Las baterías de fosfato de iones de litio se usan ampliamente para alimentar las baterías de los autos eléctricos, pero, a diferencia de la cantidad de gas en un tanque de combustible, su estado de carga no se puede medir directamente por una cantidad física. En cambio, usan un algoritmobasado en mediciones de voltaje y corriente de la batería, que a su vez están influenciadas por condiciones como el clima, el estado electrovoltaico y las condiciones del tráfico. Sin embargo, los algoritmos utilizados actualmente para medir el estado de carga tienen inconvenientes cuando se utilizan en aplicaciones en tiempo real.
Para estimar mejor el estado de carga en las baterías de fosfato de iones de litio, los investigadores de la Universidad Southwest Jiaotong en Chengdu, China, han desarrollado recientemente un algoritmo que puede medir por separado los estados de carga y descarga de la batería. Esto le permite funcionar en medio de la fase inicialvalores inexactos y errores en la medición de corriente, así como distinguir entre el rendimiento de cada batería de la serie.
Según Zhu Xu, investigador de la Escuela de Ingeniería Eléctrica de la Universidad Southwest Jiaotong, las diferencias de las características dinámicas entre las baterías en serie, como la capacidad de la batería, la resistencia interna y la resistencia a la polarización, pueden hacer que el estado de carga se desequilibre, lo que influye en la eficiencia y la vida útil de los paquetes de baterías.
Xu y sus colegas discuten su modelo de circuito Thenevin mejorado esta semana en The Journal of Renewable and Sustainable Energy, de AIP Publishing. El trabajo anterior ha involucrado chips de gestión de baterías de litio y sistemas de gestión.
El valor inicial del estado de carga de una batería generalmente se calcula mediante el método de voltaje de circuito abierto, que se basa en la relación entre el estado de carga y la diferencia de potencial eléctrico entre los terminales del dispositivo cuando se desconecta de un circuito. SegúnSin embargo, para Xu, esta relación solo puede observarse experimentalmente, lo que conlleva un error experimental inevitable. Además, dijo, esta relación podría cambiar potencialmente por las condiciones de carga y descarga.
Los algoritmos tradicionales para estimar el estado de carga de una batería - integración de amperios-hora, el método de voltaje de circuito abierto, modelado de redes neuronales y filtrado de Kalman - todos tienen inconvenientes. Integración de amperios-hora, mientras que el método más comúnmente utilizado,depende en gran medida del valor inicial del estado de carga; el método de voltaje de circuito abierto solo se puede usar para estimar el estado inicial de carga; el modelado de redes neuronales impone una demanda masiva en un microprocesador para estimar múltiples valores de estado de carga utilizando ungran cantidad de datos experimentales; el filtrado de Kalman, si bien es efectivo para estimar la corriente de estados variables en el tiempo en un sistema dinámico, incluso en medio de valores incorrectos iniciales, depende en gran medida de la precisión de los modelos de batería.
Esto puede volverse problemático en un modelo de circuito equivalente de Thevenin tradicional. En estos circuitos modelo, se adoptan las mismas resistencias internas y de polarización cuando la batería se carga y descarga. En la práctica, sin embargo, estas características terminan variando significativamente entre los dosestados, lo que puede conducir a imprecisiones, lo que hace que el filtrado de Kalman sea menos que ideal.
Para remediar esto, el modelo de circuito equivalente mejorado de Thevenin del investigador funciona ofreciendo diferentes rutas de corriente cuando la batería se está cargando o descargando. Esto permite a los investigadores modelar las características de la batería por separado en condiciones de carga y descarga, con la capacidad adicionaldel filtro de Kalman para estimar el estado de carga de la batería en medio de valores iniciales incorrectos.
"El modelo mejorado mejorado de batería de circuito equivalente de Thevenin y el algoritmo de estimación del estado de carga pueden estimar el estado de carga de la batería con mayor precisión, sin muchas perturbaciones no deseadas", dijo Xu.
El trabajo futuro para Xu Zhu y sus colegas incluye el desarrollo de sistemas para medir el estado de salud de un sistema de batería, que en sus condiciones operativas actuales se expresa como porcentaje del rendimiento ideal.
Fuente de la historia :
Materiales proporcionado por Instituto Americano de Física AIP . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :