Modelado de baterías

El modelado de baterías es el proceso de crear representaciones matemáticas o computacionales del comportamiento de una batería en distintas condiciones. El modelado de baterías es esencial para diseñar, controlar y optimizar baterías en diversas aplicaciones, como vehículos eléctricos, sistemas de energía renovable y electrónica de consumo.

Modelado de baterías con Simulink y Simscape Battery

Existen tres tipos de modelos de baterías: modelos de circuito equivalente (ECM), modelos electroquímicos y modelos basados en datos. Puede crear estos modelos y ejecutar simulaciones con Simscape Battery™ y Simulink^®.

Modelos de circuito equivalente

Los ECM de baterías utilizan elementos de circuitos eléctricos, como resistencias, condensadores y fuentes de tensión, para imitar el comportamiento dinámico de una celda de batería. Debido a su simplicidad y eficiencia computacional, los ECM se emplean para diseño de sistemas de gestión de baterías (BMS) y en simulación en nivel de sistema. Simscape Battery incluye el bloque ECM prediseñado Battery Equivalent Circuit, que modela la dinámica electrotérmica de una batería. Los elementos de circuito del bloque Battery Equivalent Circuit son tablas de búsqueda que dependen de temperatura, estado de carga (SOC) y corriente.

Además, el bloque Battery Equivalent Circuit presta soporte para histéresis de baterías en la tensión en circuito abierto (OCV), degradación de baterías (deterioro por ciclos de carga/descarga y deterioro por tiempo transcurrido) y simulación de fallos. Ofrece soporte para tres tipos de fallos: fallo de resistencia adicional, fallo de cortocircuito interno y reacciones exotérmicas. Puede introducir fallos de reacciones exotérmicas para simular fuga térmica y caracterizar fuga térmica con la prueba de calorimetría de tasa acelerada (ARC).

Modelos electroquímicos de baterías

Los modelos electroquímicos de baterías son modelos matemáticos que describen los procesos físicos y químicos internos que se producen en una batería durante su carga y descarga. En comparación con los ECM, los modelos electroquímicos de baterías ofrecen una visión detallada de los procesos internos de una batería; por lo tanto, resultan valiosos para diseño de celdas, estudios de degradación, optimización de corriente de carga rápida y una predicción más exacta del rendimiento en condiciones operativas extremas.

Simscape Battery ofrece el bloque Battery Single Particle para representar una batería empleando un modelo de partícula única con dinámica del electrolito (SPMe).

Modelos de baterías basados en datos

Los modelos de baterías basados en datos utilizan datos empíricos con métodos como identificación de sistemas, Machine Learning y Deep Learning para simular y predecir el comportamiento de baterías. Son ideales cuando resulta difícil capturar las dinámicas internas de manera analítica; por ejemplo, mecanismos de degradación de baterías en modelado de deterioro de baterías. Los modelos de baterías basados en datos son adecuados para gestión de flotas de vehículos eléctricos, mantenimiento predictivo, diagnóstico avanzado y otras aplicaciones en las que existen conjuntos de datos de gran tamaño disponibles que mejoran la precisión de la predicción de la duración de una batería.

Puede utilizar Deep Learning para crear un modelo de espacio de estados no lineal de orden reducido; los datos de entrenamiento de este tipo de modelo pueden ser datos experimentales o datos de simulación procedentes de modelos de muy alta fidelidad (por ejemplo, modelos de baterías FEA).

Caracterización de celdas

La caracterización de celdas es el proceso de ajuste de un modelo de batería a datos experimentales. Garantiza que los parámetros del modelo reflejan el comportamiento real de la batería en diversas condiciones operativas. Estos parámetros tienden a cambiar en base a la generación del producto, el proveedor de celdas y la edad de la batería.

Es importante caracterizar estas celdas, ya que el algoritmo del BMS utiliza el modelo de batería para establecer parámetros de control, como los de un filtro Kalman para la estimación del SOC o límites de potencia basados en SOC y temperatura para evitar condiciones de subtensión o sobretensión. Más adelante en la etapa de desarrollo del BMS, el equipo de ingeniería puede utilizar el mismo modelo de batería para simulaciones de sistema en tiempo real y en escritorio de lazo cerrado en nivel de sistema.

El proceso de caracterización de celdas implica decidir qué pruebas se deben realizar en el laboratorio de pruebas de baterías y optimizar los parámetros del modelo de forma que la tensión prevista por el modelo coincida correctamente con la tensión medida experimentalmente. Para las pruebas, los perfiles de corriente, como caracterización híbrida de potencia por pulsos (HPPC), deben excitar adecuadamente el sistema de baterías, de modo que exista suficiente información para identificar los parámetros del modelo de batería.

En cuanto al proceso de optimización, puede plantear el problema de múltiples formas, en función de si el jacobiano utilizado para la optimización se obtiene de manera numérica o analítica. Para comprobar la precisión de modelos de baterías con estos parámetros identificados, se recomienda realizar un paso de validación para verificar la precisión de la predicción de tensión con un perfil de corriente de ciclo de conducción en comparación con la tensión medida experimentalmente.

Puede caracterizar modelos de ECM con productos de MATLAB^® y Simulink:

• Simscape Battery incluye objetos y funciones para estimación de parámetros a partir de datos de HPPC. Simscape Battery contiene métodos de optimización fundamentales para estimar parámetros de ECM. También puede seleccionar métodos de otras toolboxes, como la función tfest de System Identification Toolbox™. Estos métodos de optimización alternativos suelen proporcionar metodologías de estimación de parámetros más sólidas que el método de optimización predeterminado. Para utilizar estos métodos de optimización, debe disponer de una licencia para la toolbox requerida.
• La app MBC Optimization (CAGE) de Model-Based Calibration Toolbox™ proporciona una estimación de parámetros más eficiente y necesita solo unos minutos para un modelo de ECM 3RC.

Para caracterizar un modelo de batería SPMe, puede utilizar Simulink Design Optimization para estimar los parámetros en grupos, en una secuencia de influencia decreciente.