Modelamiento computacional del comportamiento térmico en la cabina de un vehículo eléctrico para predecir el consumo energético por aire acondicionado

Abstract

En los últimos años, el consumo de energía de parte de transportes particulares se ha elevado sustancialmente. Además el mercado de los vehículos eléctricos es una industria en crecimiento, y el consumo energético de la climatización es el segundo más grande después de la función motriz, pudiendo reducir la autonomía de un vehículo hasta en un 40% para casos críticos. Por lo anterior, se justifica la creación de herramientas que permitan gestionar de manera eficiente los recursos de climatización para vehículos eléctricos. Motivado por esta premisa, el siguiente trabajo corresponde a la creación de una herramienta computacional qué, mediante la implementación de un modelo transferencia de calor, permita predecir el consumo energético por climatización en un vehículo eléctrico. El trabajo se realiza utilizando datos proporcionados por el Centro de Energía de la Universidad de Chile, correspondientes a una flota de taxis del vehículo Hyundai Ioniq del años 2019, en donde se midió la velocidad del vehículo, la localización, la fecha, la hora y otros parámetros. Con estos datos es posible realizar el cruzamiento con datos ambientales de radiación directa, radiación difusa y temperatura ambiente, para servir de parámetros de entrada para el modelo. El modelo térmico creado utiliza el método de balances de calor (HBM) para calcular el gasto energético por climatización, considerando efectos de radiación incidente, orientación del vehículo, carga metabólica de los pasajeros, convección externa e interna y conducción a través de las superficies, todo esto utilizando una geometría simplificada del vehículo basada en un volumen de control de aire dentro de la cabina. El algoritmo creado para implementar el modelo se realiza utilizando el lenguaje de programación Python 3, con el objetivo de crear una herramienta para un software de licencia libre. Con dicha herramienta implementada, se analizan tres viajes de los meses de enero, marzo y abril, con duraciones de en promedio 15 minutos y recorridos similares realizados en la región metropolitana. Los resultados indican un aumento del consumo energético a mayores niveles de radiación, en horas con una posición solar más elevada, y a mayor temperatura ambiente, estableciendo una temperatura deseada de 20 [°C]. Una variación de esta temperatura a 25 y 15 [°C] implica un ahorro del 15% y un gasto extra del 18% respectivamente, para el viaje de enero. El consumo por AC se estima como un 24 y 21% para los viajes de enero y abril respectivamente. El algoritmo logra tiempos de ejecución de aproximadamente 2 [s]. Se propone estudiar un nuevo método para la obtención de temperaturas de cabina, optando por una limitación de consumo por AC. Además, se recomienda buscar la mejora del modelo validando empíricamente sus resultados, y corrigiendo el modelo en sus simplificaciones físicas o mediante un ajuste numérico.