Ajuste de modelo fenomenológico de celdas de baterías usando algoritmos evolutivos

Abstract

Los bancos de baterías de ion-litio son los más utilizados en aplicaciones de alta potencia como respaldos de sistemas eléctricos de potencia y vehículos eléctricos. Uno de los problemas de estos bancos es que pueden sufrir de envejecimiento prematuro por múltiples causas entre las que se destacan las altas temperaturas alcanzadas por las celdas en su operación. Una forma de minimizar el problema es utilizando algoritmos genéticos de optimización para optimizar el diseño de estos bancos. Estos algoritmos requieren evaluar muchas configuraciones, las que se pueden obtener construyéndolas o simulándolas, siendo estas últimas las más utilizadas debido a restricciones de tiempo. Dichas simulaciones se realizan generalmente en softwares denominados Computational Fluid Dynamics (CFD), estos requieren tiempos del orden de minutos o decenas de minutos por simulación. El tiempo requerido para completar una optimización suele ser prohibitivamente grande. Una forma de disminuir estos tiempos es utilizar modelos sustitutos. Con el fin de complementar el software CFD ANSYS, se creó un modelo sustituto basado en ecuaciones fenomenológicas sin embargo, éste difiere en algunos resultados obtenidos por el CFD por lo que es necesario ajustarlo. El objetivo general del presente trabajo de título es ajustar un modelo fenomenológico de modo que éste entregue valores más cercanos a los del software CFD, esto permitiría emplear dicho modelo como un sustituto del software en un algoritmo de optimización. Para lograr el objetivo anterior se hicieron modificaciones al modelo. Se escogieron los rangos de las variables de diseño para el modelo basados en el modelo fenomenológico original. Se seleccionaron tres expresiones del modelo a modificar: el factor de fricción, el coeficiente de arrastre y el número de Nusselt, en el modelo original estas se basadas en datos experimentales por lo que pueden tener un margen de error que mejorar. Se hicieron 1500 simulaciones en el software CFD los que separan en conjuntos de entrenamiento, validación y prueba. Con estos datos se ajustaron las tres expresiones del modelo antes indicadas. Para esto se usó como herramienta un algoritmo evolutivo llamado programación genética que permite generar expresiones matemáticas en forma de árbol. Como resultado final se obtuvo un conjunto de expresiones que representan los coeficientes a ajustar. Los resultados se construyeron de tal manera de mantener las propiedades físicas del problema. Estos hacen que el modelo fenomenológico tenga errores promedio de presión, velocidad y temperatura de 1[Pa], 1[m/s] y 1[°C] respectivamente. Se concluye que el modelo evolucionado se ajusta mejor a ANSYS, con expresiones que respetan las normas físicas del problema. Por lo tanto, la herramienta programación genética demostró ser útil en este tipo de problemas. Se recomienda finalmente corregir el modelo fenomenológico con las expresiones encontradas.