PROYECTO PRIDEBAT

Predicción inteligente de degradación de baterías en vehículos eléctricos

PRIDEBAT pretende desarrollar una herramienta avanzada de predicción de la degradación de baterías para tecnologías de almacenamiento actuales basadas en LiFePo, para ofrecer información detallada sobre su ciclabilidad, eficiencia y vida útil.

Datos básicos del proyecto

  • Fecha de inicio: 01/01/2025.
  • Fecha de finalización: 31/12/2027.

La degradación de las baterías es uno de los desafíos que debe resolver la industria en la transición hacia el vehículo eléctrico. Es fundamental asegurar que la batería ofrecerá una vida útil definida en años y/o ciclos para la aplicación específica.

Sin embargo, los fabricantes proporcionan información limitada sobre la ciclabilidad y degradación de las baterías bajo condiciones de uso real. Los datos disponibles se basan en condiciones ideales, como curvas de corriente y consumo constante, adecuadas para aplicaciones estacionarias o con patrones de consumo repetitivos y estables.

PRIDEBAT pretende contribuir al reto que supone dimensionar la batería en términos de autonomía y prestaciones de tracción, así como en aspectos críticos como la garantía y el servicio postventa.

Para ello, desarrollará una herramienta avanzada de predicción de la degradación de baterías para tecnologías de almacenamiento actuales basadas en LiFePo, con el propósito de proporcionar información detallada sobre su ciclabilidad, eficiencia y vida útil. La herramienta proporcionará predicciones precisas y confiables bajo condiciones operativas reales.

Objetivos

  1. Recopilar datos exhaustivos sobre el rendimiento y la degradación de las baterías bajo condiciones reales de uso en función de la corriente, la temperatura, la profundidad de descarga (DOD) y estado de carga medio del ciclo. Esto incluirá la obtención de datos experimentales en diferentes escenarios operativos, considerando las variables anteriores, para la elaboración de curvas de rendimiento en función de los ciclos.
  2. Crear gemelos digitales de la dinámica longitudinal del vehículo y del tren de potencia, para diferentes configuraciones de vehículos, escenarios y condiciones de operación. Estos gemelos digitales se utilizarán para replicar condiciones operativas reales y estudiar su impacto en la degradación de las baterías.
  3. Crear gemelos digitales de las baterías de los vehículos eléctricos que permitan representar con la máxima fiabilidad y nivel de detalle el comportamiento global de una batería.
  4. Diseñar y validar modelos de predicción de la degradación de baterías. Estos modelos integrarán tanto las curvas de caracterización estándar de los sistemas de almacenamiento de energía, proporcionadas por los fabricantes, como las curvas de degradación derivadas de datos experimentales. Mediante la aplicación de técnicas avanzadas de inteligencia artificial y aprendizaje automático, estos modelos podrán predecir con alta precisión la vida útil, ciclabilidad y eficiencia de las baterías bajo condiciones reales de uso.
  5. Desarrollar estrategias de Vehicle to Grid (V2G) optimizando la relación entre los beneficios económicos y la reducción de la vida útil de las baterías.

Aportación de NAITEC a PRIDEBAT

NAITEC lidera el proyecto y participa en todos los paquetes en mayor o menor medida.

Es responsable de las tareas asociadas al análisis de battery pack y adquisición de datos, el desarrollo de gemelos digitales, análisis y simulación de dinámica vehicular debido a sus capacidades en caracterización de baterías para vehículo urbano. También desarrollará un modelo de predicción de la vida útil de baterías específico para VE.

Socios

Financiación

Este proyecto cuenta con la financiación del Gobierno de Navarra a través de la convocatoria de proyectos de I+D colaborativos de 2024.