Machine Learning e Inteligencia Artificial para aplicar las baterías de iones de litio a niveles más industriales - World Energy Trade

Machine Learning e Inteligencia Artificial para aplicar las baterías de iones de litio a niveles más industriales

Miembros del equipo de investigación de la Universidad de Kansas que estudian cómo predecir la temperatura interior de las baterías de iones de litio para hacerlas más seguras.

Miembros del equipo de investigación de la Universidad de Kansas que estudian cómo predecir la temperatura interior de las baterías de iones de litio para hacerlas más seguras.

Investigación, Desarrollo e Innovación
Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times
Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

Investigadores de la Universidad de Kansas están desarrollando una tecnología para monitorizar y prevenir el sobrecalentamiento de las baterías de iones de litio desde su interior, utilizando enfoques de aprendizaje automático (machine-learning) e inteligencia artificial (IA), con el fin de hacerlas más seguras y promover su uso industrial y como almacenamiento de energías renovables.

Según explica el profesor Huazhen Fang, que lleva adelante la investigación con una subvención de medio millón de dólares de la Fundación Nacional de la Ciencia, este tipo de baterías son muy populares por tener ventajas como la "alta energía y densidad de potencia, larga vida útil del ciclo, alto voltaje en comparación con otras baterías y una baja tasa de autodescarga".

Sin embargo, señala su vulnerabilidad ante situaciones térmicas, "puede incendiarse fácilmente o tener explosiones térmicas" debido a que el metal de litio "es altamente reactivo y el electrolito que se usa habitualmente es inflamable".



Predecir las temperaturas dentro de las baterías

La tecnología actual solamente es capaz de medir la temperatura en la superficie de las baterías, pero no en su interior. Sin embargo, utilizando inteligencia artificial y aprendizaje automático "podemos predecir las temperaturas dentro de la célula, lo que nos daría la ventaja de poder detectar su comportamiento", explica el profesor Fang.

Cuando una batería carga o se descarga, la distribución de su temperatura es desigual. Suele ser más alta en el interior, cerca de los electrodos. Los métodos de medición no consideran la distribución uniforme de la temperatura, pero el sistema de medición que desarrollan estos investigadores "proporciona una reconstrucción espacio-temporal de la temperatura".

Escalabilidad para su uso industrial y en energías renovables

Mediante IA, utilizando los datos de una batería de iones de litio, se puede deducir las temperaturas internas. Si se detecta que la batería puede incendiarse, el dispositivo al que da energía la batería estaría programado para apagarse o desconectarse de la batería antes de que se caliente lo suficiente como para incendiarse o provocar una explosión.

Esta innovación podría convertir las baterías de iones de litio en aptas para niveles más industriales, a través de celdas que agrupan cientos de baterías. Según Fang, la tecnología de iones de litio podría usarse cada vez más en redes eléctricas masivas para almacenar y descargar la electricidad generada por tecnologías sostenibles como la solar y la eólica.

 

Te puede interesar: Inteligencia Artificial + Energía de Fusión: El esfuerzo de Princeton, Harvard y el DOE para desarrollar una fuente de energía ilimitada