Mejor Estimación en Tiempo Real del Estado de Carga de Baterías de LiFePO ₄ Basada en un Nuevo Modelo Termoeléctrico

Las baterías de iones de litio se han utilizado ampliamente en vehículos eléctricos, y la estimación del estado interno de la batería juega un papel importante en el sistema de gestión de baterías. Sin embargo, es un desafío técnico, en particular, para la estimación de la temperatura interna de la batería y el estado de carga (SOC), que son dos variables clave que afectan el rendimiento de la batería. En este documento, se propone un nuevo método para la estimación simultánea en tiempo real de estos dos estados internos, lo que conduce a un modelo de batería significativamente mejorado para la estimación del SOC en tiempo real. Para lograr esto, primero se construye un modelo termoeléctrico simplificado de la batería, que acopla un submodelo térmico y un submodelo eléctrico. Se capturan las interacciones entre los comportamientos térmico y eléctrico de la batería, ofreciendo así una descripción integral del comportamiento térmico y eléctrico de la batería. Para lograr estimaciones del estado interno más precisas, el modelo se entrena utilizando el método de minimización del error de simulación, y los parámetros del modelo se optimizan mediante un método de optimización híbrido que combina un algoritmo metaheurístico y el enfoque de mínimos cuadrados. Además, se consideran parámetros del modelo que varían con el tiempo bajo diferentes condiciones de disipación de calor, y se utiliza un filtro de Kalman extendido conjunto para estimar simultáneamente tanto los estados internos de la batería como los parámetros del modelo que varían con el tiempo en tiempo real. Los resultados experimentales basados en los datos de prueba de baterías de LiFePO 4 confirman la eficacia del método propuesto.