Estimación y pronóstico en línea del estado-de-carga de baterías ion-litio en bicicletas eléctricas basado en filtro de partículas

Abstract

La búsqueda de nuevas alternativas energéticas ha impulsado el uso de sistemas de almacenamiento de energía en diversas temáticas de operación, contribuyendo a la mantención preventiva y predictiva en sistemas autónomos o teleoperados de transporte, sistemas expertos industriales, vehículos eléctricos, entre otros. Es por esto, que el desarrollo de nuevas técnicas y metodologías en acumuladores, tanto en su monitoreo como en su control, abarcan un rubro que en la actualidad tiene mayor presencia, e incluso mayor criticidad en la industria. Ante la falta de un sistema robusto que genere un valor agregado al problema de pronóstico del tiempo de corte de un acumulador, bajo diferentes escenarios, o el seguimiento del Estado de Carga con la característica de proveer información en tiempo real, se presenta el desafío de cómo utilizar información conocida para el futuro estado de un acumulador en base modelos propuestos para el proceso de descarga continuada en acumuladores de Ión-Litio.

Con el objeto de solucionar esta problemática, se propone una metodología de estimación y predicción Bayesiano del Estado de Carga en un arreglo de celdas de Ión-Litio, aplicable bajo un modelo dinámico no lineal y estocástico para el proceso de descarga, garantizando una solución no necesariamente óptima, pero aproximada ante las diversas fuentes de incertidumbre presentes en el proceso que se buscan caracterizar de forma estadística, en nuestro caso, la corriente futura de descarga de la batería, las perturbaciones en datos medidos, etc. Con el fin de implementarse en tiempo real y maximizar la autonomía de una flota de bicicletas eléctricas tanto en la eficiencia de la información que se provee al usuario que toma las decisiones como en la escalabilidad de la solución en desafíos de mayor tamaño. En este trabajo se prueba y analiza un pack de baterías de 37[V] y 8[Ah] de capacidad para el desarrollo e implementación de la solución propuesta. La validación se realiza con datos reales de diferentes rutas realizadas en bicicletas eléctricas provocando resultados deseables ante la búsqueda de parámetros de diseño óptimos en la solución, principalmente por motivos de presentar una numerosa cantidad de simulaciones con datos de distinta calidad, lo que implica la acción de reajustar la solución ante análisis de sensibilidad en los resultados, los cuales se miden mediante diversas métricas de evaluación enfocadas en la exactitud y precisión de los estadísticos presentes en el Estado de Carga o En el Fin de la Descarga sobre un pack de baterías de Ión-Litio en permanente operación. Con el trabajo realizado se dan por cumplido los objetivos señalados, tales como maximizar la autonomía y la precisión de la información de monitoreo a disposición del usuario, reduciendo a su vez las fuentes de incertidumbre que obstaculizan el desempeño general del algoritmo en diversas formas y optando por el uso de múltiples realizaciones de predicción Bayesiano ante anomalías inminentes que afectan el buen funcionamiento del algoritmo.