El monitoreo y la optimización de las baterías de plomo-ácido reguladas por válvula (VRLA) son fundamentales para garantizar un rendimiento eficiente y una operación segura. Dos indicadores clave, el Estado de Carga (SOC) y el Estado de Salud (SOH), permiten evaluar con precisión la capacidad restante y el nivel de envejecimiento de una batería, respectivamente. Sin embargo, estimar estos valores con precisión requiere el uso de modelos avanzados y algoritmos de última generación. En este artículo, exploraremos cómo técnicas como el Filtro de Kalman extendido y el algoritmo de optimización por enjambre de partículas (PSO) se emplean para lograr estimaciones precisas de SOC y SOH, mejorando significativamente la seguridad, la vida útil y la confiabilidad de los sistemas de baterías VRLA.

Introducción

La optimización y monitoreo de baterías de plomo-ácido reguladas por válvula (VRLA) son esenciales para garantizar su rendimiento y seguridad. Conceptos como el Estado de Carga (SOC) y el Estado de Salud (SOH) son indicadores clave para evaluar la capacidad y el envejecimiento de las baterías. Este artículo explora cómo se estiman el SOC y el SOH mediante algoritmos avanzados como el filtro de Kalman y el método de optimización por enjambre de partículas (PSO).

Qué son el SOC y el SOH

El Estado de Carga (SOC) mide la capacidad restante de la batería, mientras que el Estado de Salud (SOH) evalúa el grado de envejecimiento en relación con su capacidad máxima original. Estos parámetros son esenciales para determinar la fiabilidad operativa de un sistema de baterías.

Diferencias clave:

• SOC: Capacidad restante actual de la batería.
• SOH: Relación entre la capacidad máxima disponible y la capacidad nominal de fábrica.

Importancia de la estimación precisa del SOC y el SOH

La estimación precisa del SOC y el SOH no solo mejora la seguridad del sistema, sino que también maximiza su vida útil. Dado que la precisión del SOC depende del valor del SOH y viceversa, su estimación conjunta asegura un monitoreo confiable.

Beneficios:

• Mejora la seguridad operativa.
• Reduce errores en las mediciones a menos del 5%.
• Optimiza el rendimiento del sistema de gestión de baterías (BMS).

Modelo RC de primer orden para estimar SOC y SOH

El modelo RC de primer orden es ampliamente utilizado debido a su capacidad para representar el comportamiento eléctrico de las baterías de manera precisa. Este modelo considera parámetros como resistencia interna (R0), resistencia de polarización (R1) y capacidad de polarización (C1).

Algoritmos utilizados: PSO y Kalman

PSO (Optimización por Enjambre de Partículas)

El algoritmo PSO ajusta los parámetros del modelo de batería en función de la mínima varianza entre los datos medidos y el modelo.

Filtro de Kalman

El filtro de Kalman utiliza datos de entrada como voltaje, corriente y temperatura para estimar el SOC en tiempo real, filtrando el ruido del sistema de manera eficiente.

Identificación de parámetros de la batería

En la identificación de parámetros:

1. Se recopilan datos iniciales de voltaje, corriente y temperatura.
2. PSO ajusta parámetros clave como R0, R1 y C1.
3. El error mínimo entre el modelo y los datos medidos es utilizado como función objetivo.

Deducción de parámetros

Dado que los parámetros de la batería varían con la temperatura y el SOC, se emplean reglas difusas para predecir y ajustar dichos parámetros.

Reglas clave:

1. La resistencia ohmica y la resistencia de polarización siguen una curva en forma de “U”.
2. A menor temperatura, aumenta la resistencia y disminuye la capacitancia.
3. Los parámetros identificados recientemente tienen mayor peso.

Estimación de SOC con el filtro de Kalman extendido

El filtro de Kalman extendido permite una estimación precisa del SOC mediante una serie de pasos:

1. Estimación previa del estado espacial.
2. Cálculo del valor observado.
3. Ajuste de la covarianza del estado espacial.
4. Aplicación de la matriz de ganancia de Kalman.
5. Estimación posterior del estado espacial.

Este enfoque asegura una precisión superior al filtrar ruidos y errores del sistema.

Estimación del SOH

El SOH se estima observando las diferencias en el cambio del SOC al descargar la batería en condiciones idénticas. Este enfoque permite identificar la capacidad real restante de la batería.

Pasos principales:

1. Comparar el SOC descargado con una batería nueva.
2. Evaluar la capacidad máxima disponible en función del envejecimiento.

Conclusión

La estimación precisa del SOC y el SOH mediante técnicas avanzadas como PSO y filtros de Kalman mejora significativamente la eficiencia, seguridad y vida útil de las baterías VRLA. Estas metodologías son fundamentales para el desarrollo de sistemas de gestión de baterías de última generación.