30.08.2022 - University of Cambridge

Un algoritmo de aprendizaje automático predice cómo aprovechar al máximo las baterías de los vehículos eléctricos

Los investigadores trabajan ahora con los fabricantes de baterías para acelerar el desarrollo de baterías de nueva generación más seguras y duraderas

Unos investigadores han desarrollado un algoritmo de aprendizaje automático que podría ayudar a reducir los tiempos de carga y prolongar la vida útil de las baterías de los vehículos eléctricos al predecir cómo afectan los distintos patrones de conducción al rendimiento de las baterías, mejorando la seguridad y la fiabilidad.

Los investigadores, de la Universidad de Cambridge, afirman que su algoritmo podría ayudar a los conductores, los fabricantes y las empresas a sacar el máximo partido de las baterías que alimentan los vehículos eléctricos, sugiriendo rutas y pautas de conducción que minimicen la degradación de las baterías y los tiempos de carga.

El equipo ha desarrollado un método no invasivo para sondear las baterías y obtener una visión global de su estado. Estos resultados se introdujeron en un algoritmo de aprendizaje automático que puede predecir cómo afectarán los diferentes patrones de conducción a la salud futura de la batería.

Si se desarrolla comercialmente, el algoritmo podría utilizarse para recomendar rutas que lleven a los conductores de un punto a otro en el menor tiempo posible sin degradar la batería, por ejemplo, o recomendar la forma más rápida de cargar la batería sin que se degrade. Los resultados se publican en la revista Nature Communications.

La salud de una batería, ya sea en un smartphone o en un coche, es mucho más compleja que un simple número en una pantalla. "La salud de las baterías, al igual que la de los seres humanos, es algo multidimensional y puede degradarse de muchas maneras diferentes", explica la primera autora, Penelope Jones, del Laboratorio Cavendish de Cambridge. "La mayoría de los métodos de control de la salud de las baterías presuponen que éstas se utilizan siempre de la misma manera. Pero no es así como usamos las baterías en la vida real. Si estoy viendo un programa de televisión en mi teléfono, la batería se agotará mucho más rápido que si la utilizo para enviar mensajes. Lo mismo ocurre con los coches eléctricos: la forma de conducir afectará a la degradación de la batería".

"La mayoría de nosotros sustituiremos nuestros teléfonos mucho antes de que la batería se degrade hasta el punto de ser inutilizable, pero en el caso de los coches, las baterías deben durar cinco, diez años o más", explica el doctor Alpha Lee, que dirigió la investigación. "La capacidad de la batería puede cambiar drásticamente durante ese tiempo, así que queríamos idear una forma mejor de comprobar su estado".

Los investigadores desarrollaron una sonda no invasiva que envía pulsos eléctricos de alta dimensión a una batería y mide la respuesta, proporcionando una serie de "biomarcadores" del estado de la batería. Este método es suave para la batería y no provoca su degradación.

Las señales eléctricas de la batería se convirtieron en una descripción del estado de la misma, que se introdujo en un algoritmo de aprendizaje automático. El algoritmo fue capaz de predecir cómo respondería la batería en el siguiente ciclo de carga-descarga, en función de la rapidez con la que se cargara la batería y de la velocidad a la que fuera a ir el coche la próxima vez que saliera a la carretera. Las pruebas con 88 baterías comerciales demostraron que el algoritmo no necesitaba ninguna información sobre el uso anterior de la batería para hacer una predicción precisa.

El experimento se centró en las celdas de óxido de cobalto de litio (LCO), muy utilizadas en las baterías recargables, pero el método es generalizable a los distintos tipos de química de baterías que se utilizan hoy en día en los vehículos eléctricos.

"Este método podría aportar valor a muchas partes de la cadena de suministro, ya sea un fabricante, un usuario final o un reciclador, porque permite captar la salud de la batería más allá de un solo número, y porque es predictivo", afirma Lee. "Podría reducir el tiempo de desarrollo de un nuevo tipo de baterías, porque podremos predecir cómo se degradarán en diferentes condiciones de funcionamiento".

Los investigadores afirman que, además de para los fabricantes y los conductores, su método podría ser útil para las empresas que gestionan grandes flotas de vehículos eléctricos, como las compañías de logística. "El marco que hemos desarrollado podría ayudar a las empresas a optimizar el uso de sus vehículos para mejorar la vida útil general de las baterías de la flota", afirma Lee. "Hay mucho potencial con un marco como este".

"Ha sido un marco muy emocionante de construir, porque podría resolver muchos de los desafíos en el campo de las baterías hoy en día", dijo Jones. "Es un gran momento para participar en el campo de la investigación de las baterías, que es tan importante para ayudar a abordar el cambio climático mediante la transición de los combustibles fósiles".

Los investigadores trabajan ahora con los fabricantes de baterías para acelerar el desarrollo de baterías de nueva generación más seguras y duraderas. También están estudiando cómo podría utilizarse su marco de trabajo para desarrollar protocolos óptimos de carga rápida que reduzcan los tiempos de carga de los vehículos eléctricos sin provocar su degradación.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Hechos, antecedentes, expedientes
  • baterías
  • coches eléctricos
Más sobre University of Cambridge