El investigador de la Universidad de Kansas, Huazhen Fang, está desarrollando una tecnología basada en el aprendizaje automático capaz de monitorizar la temperatura en el interior de las celdas de las baterías de iones de litio, prever su comportamiento en el futuro, y prevenir su sobrecalentamiento. El proyecto está subvencionado por la National Science Foundation, NSF, una agencia federal independiente creada por el Congreso de EE.UU.
Durante la última década, las baterías de litio se han convertido en las más populares para el almacenamiento de energía. Su popularidad se debe al equilibrio entre que ofrecen en cuanto a la energía y densidad de potencia, la vida útil, la potencia que ofrecen en comparación con otras tecnologías y la baja tasa de autodescarga. Sin embargo, su mayor debilidad es la vulnerabilidad ante las altas temperaturas. Pueden incendiarse fácilmente e incluso explotar cuando la temperatura ambiente es alta o cuando se produce algún fallo interno. La razón de esta inestabilidad es que el litio es altamente reactivo y el electrolito que se utiliza habitualmente es inflamable.
En la actualidad, la mayoría de las tecnologías que se utilizan para controlar la temperatura de las baterías de iones de litio son poco fiables, puesto que los sensores solo pueden leer la temperatura de la superficie exterior de las celdas, según explica Fang, que es insuficiente para caracterizar el estado térmico de cada una de ellas. Para conocer la termodinámica interna es necesaria la información sobre lo que ocurre en su interior.
Hoy en día hay pocos métodos que permitan colocar sensores dentro de una batería. Sin embargo, utilizando la inteligencia artificial y el aprendizaje automático, es posible predecir las temperaturas dentro de las celdas utilizando la información de lo que ocurre en la superficie.
A la derecha el investigador de la Universidad de Kansas Huazhen Fang junto a un estudiante de doctorado realizando pruebas de baterías. Foto: Huazhen Fang.
En lugar de suponer que la temperatura es uniforme en toda la batería, como es el caso de los "modelos de parámetros agrupados" actuales, la investigación de Fang se basa en una técnica de aprendizaje computerizada que calcula las variaciones en las temperaturas internas dentro de la batería y el potencial para sufrir un sobrecalentamiento, siendo un método más preciso y realista.
El sistema de inteligencia artificial es capaz de deducir las temperaturas internas a partir de los datos suministrados. Este cálculo también puede realzarse en la nube, enviando los datos a servidores que realicen esta función. Cuando se detecta que una batería comienza a recalentarse en exceso el sistema podría incluso desconectarla para evitar provocar un incendio o una explosión.
Al cargar o descargar la batería, la distribución de la temperatura es desigual, más alta en el interior, cerca de los electrodos, y más baja en la superficie. "Nuestro método proporciona una reconstrucción espacio-temporal de la temperatura", afirma Fang.
Aplicación industrial
El calentamiento de las baterías es más problemático en los grandes sistemas de almacenamiento, que enfrentan vulnerabilidades más altas. Si una celda se incendia, el efecto dominó puede devastar todo el sistema. El problema de la seguridad térmica podría ralentizar el desarrollo del uso de baterías de litio para almacenar energía y ofrecer electricidad generada de forma sostenible, como la solar y la eólica. Con este sistema de previsión, las baterías de iones de litio podrían escalarse a niveles industriales agrupando cientos de baterías.
Los grandes sistemas de baterías para el almacenamiento de energía pueden beneficiarse de esta tecnología.
La investigación
NSF, que se creó para apoyar investigaciones para crear un conocimiento que transforme el futuro, respaldará la investigación de Fang con 500.000 dólares en un plazo de cinco años. Parte del trabajo se dedicará a la capacitación de estudiantes para el modelado de las baterías, el análisis de los datos y el aprendizaje automático, desarrollando los modelos y los métodos deseados para garantizar la seguridad térmica de las baterías.
