Una de las preocupaciones de seguridad más críticas de los vehículos eléctricos es mantener sus baterías frías, ya que los picos de temperatura pueden tener consecuencias peligrosas.
Una nueva investigación dirigida por un estudiante de doctorado de la Universidad de Arizona propone una forma de predecir y prevenir picos de temperatura en las baterías de iones de litio que se utilizan comúnmente para alimentar dichos vehículos.
Aprendizaje automático
Con el apoyo de $599,808 del Programa Establecido de Defensa del Departamento de Defensa para Estimular la Investigación Competitiva, Goswami y su asesor, el profesor de ingeniería aeroespacial y mecánica e investigador principal del proyecto Vitaliy Yurkiv, desarrollaron un marco que utiliza modelos multifísicos y de aprendizaje automático para detectar, predecir e identificar el sobrecalentamiento de las baterías de iones de litio, conocido como fuga térmica.
Goswami dijo que en el futuro, este marco podría integrarse en el sistema de gestión de la batería de un vehículo eléctrico para evitar que la batería se sobrecaliente, protegiendo así a los conductores y pasajeros.
“Necesitamos pasar a la energía verde”, dijo Goswami, “pero existen preocupaciones de seguridad asociadas con las baterías de iones de litio”.
El descontrol térmico puede ser extremadamente peligroso y difícil de predecir.“La temperatura en una batería aumentará de manera exponencial y provocará un incendio”, dijo Goswami.
Efecto dominó
Un paquete de baterías para vehículos eléctricos está compuesto por “celdas” de batería estrechamente conectadas. Los vehículos eléctricos actuales pueden tener más de 1000 celdas en cada paquete de baterías.
Si se produce una fuga térmica en una celda, es muy probable que las celdas cercanas también se calienten, lo que crearía un efecto dominó. Si eso sucede, toda la batería del vehículo eléctrico podría explotar, dijo Goswami.
Para evitarlo, los investigadores proponen utilizar sensores térmicos (envueltos alrededor de las celdas de la batería) que introducen datos históricos de temperatura en un algoritmo de aprendizaje automático para predecir temperaturas futuras.
El algoritmo predice cuándo y dónde es probable que comience un evento descontrolado.
“Si conocemos la ubicación del punto crítico (el comienzo de la fuga térmica), podemos tener algunas soluciones para detener la batería antes de que alcance esa etapa crítica”, dijo Goswami.
Yurkiv quedó impresionado por la precisión del algoritmo de Goswami. Antes de su investigación, no se habían utilizado modelos de aprendizaje automático para predecir el descontrol térmico.
«No esperábamos que el aprendizaje automático fuera tan superior para predecir la temperatura del termopar y la ubicación de los puntos calientes con tanta precisión», dijo Yurkiv. “Ningún ser humano jamás sería capaz de hacer eso”.
La investigación se basa en un artículo que Goswami y Yurkiv publicaron en enero y que investiga el uso de imágenes térmicas para predecir fugas de tráfico, lo que requeriría un equipo de imágenes pesado que tomara fotografías constantemente para su revisión.
La solución que Goswami y Yurkiv identifican en su último artículo es más ligera y rentable.
La investigación de Goswami se publicó en un momento importante de la historia de la fabricación de automóviles en Estados Unidos. En julio, el mismo mes en que se publicó el artículo, la administración Biden anunció una inversión de 1.700 millones de dólares en la fabricación de vehículos eléctricos en ocho estados.
En 2023, las ventas mundiales de vehículos eléctricos aumentaron un 35% con respecto a 2022. Goswami dijo que, a medida que aumenta la demanda, las medidas de seguridad son esenciales para el movimiento de vehículos eléctricos. “Muchas personas aún dudan en adoptar las baterías debido a diversas preocupaciones de seguridad”, afirmó. “Para lograr una aceptación generalizada, es fundamental que el público sepa que las investigaciones en curso están abordando activamente estas cuestiones críticas de seguridad”.