Development and validation of li-ion battery state algorithms capable of adapting to new chemistries

• Autores: Markel Azkue Etxeandia
• Directores de la Tesis: Unai Iraola Iriondo (dir. tes.), Haizea Gaztañaga (codir. tes.)
• Lectura: En la Mondragon Unibertsitatea ( España ) en 2023
• Idioma: inglés
• Tribunal Calificador de la Tesis: Hendrik Johannes Bergveld (presid.), Laura Oca Pérez (secret.), Elisa Braco Sola (voc.), David Anseán González (voc.), Vincent Heiries (voc.)
• Programa de doctorado: Programa de Doctorado en Ingeniería Aplicada por la Mondragón Unibertsitatea
• Menciones:
  • Internacional
• Calificación: Sobresaliente
• Enlaces
  • Tesis en acceso abierto en: eBiltegia
• Resumen

  • Las baterías de iones de litio son esenciales en aplicaciones modernas, desde dispositivos como teléfonos y laptops hasta vehículos eléctricos. El aumento de la demanda se debe a la transición hacia energías renovables y movilidad eléctrica. La investigación se enfoca en estimar el estado de carga (SoC) y salud (SoH) de estas baterías. El estudio busca desarrollar estimadores flexibles de SoC y SoH utilizando redes neuronales y aprendizaje por transferencia. Se realiza una revisión de algoritmos existentes y se propone una metodología de cinco etapas para crear modelos. Los resultados demuestran que los modelos de aprendizaje por transferencia superan a los creados desde cero, con errores significativamente más bajos y menos datos requeridos. Esta combinación de redes neuronales y aprendizaje por transferencia es eficaz para estimar SoC y SoH en situaciones con limitaciones de datos, ofreciendo resultados de alta calidad.