Los vehículos eléctricos funcionan con baterías de iones de litio (LIB), una batería recargable que aún no se comprende o perfecciona por completo. Y dado que se espera que los autos eléctricos reemplacen a los que funcionan con gasolina, cualquier investigación que mejore el rendimiento de una batería de iones de litio será de gran ayuda para los vehículos eléctricos y el medio ambiente.

Profesores Matthias Preindl y Alan West, dos profesores de Columbia, están desarrollando un modelo de aprendizaje automático que puede estimar con mayor precisión el nivel de carga de una batería de iones de litio. Las estimaciones actuales del estado de carga de una batería tienen tasas de error del cinco por ciento, mientras que el modelo de este equipo apunta a una tasa de error del uno por ciento. Su investigación está respaldada por una subvención del Fondo Semillas del Instituto de Ciencia de Datos.

Los sistemas de administración de baterías están capacitados para capturar el estado de salud de una batería y predecir su vida útil restante. Estos dos conceptos ayudan a los propietarios de vehículos eléctricos a saber cuándo detener el automóvil para recargar la batería y cuándo programar el reemplazo de la batería. Es más, un modelo de alta precisión de estimación se traduce en una extensión de la vida útil de los paquetes de baterías, ya que permite un sistema de gestión de baterías que puede identificar y proteger las células débiles.

Para diseñar su modelo de aprendizaje automático, este equipo aplicará señales de perturbación, una secuencia de señales de corriente generadas por un convertidor electrónico de potencia, a las celdas de la batería de iones de litio. La secuencia de señales hace que las celdas de la batería emitan respuestas eléctricas que se pueden probar. El equipo probará las baterías en su laboratorio, y también utilizan convertidores electrónicos de potencia para obtener datos de baterías instaladas en vehículos eléctricos. Los datos, que se generan cada minuto, medir funciones de la batería como la temperatura, voltaje y volatilidad en las corrientes, resultando en cientos de miles de puntos de datos. Por lo tanto, el equipo está diseñando un algoritmo para evaluar los datos y diseñar un modelo de optimización.

"Una analogía de lo que estamos haciendo es lo que se hizo con el ajedrez, "dice Mathias Preindl, Catedrático de Ingeniería Eléctrica. "Los robots de ajedrez funcionan mediante algoritmos que estudian todos los movimientos en todos los juegos, y en base a esa totalidad, conocen todos los movimientos posibles y pueden interpretar datos y seleccionar los mejores movimientos. Eso es lo que estamos tratando de lograr con nuestro modelo ".

Si bien Preindl es un experto en cómo las baterías interactúan con los componentes externos, Allen West, un ingeniero químico, comprende la química interna de una batería. Están utilizando sus conocimientos de ingeniería combinados, junto con técnicas avanzadas de ciencia de datos, para diseñar un modelo que pueda predecir cómo obtener el mejor rendimiento de las baterías de iones de litio actuales.

"Como están las cosas, no tenemos cuantificaciones para comprender cómo se comporta una batería de iones de litio, "dice Preindl, que también pertenece a DSI's Sense, Recolectar y mover el centro de datos.

"Una vez que tengamos eso, sabremos cuándo es necesario cargar las baterías, cuánto durarán, y cuándo es necesario reemplazarlos y cómo prolongar la vida útil de la batería, ", añade." Y dado que los coches eléctricos y las baterías de iones de litio son el futuro, nuestro proyecto tiene la promesa de mejorar una parte clave de nuestro sistema de transporte al mismo tiempo que mejora nuestro medio ambiente ".