En lo que respecta al sector de la movilidad, las baterías electroquímicas son actualmente la tecnología de almacenamiento de energía que puede descarbonizar el transporte por carretera, tal y como señala el informe State of the Art Battery Technology for Automotive Application del prestigioso Consejo de Electrificación del Transporte del IEEE.
Uno de los factores que limitan el desarrollo de los vehículos eléctricos es el grave impacto de la temperatura en el rendimiento de las baterías. Una temperatura de funcionamiento inadecuada puede provocar el envejecimiento prematuro, la pérdida de capacidad e incluso tener consecuencias fatales si se desencadena una fuga térmica. Para evitar el deterioro acelerado de las baterías, el objetivo del BTMS (Battery Thermal Management System) es garantizar que las celdas funcionen en las condiciones óptimas de temperatura, generalmente entre 15 y 35 ◦C, para el caso de las baterías de iones de litio (LIB). Sin embargo, los ciclos de conducción habituales someten a las baterías a un entorno energético muy dinámico que dificulta la gestión de la temperatura.
Es aquí donde cobra relevancia una estrategia de modelización térmica. Las baterías de litio-ion se rigen por complejos procesos electroquímicos que emiten calor. Esto da lugar a una distribución de la temperatura en la batería a lo largo del tiempo, lo que permite ajustar el BTMS correspondiente. Sin embargo, el campo eléctrico y los campos térmicos están interrelacionados con diferentes fenómenos que se influyen mutuamente y, por lo tanto, la distribución de temperatura resultante también debe alimentar el modelo eléctrico en un bucle cerrado de forma continua. Pasar por alto estos efectos puede llevar a sobredimensionar el diseño del BTMS.
En el marco de este reto, el área de Almacenamiento Térmico (TES) del CIC energiGUNE, en colaboración con el área de Almacenamiento Electroquímico (EES), ha desarrollado una metodología integral para estimar la generación de flujo de calor de celdas cilíndricas en condiciones de carga altamente dinámicas.
Estrategia de modelización térmica
Las técnicas de estimación de la temperatura de las celdas electroquímicas consisten en el uso de dos modelos, uno eléctrico y otro de transferencia de calor. En otras palabras, se requiere un modelo electrotérmico acoplado.
El modelo eléctrico se ocupa de la distribución y el comportamiento del potencial eléctrico dentro de la batería. Este modelo es crucial para comprender las reacciones electroquímicas que tienen lugar dentro de la batería, que afectan directamente a su rendimiento y temperatura. Factores como el flujo de corriente, la resistencia interna y las reacciones electroquímicas contribuyen a la generación de calor dentro de la batería.
En función de la estrategia de modelización, estos modelos pueden clasificarse en tres grupos: modelos electroquímicos basados en la física (también conocidos como modelos de caja blanca), modelos de caja gris y modelos basados en datos o de caja negra.
|
Modelo eléctrico
|
Caja blanca
|
Caja gris
|
Caja negra
|
|
Teoría
|
Derivadas mediante leyes de 1er principio
|
Derivados a partir de conocimientos físicos, mientras que los parámetros del modelo se estiman utilizando datos de prueba.
|
Teoría de la estimación estadística basada en datos
|
|
Características
|
Parámetros obtenidos a partir de experimentos y propiedades físicas del sistema
Conocimiento significativo pero alto coste computacional
|
El tiempo computacional es relativamente menor que el requerido por el modelo electroquímico
Enfoque más eficaz en aplicaciones de gestión térmica en tiempo real
|
Proporcionan una predicción precisa de la temperatura (siempre que se disponga de datos suficientes para el entrenamiento del modelo)
Pérdida de relevancia física de los parámetros del modelo
|
|
Ejemplos
|
Modelos electroquímicos 1D, 2D, 3D
|
Modelización de orden reducido (ROM)
Método basado en la frecuencia
Modelización de circuitos equivalentes agrupados (LECM)
|
Redes neuronales artificiales
|
Con la llegada de la era del big data, es probable que los enfoques físicos combinados con enfoques basados en datos sean cada vez más comunes. Mientras que la combinación de técnicas basadas en la física y en los datos en un único modelo preciso resuelve los problemas que plantea, muchas aplicaciones de gestión térmica en tiempo real siguen basándose en modelos de circuitos equivalentes (ECM). La capacidad de estos modelos para medir y predecir los voltajes de las celdas mediante la optimización de los modelos y los valores de los parámetros se ajusta muy bien al diseño de algoritmos de control en BTMS.
El modelo térmico se centra en la distribución y disipación del calor dentro de la batería. Unas hipótesis fiables sobre cómo se transfiere el calor a través de los distintos componentes de la celda (modelos concentrados, distribuidos o heterogéneos) dentro de la batería son esenciales para gestionar su temperatura, lo que a su vez afecta a su rendimiento, seguridad y longevidad.
Entre las distintas técnicas de estimación de la temperatura, los modelos más sencillos basados en condensadores-resistencias térmicas utilizan la analogía entre sistemas eléctricos y térmicos. También conocidos como modelos de parámetros globales, sólo permiten predecir temperaturas medias, ignorando que la distribución de la temperatura de la batería puede no ser espacialmente uniforme. Para superar esta limitación, los modelos térmicos CFD tridimensionales (3D) pueden abordar sistemas geométricos complejos.
Acoplamiento bidireccional
Debido a la interconexión recíproca de los modelos eléctricos y térmicos, es necesario algún tipo de acoplamiento. El acoplamiento unidireccional entre ECM (modelos de circuitos equivalentes) y CFD (modelos térmicos tridimensionales), por ejemplo, desprecia los efectos de la variación de temperatura en el modelo de transferencia de calor CFD sobre el flujo de calor emitido por la celda. Este enfoque se utiliza habitualmente para simplificar el proceso de cálculo.
El área de Almacenamiento Térmico (TES) de CIC energiGUNE ha validado un modelo acoplado bidireccional basado en un enfoque de co-simulación sobre una batería 18650 Li-ion. Este modelo consiste en un modelo lumped 1D (ECM) desarrollado en Matlab-Simulink® con un modelo térmico CFD 3D en Ansys-Fluent®, formando un bucle de realimentación.
Simulink® es un conocido entorno de diagramas de bloques utilizado para diseñar sistemas. Proporciona herramientas de diseño y modelos parametrizados bajo la caja de herramientas Simscape Battery para modelar baterías y probar algoritmos de control BTMS. Esto facilita la implementación de una secuencia de pruebas de carga y descarga altamente dinámica, lo que se traduce en unas condiciones de funcionamiento más realistas que los ciclos de carga y descarga constantes utilizados habitualmente.
Por otro lado, las capacidades avanzadas de modelización física de Ansys-Fluent incluyen la solución de mecanismos de transferencia de calor como la conducción, la convección y la radiación con una mayor precisión en comparación con los modelos de parámetros globales, en los que se requieren estimaciones para modelizar estos fenómenos.
La combinación de modelos ECM con un modelo térmico CFD en 3D se convierte en una potente herramienta para representar escenarios complejos que repercuten en el diseño del BTMS y también puede proporcionar una mejor predicción de la vida útil y el rendimiento de la batería.
El proceso iterativo continuo entre las pruebas experimentales y el modelado de simulación conducirá a la próxima generación de BTMS y, en última instancia, contribuirá al avance sostenible de las tecnologías de almacenamiento de energía.
