Estimación y predicción de la potencia máxima disponible en baterías de ion litio

Abstract

La creciente demanda de dispositivos que requieren autonomía han marcado un importante y creciente desarrollo de las baterías. En el contexto de la electromovilidad y el desarrollo sustentable de soluciones que permitan el transporte de personas a través de la ciudad es que resulta trascendental conocer el estado de carga de la batería y poder pronosticar cuando se descargará. Este trabajo se realiza en el contexto del proyecto de investigación FONDECYT 1140774 y con la colaroración de ELIBATT, Empresa que proporcionó la bicicleta eléctrica utilizada en el estudio. El objetivo de este trabajo es estimar y pronosticar la potencia máxima disponible en una batería (SoMPA) y posteriormente utilizarlo como variable para pronosticar cuando la batería se descargará, considerando distintos perfiles de uso. Las metodologías de estimación y pronóstico utilizan como base un esquema desarrollado en \cite{Claudio}. En dicho esquema se modifica principalmente el algoritmo de pronóstico donde se incluye un cálculo off-line de los perfiles de uso, se adiciona una solución para el SoMPA en función del estado de carga y de las restricciones físicas de este problema en particular, se modifica la definición de probabilidad de falla y se realiza el pronóstico de la falla en función del SoMPA y los perfiles de uso. Los datos utilizados se obtuvieron en pruebas en terreno mediante un dispositivo basado en Arduino, el que fue rediseñado y reprogramado con el fin de obtener datos representativos del uso una batería de ión-litio en una bicicleta eléctrica. Para la etapa de estimación se obtuvo que la metodología utilizada logra estimar el SoC y el Voltaje con errores menores al $5 \%$ en los set de datos utilizados mientras que la estimación del SoMPA es consistente con la potencia medida y el tiempo de falla. Además la metodología utilizada logra un pronóstico del SoMPA que permite estimar el tiempo de falla con errores menores al $12 \%$ considerando una potencia de corte en función de la máxima corriente para cada perfil de uso, es decir, el peor caso de cada perfil. Se concluye que la metodología de estimación y pronóstico basada en filtro de partículas, logra estimar y pronosticar utilizando el SoMPA como variable crítica y perfiles de uso predefinidos.