Por Alastair Bright, escritor independiente.

En el campo de Sistemas de gestión de baterías (BMS)), el objetivo principal es garantizar la seguridad y la longevidad de las baterías. Lograr este objetivo depende del monitoreo y control continuo de la capacidad de una batería. Estado de carga (SOC) y Estado de salud (SOH).

Exploremos las funciones esenciales de BMS y las técnicas para estimar SOC y SOH en proyectos a gran escala, incluyendo Sistemas de almacenamiento de energía de batería (BESS). Es importante tener en cuenta que los conocimientos compartidos aquí son aplicables a cualquier sistema que dependa de baterías recargables y pueda requerir un BMS.

Teniendo en cuenta los requisitos de la batería

Las baterías recargables sirven como fuentes de energía para una amplia gama de aplicaciones, y la mayoría de ellas requieren un BMS para garantizar el rendimiento seguro y duradero de la batería, con especial atención en cálculos precisos de SOC y SOH.

Antes de continuar, es importante comprender que los métodos que analizamos para estimar SOC y SOH se desarrollaron en el contexto de proyectos BESS. Sin embargo, estos métodos pueden adaptarse para su uso en varios sistemas, independientemente de su tamaño o complejidad.

Sistemas de almacenamiento de energía de batería (BESS)

Un BESS es una solución de almacenamiento de energía electroquímica que se centra en una batería recargable. Este sistema puede almacenar o descargar energía según sea necesario cargando y descargando la batería en momentos óptimos.

Sistema de gestión de la batería (BMS)

Un sistema de gestión de baterías desempeña una doble función como supervisor y cuidador de la batería. Supervisa y controla continuamente el estado de las celdas de la batería mientras las protege de riesgos potenciales. El desarrollo de un BMS es un proceso multifacético que implica el diseño de subsistemas tanto a nivel de hardware como de software.

Seleccionar la tecnología de batería adecuada

Una de las consideraciones iniciales al desarrollar un BMS es la elección de la tecnología de batería para su BESS. Las soluciones de almacenamiento de energía en baterías pueden emplear varias configuraciones de celdas de batería, que incluyen:

• Óxido de litio, níquel, manganeso y cobalto
• Plomo-ácido
• Niquel Cadmio
• sodio-azufre
• Bromo de zinc

La química de las baterías ofrece una amplia gama de combinaciones, cada una con sus características y características únicas. Es esencial seleccionar una batería que se ajuste a sus especificaciones BESS. Por ejemplo, las condiciones operativas del sistema son un factor crítico, ya que las diferentes químicas de las baterías tienen diferentes tolerancias térmicas. Por ejemplo, las baterías de iones de litio funcionan de manera óptima dentro del rango de 10°C a 40°C.

Carga y descarga

Las baterías recargables se pueden cargar y descargar varias veces debido a reacciones electroquímicas reversibles que pueden restaurar la carga eléctrica de la batería. Recomendaciones específicas rigen la carga y descarga de diferentes tipos de baterías.

Por ejemplo, es aconsejable recargar las baterías de iones de litio incluso después de una descarga parcial, como por ejemplo del 30% de su capacidad, evitando al mismo tiempo un agotamiento total de la energía, que podría dañar la batería. Las baterías de hidruro metálico de níquel (Ni-MH) se pueden recargar de forma segura, independientemente del nivel de capacidad, pero es necesaria una recarga regular si se almacenan o no se utilizan durante períodos prolongados. Las baterías de plomo-ácido deben almacenarse con carga completa para evitar la sulfatación y la pérdida de capacidad.

Los requisitos de carga y descarga abarcan límites de voltaje, corriente y temperatura. Superar estos límites puede provocar daños a la batería.

Algoritmos de gestión de baterías personalizados BMS para monitoreo y control

BMS está equipado con algoritmos de gestión de batería personalizados que monitorean continuamente los parámetros clave e intervienen cuando es necesario. Estos algoritmos garantizan que la batería funcione dentro de parámetros seguros, protegiéndola así de una pérdida prematura de capacidad y prolongando su vida útil.

Medición del estado de carga (SOC)

Calcular el estado de carga es una función fundamental de un BMS, ya que permite un control preciso sobre los procesos de carga y descarga, salvaguardando la batería. La medición precisa del SOC es crucial para mantener el rendimiento de la batería a lo largo del tiempo.

Estimación del estado de salud (SOH)

La estimación del estado de salud es otra función esencial de un BMS. Ayuda a los usuarios a mejorar el rendimiento de la batería y proporciona una advertencia temprana de deterioro, indicando la necesidad de reemplazarla. Conocer el SOH proporciona información valiosa sobre el rendimiento de la batería y el sistema general de almacenamiento de energía, incluida la eficiencia y la confiabilidad.

Desafíos en la estimación de SOC y SOH

A diferencia del voltaje o la temperatura, SOC y SOH no se pueden medir directamente como cantidades físicas. Más bien, requieren la consideración de una variedad de factores y parámetros para evaluarlos con precisión. Los siguientes parámetros intervienen en el cálculo del SOC:

• Edad
• Vida útil (número de ciclos de carga/descarga)
• Capacidad
• Resistencia interna
• Rendimiento de energía
• Temperatura
• Tasa de autodescarga
• Tensión

Al evaluar el SOC, se deben tener en cuenta los siguientes parámetros:

• Química de la batería
• Tensión
• Current
• Capacidad
• Impedancia
• Tasa de carga/descarga
• Temperatura

La estimación de SOC y SOH es una tarea desafiante, sin una fórmula sencilla para ayudar a los desarrolladores de BMS a identificar estas características. Sin embargo, se pueden encontrar en línea varios estudios científicos y artículos técnicos sobre métodos de estimación de SOC y SOH. Muchos de estos métodos afirman ser precisos y fiables.

Estimación del estado de carga (SOC)

Se pueden emplear múltiples enfoques para determinar el SOC de una batería, incluidas mediciones directas, cálculos indirectos, técnicas predictivas y otras tecnologías. Éstos son algunos de los métodos más comunes:

Método de voltaje de circuito abierto (OCV)

Este método se basa en la relación entre la capacidad restante o SOC de una batería y su voltaje de circuito abierto, que es el voltaje sin carga actual. Cuanto más fuerte sea la dependencia entre el voltaje y el SOC, más precisas serán las mediciones. Esta relación generalmente se representa en una curva de descarga, que se puede encontrar en las hojas de datos de la batería o crearse mediante mediciones experimentales.

El método OCV es muy adecuado para determinar el SOC inicial de una característica de batería. Sin embargo, es posible que no funcione bien con baterías de litio con curvas de descarga planas. Por lo tanto, el método OCV a menudo se combina con otras prácticas de medición para una estimación del SOC más precisa en los sistemas de gestión de baterías de litio.

Conteo de Coulomb (integración actual)

Este método implica calcular los culombios o la cantidad de carga eléctrica, derivada del producto de la corriente y el tiempo que tarda la carga en fluir. El recuento de Coulomb es un método ampliamente utilizado, pero su precisión depende de conocer el SOC inicial como punto de referencia. En la práctica, el SOC suele restablecerse al 100% periódicamente en el Diseño BMS. La medición actual precisa también es crucial para una estimación confiable del SOC.

Filtrado de Kalman

El filtrado de Kalman se basa en mediciones y análisis de los datos de entrada y salida de una batería, como corriente, voltaje, temperatura, resistencia interna y otros parámetros. Utilizando estos datos, el algoritmo del filtro de Kalman construye un modelo eléctrico de la batería, simula su comportamiento en diversas condiciones y estima el SOC en consecuencia. Este enfoque es más complejo pero ofrece una estimación del SOC más precisa cuando se combina con dispositivos de medición de alta calidad y parámetros bien ajustados.

Enfoques basados ​​en modelos

Las técnicas basadas en modelos emplean modelos matemáticos del comportamiento electroquímico de la batería para estimar el SOC. Estos modelos son complejos y requieren parámetros como la capacidad de la batería, la resistencia interna y más. Los modelos electroquímicos avanzados, como el modelo de Thevenin o el modelo de circuito eléctrico, pueden proporcionar estimaciones precisas del SOC.

IA y aprendizaje automático

La inteligencia artificial y el aprendizaje automático se han convertido en herramientas poderosas para la estimación del SOC. Estas técnicas aprovechan datos históricos, mediciones y parámetros relevantes para crear modelos predictivos para la estimación del SOC. Estos modelos pueden adaptarse a diversos tipos de baterías y condiciones operativas, lo que los hace versátiles y precisos. Con el aprendizaje continuo, los modelos de aprendizaje automático pueden mejorar su precisión con el tiempo.

Estimación de SOC basada en voltaje

El voltaje es una métrica sencilla de medir y utilizar para estimar el SOC, pero su precisión es limitada. Esta limitación es especialmente evidente en baterías de iones de litio con curvas de descarga de voltaje relativamente planas. A pesar de sus limitaciones, la estimación del SOC basada en voltaje es un enfoque práctico y rentable para muchos sistemas de gestión de baterías, particularmente en sistemas estacionarios de almacenamiento de energía donde la medición precisa del SOC puede no ser crítica.

Combinación de métodos para mejorar la precisión

Los sistemas de gestión de baterías suelen utilizar una combinación de estos métodos para mejorar la precisión y la solidez de la estimación del SOC. El enfoque híbrido compensa las limitaciones de cada método individual. El método OCV podría usarse como estimador primario, mientras que se puede emplear el conteo de Coulomb o el filtrado de Kalman para corregir la estimación inicial.

Estimación del estado de salud (SOH)

La estimación del estado de salud puede ser más desafiante que la estimación del SOC, ya que implica predecir el rendimiento y la degradación a largo plazo de una batería. La estimación de SOH es importante porque proporciona una base para optimizar las estrategias de mantenimiento y reemplazo para garantizar la confiabilidad de una batería. Se utilizan varios métodos para estimar SOH:

Pruebas de capacidad: Probar periódicamente la capacidad de una batería cargándola y descargándola completamente y comparando el resultado con su capacidad inicial proporciona una forma sencilla pero eficaz de estimar la SOH. La disminución de la capacidad con el tiempo indica una pérdida de SOH.

Pruebas de resistencia: Medir la resistencia interna de una batería puede ofrecer información sobre su estado. Un aumento de la resistencia es un indicador de degradación. Para determinar la resistencia se pueden utilizar varios métodos, incluida la espectroscopia de impedancia y el análisis de respuesta de voltaje.

Estimación del ciclo de vida: Los fabricantes suelen especificar el ciclo de vida de una batería. Monitorear el número de ciclos y considerar qué tan cerca está la batería de su ciclo de vida esperado puede proporcionar una estimación aproximada de SOH.

Enfoques basados ​​en modelos de envejecimiento: Algunos sistemas avanzados de gestión de baterías utilizan modelos de envejecimiento que tienen en cuenta diversos factores que contribuyen a la degradación, como la temperatura, la corriente y la profundidad de la descarga. Estos modelos proporcionan estimaciones de SOH más precisas al considerar una gama más amplia de parámetros.

Aprendizaje automático: Los modelos de aprendizaje automático se pueden entrenar con datos históricos para predecir SOH en función de una amplia gama de parámetros. Estos modelos se vuelven cada vez más precisos a medida que hay más datos disponibles y son capaces de estimar la SOH en tiempo real.

Elegir el método de estimación correcto

La elección de los métodos de estimación de SOC y SOH debe depender de varios factores, incluido el tipo de batería, la aplicación prevista, la instrumentación y los sensores disponibles y la complejidad del sistema de gestión de la batería.

Para aplicaciones que requieren mediciones de SOC y SOH de alta precisión, se prefieren técnicas avanzadas como el filtrado de Kalman o enfoques basados ​​en modelos. En aplicaciones donde la precisión no es crítica, los métodos basados ​​en voltaje o los enfoques híbridos que combinan múltiples métodos pueden ser adecuados. En aplicaciones en tiempo real, los enfoques basados ​​en el aprendizaje automático pueden proporcionar flexibilidad y adaptabilidad.

Cualquiera que sea el método elegido, la calibración y validación periódicas son esenciales para mantener estimaciones precisas de SOC y SOH.

Conclusión

Los sistemas de gestión de baterías son componentes críticos en el rendimiento y la longevidad de las baterías, especialmente en los sistemas de almacenamiento de energía en baterías y otras aplicaciones que dependen de baterías recargables. La medición precisa del estado de carga (SOC) y del estado de salud (SOH) es esencial para optimizar el funcionamiento de la batería, garantizar la seguridad y extender la vida útil de la batería. La elección correcta de los métodos de estimación de SOC y SOH depende de varios factores y debe adaptarse a las necesidades específicas de su aplicación.

En la práctica, suele utilizarse una combinación de métodos para lograr los resultados más precisos. Los últimos avances en tecnología, como el aprendizaje automático y la inteligencia artificial, desempeñan cada vez más un papel en la mejora de las capacidades de estimación de SOC y SOH. A medida que las tecnologías de baterías sigan evolucionando, también lo harán las herramientas y técnicas para gestionar y mantener eficazmente estos componentes vitales de almacenamiento de energía. Los desarrolladores de sistemas de gestión de baterías deben mantenerse al tanto de estos desarrollos para mantener sus sistemas a la vanguardia del campo.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.logisticsit.com/articles/2023/10/31/battery-management-system-(bms)-a-comprehensive-guide-to-measuring-state-of-charge-and-state-of-health