Predicción y prevención de incendios en baterías de vehículos eléctricos usando aprendizaje automático avanzado

Tiempo de lectura: 2 minutos
Por Juanita Lopez
- en
Batería de vehículo eléctrico con superposición de datos digitales.

MadridLos vehículos eléctricos (VE) han aportado nuevas soluciones a los problemas ambientales, pero también presentan desafíos técnicos, como la seguridad de las baterías. Uno de los principales problemas de seguridad en los VE es el control de la temperatura de sus baterías. Las baterías de iones de litio pueden calentarse mucho, lo que puede provocar problemas graves como incendios.

Una investigación liderada por Basab Goswami, un estudiante de doctorado en la Universidad de Arizona, presenta un método innovador para predecir y prevenir incrementos repentinos de temperatura en las baterías de vehículos eléctricos (VE). Publicado en el Journal of Power Sources, el estudio introduce un sistema de aprendizaje automático que puede detectar, predecir e identificar con precisión posibles riesgos relacionados con eventos de desbordamiento térmico en estas baterías.

El sobrecalentamiento térmico ocurre cuando un aumento en la temperatura provoca una reacción que eleva aún más la temperatura, pudiendo desencadenar incendios o explosiones. Los paquetes de baterías de los vehículos eléctricos (VE) actuales contienen más de 1,000 celdas, y si una de ellas sufre un sobrecalentamiento térmico, este puede propagarse rápidamente a las celdas cercanas, causando graves problemas.

El uso de sensores térmicos en las celdas de batería representa un avance significativo. Estos sensores recopilan datos históricos de temperatura y los proporcionan a un algoritmo de aprendizaje automático, el cual puede predecir:

  • Tendencias futuras de temperatura
  • Probabilidad de un evento de fuga térmica
  • Ubicación exacta donde posiblemente inicie la fuga

El algoritmo de Goswami es preciso. Los métodos anteriores utilizaban imágenes térmicas que requerían equipos voluminosos y costosos. Este nuevo enfoque es más ligero, barato y muy exacto. El profesor Vitaliy Yurkiv, líder del proyecto, afirma que el algoritmo predice la temperatura y las ubicaciones de los puntos calientes mejor que cualquier humano.

La industria de los vehículos eléctricos se encuentra en un momento crucial. En julio, la administración de Biden anunció una inversión de $1.7 mil millones para la manufactura de vehículos eléctricos en ocho estados. La demanda global de vehículos eléctricos aumentó un 35% en 2023 en comparación con el año pasado. Sin embargo, las preocupaciones de seguridad siguen impidiendo que más personas los adopten.

Esta investigación puede aumentar la confianza del público en los vehículos eléctricos al resolver el importante problema de la fuga térmica. Destaca lo crucial que es seguir mejorando la tecnología para satisfacer las necesidades de los consumidores en cuanto a tech ecológicas más seguras y confiables. A medida que avanza el aprendizaje automático, es probable que su uso en áreas como la seguridad de los vehículos eléctricos crezca, proporcionando soluciones más avanzadas y precisas.

La incorporación del marco de Goswami en los sistemas de gestión de baterías para vehículos eléctricos es un avance significativo. Garantiza la seguridad de conductores y pasajeros, y fomenta la aceptación y el uso de estos vehículos por parte de más personas.

El estudio se publica aquí:

http://dx.doi.org/10.1016/j.jpowsour.2024.235015

y su cita oficial - incluidos autores y revista - es

Basab Ranjan Das Goswami, Yasaman Abdisobbouhi, Hui Du, Farzad Mashayek, Todd A. Kingston, Vitaliy Yurkiv. Advancing battery safety: Integrating multiphysics and machine learning for thermal runaway prediction in lithium-ion battery module. Journal of Power Sources, 2024; 614: 235015 DOI: 10.1016/j.jpowsour.2024.235015
Ciencia: Últimas noticias
Leer siguiente:

Compartir este artículo

Comentarios (0)

Publicar un comentario