La detección precoz hace que las pilas sean más seguras
La TU Darmstadt y el MIT desarrollan métodos de vigilancia con aprendizaje automático
El uso seguro de baterías de iones de litio, como las utilizadas en vehículos eléctricos y sistemas estacionarios de almacenamiento de energía, depende en gran medida de la supervisión de su estado y la detección precoz de fallos. Los fallos en las celdas de una batería pueden provocar graves problemas, como incendios. Para mitigar estos riesgos, investigadores de la Universidad Técnica de Darmstadt y del Instituto Tecnológico de Massachusetts (MIT) han desarrollado nuevos métodos de análisis y supervisión de baterías que aprovechan enfoques de aprendizaje automático con restricciones físicas.
El equipo de Joachim Schaeffer, Eric Lenz y el profesor Rolf Findeisen, del Instituto de Tecnología de Automatización y Mecatrónica de TU Darmstadt, junto con los grupos del profesor Richard Braatz y el profesor Martin Bazant, del MIT, desarrollaron un método que combina métodos físicos con aprendizaje automático. Utilizando procesos gaussianos recursivos, pueden detectar cambios operativos y dependientes del tiempo en las celdas de las baterías. Estos métodos recursivos pueden aplicarse en tiempo real y procesar eficazmente grandes cantidades de datos, lo que permitirá en el futuro la supervisión continua en línea de los sistemas de baterías.
Para esta investigación, los científicos pudieron utilizar un conjunto de datos único: un socio de investigación proporcionó anónimamente datos de 28 sistemas de baterías que habían sido devueltos al fabricante por problemas. El conjunto de datos incluye más de 133 millones de filas de datos de 224 celdas de batería y es uno de los primeros de este tipo que se pone a disposición del público.
Los resultados de los metódicos desarrollos y análisis, publicados recientemente en la revista Cell Reports Physical Science, confirman que a menudo una sola célula de un sistema de baterías presenta un comportamiento anómalo, que puede afectar a todo el sistema. Estos hallazgos contribuyen a comprender mejor cómo envejecen las baterías y en qué condiciones fallan. Los métodos permiten vigilar continuamente las baterías en el futuro, aumentando así la seguridad.
Joachim Schaeffer, estudiante de doctorado del Laboratorio de Control y Sistemas Ciberfísicos del Departamento de Ingeniería Eléctrica y Tecnologías de la Información de la Universidad Técnica de Darmstadt y del MIT, recibió el Premio MIT de Datos Abiertos por los datos de libre acceso producidos durante el proyecto. De entre más de 70 propuestas, se seleccionaron diez ganadores del premio.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
