Investigadores de la Universidad de Arizona han mejorado la seguridad de los vehículos eléctricos al crear un modelo de aprendizaje automático que predice y previene el sobrecalentamiento de las baterías de iones de litio, abordando así un importante obstáculo en la adopción de energía verde.
Investigadores de la Universidad de Arizona han dado un paso significativo en la búsqueda de vehículos eléctricos más seguros al desarrollar un modelo de aprendizaje automático capaz de predecir y prevenir picos de temperatura peligrosos en las baterías de iones de litio.
La investigación, dirigida por el estudiante de doctorado Basab Goswami, ofrece una solución prometedora a una de las preocupaciones de seguridad más críticas en la industria de los vehículos eléctricos. El estudio pionero, titulado "Avanzando en la seguridad de las baterías", fue publicado en el Journal of Power Sources.
Goswami y su asesor Vitaliy Yurkiv, profesor de ingeniería aeroespacial y mecánica, crearon un marco que integra modelos multifísicos y de aprendizaje automático para monitorear e identificar posibles fugas térmicas en las baterías de iones de litio.
“Necesitamos pasar a la energía verde”, dijo Goswami en un comunicado de prensa“Pero existen preocupaciones de seguridad asociadas con las baterías de iones de litio”.
El descontrol térmico es un fenómeno peligroso en el que la temperatura dentro de una batería aumenta sin control, lo que puede provocar incendios o explosiones. Los vehículos eléctricos modernos tienen más de 1,000 celdas de batería estrechamente conectadas, por lo que la aparición de un descontrol térmico en una sola celda puede desencadenar una reacción en cadena que ponga en peligro todo el paquete de baterías.
“La temperatura en una batería aumentará de manera exponencial y provocará un incendio”, añadió Goswami.
Para contrarrestar esto, los investigadores propusieron utilizar sensores térmicos envueltos alrededor de las celdas de la batería. Estos sensores introducen datos históricos de temperatura en un algoritmo de aprendizaje automático, que luego predice posibles eventos de descontrol térmico.
“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”, agregó Goswami.
Yurkiv expresó su asombro por la precisión del modelo de aprendizaje automático.
“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 en el comunicado de prensa. “Ningún ser humano sería capaz de hacer eso”.
El nuevo método supone una evolución de las investigaciones anteriores que se basaban en imágenes térmicas para predecir la fuga térmica, lo que requería equipos de imágenes costosos y engorrosos. Esta solución liviana y rentable supone una mejora significativa.
“Muchas personas aún dudan en adoptar las baterías debido a diversas preocupaciones de seguridad”, añadió Goswami. “Para lograr una aceptación generalizada, es fundamental que el público sepa que las investigaciones en curso están abordando activamente estas cuestiones críticas de seguridad”.
La investigación de Goswami representa un paso importante para lograr que los vehículos eléctricos sean más seguros y confiables, lo que podría acelerar la transición a fuentes de energía más ecológicas. A medida que esta tecnología evolucione y se integre en los sistemas de gestión de baterías de los vehículos eléctricos, podría desempeñar un papel fundamental para garantizar la confianza del público y fomentar una adopción más amplia de los vehículos eléctricos.