Redes Neuronales Recurrentes para Estimar el Estado de Salud de Baterías de Ión de Litio

Los rápidos cambios tecnológicos y las innovaciones disruptivas han resultado en un cambio significativo en el comportamiento y los requisitos de las personas. Los dispositivos electrónicos, incluyendo teléfonos inteligentes, computadoras portátiles y otros aparatos, son indispensables en las rutinas diarias. Como consecuencia, la demanda de baterías de alta capacidad ha aumentado, lo que ha permitido una mayor autonomía de los dispositivos. Un enfoque alternativo para abordar esta demanda es el cambio de baterías, que puede potencialmente extender la vida útil de las baterías de los dispositivos electrónicos. Aunque el intercambio de baterías en vehículos eléctricos ha sido bien estudiado, las aplicaciones para teléfonos inteligentes aún necesitan ser exploradas. Es crucial que evaluar el estado de salud (SoH) de las baterías representa un desafío, necesitando un consenso sobre los mejores métodos de estimación para desarrollar estrategias efectivas de intercambio de baterías. Este documento propone un modelo para estimar la curva de SoH de las baterías de iones de litio utilizando la curva de estado de carga. El modelo fue diseñado para aplicaciones de intercambio de baterías de teléfonos inteligentes utilizando redes neuronales de Unidad Recurrente Comp Puerta (GRU). Para validar el modelo, se desarrolló un sistema para realizar pruebas destructivas en las baterías y estudiar su comportamiento a lo largo de su vida útil. Los resultados demostraron la alta precisión del modelo en la estimación del SoH de las baterías bajo varios parámetros de carga y descarga. El enfoque propuesto presenta baja complejidad computacional, bajo costo y parámetros de entrada fácilmente medibles, lo que lo convierte en una solución atractiva para aplicaciones de intercambio de baterías de teléfonos inteligentes.