es.wedoany.com Noticia: La Universidad Tecnológica Chalmers de Suecia ha revelado recientemente un resultado de investigación sobre carga rápida con IA. El método de carga con percepción del estado de salud de la batería, desarrollado por los investigadores, puede prolongar la vida útil de las baterías de iones de litio en un 22,9 % en comparación con el método estándar actual, sin aumentar el tiempo de carga.
La carga rápida es una experiencia clave en la popularización de los vehículos eléctricos, pero las corrientes elevadas aceleran las reacciones secundarias internas de la batería, acortando su vida útil. La Universidad Tecnológica Chalmers señala que las estrategias de carga actuales suelen utilizar límites fijos de corriente y voltaje, y el método de control apenas cambia, ya sea que la batería sea nueva o tenga varios años de uso. El problema radica en que las baterías envejecen con el tiempo y su estado electroquímico interno también cambia; si el sistema de carga no puede reconocer este cambio, es más probable que la carga de alta velocidad provoque reacciones secundarias como la deposición de litio metálico, causando pérdida de capacidad, aumento de la resistencia interna y, en casos graves, afectando la seguridad. Los investigadores introdujeron la IA en el control de la carga rápida, con el objetivo principal de ajustar dinámicamente la corriente de carga y el voltaje de corte según el estado de salud actual de la batería, manteniendo al mismo tiempo la velocidad de carga rápida.
El estudio utilizó el ciclo completo equivalente para medir la vida útil de la batería, es decir, el número de ciclos completos de carga y descarga que se pueden completar antes de que la capacidad de la batería disminuya al 80 % de su capacidad original. El nuevo método aumentó la vida útil de la batería en un 22,9 %, con un tiempo de carga promedio de 24,12 minutos, frente a los 24,15 minutos del método estándar, una diferencia de apenas unos segundos.
La ruta técnica se basa en el aprendizaje por refuerzo. La Universidad Tecnológica Chalmers explica que el algoritmo considera la batería como un entorno operativo interactivo y aprende a controlar el proceso de carga a través de la retroalimentación de resultados a largo plazo, manteniendo un tiempo de carga corto y reduciendo los mecanismos de degradación perjudiciales. Los artículos relacionados muestran que los investigadores establecieron un mapeo entre el sobrepotencial de la reacción secundaria y el estado de salud de la batería, y utilizaron esta relación para restringir el voltaje de carga terminal; el modelo se ejecuta en un marco de aprendizaje por refuerzo profundo, junto con un modelo electroquímico de partícula única de alta fidelidad y la plataforma de simulación PyBaMM, para comparar el ciclo de vida del método convencional de corriente constante y voltaje constante y sus variantes. La Universidad Tecnológica Chalmers también enfatiza que el modelo de IA entrenado no requiere sensores de laboratorio especializados durante la fase de operación y, en teoría, podría integrarse en vehículos existentes o sistemas de almacenamiento de energía mediante una actualización de software del sistema de gestión de la batería.
Esta investigación aún se encuentra en la fase de validación del método. El equipo de investigación señala que la relación entre el voltaje de carga y el estado de salud de la batería se ve afectada por la temperatura y el sistema químico de la celda, por lo que es necesario caracterizarla para diferentes tipos de baterías. Los próximos pasos explorarán el aprendizaje por transferencia para reducir la cantidad de experimentos necesarios para adaptarse a diferentes sistemas químicos, y probarán el controlador de IA entrenado directamente en baterías físicas.
Este método de carga rápida con IA de la Universidad Tecnológica Chalmers de Suecia ofrece una vía de prolongación de la vida útil basada en software para vehículos eléctricos y sistemas de almacenamiento de energía. Si se valida con éxito posteriormente en entornos con baterías reales y vehículos completos, la mejora de la vida útil cercana al 23 % podría reducir los riesgos de garantía, aumentar el valor residual y mejorar la eficiencia en el uso de materias primas críticas.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
