro lado, el filtro unscented corrige rápidamente el supuesto inicial erróneo, pero su cómputo del estado se aleja del real cuando se obtienen mediciones poco congruentes con las predicciones generadas por el modelo, alcanzando un error de hasta 8%. La adición de los lazos externos de corrección mejora levemente el desempeño en cuanto al error de estimación del filtro de partículas, pero tiene un notorio impacto positivo en la consistencia de los resultados entre distintas realizaciones del algoritmo. Para el filtro de Kalman unscented, la mejora es significativa y su desempeño se torna superior a todos los demás casos, siempre que el lazo de corrección sea capaz de reducir lo suficiente el ruido de proceso. En cuanto al tiempo de ejecución se obtienen resultados comparables para los distintos esquemas. Se concluye que el filtro de partículas permite trabajar el problema con una mayor tolerancia a la incertidumbre, mientras que si se cuenta con un modelo de batería adecuado, el filtro de Kalman unscented con lazo de corrección externo puede lograr un mejor rendimiento.