El alumno Iker Lopetegui Tapia obtuvo la calificación SOBRESALIENTE CUM LAUDE con mención Doctorado Internacional
El alumno Iker Lopetegui Tapia obtuvo la calificación SOBRESALIENTE CUM LAUDE con mención Doctorado Internacional
El alumno Iker Lopetegui Tapia obtuvo la calificación SOBRESALIENTE CUM LAUDE con mención Doctorado Internacional
- Título de tesis: Mitigating Lithium-Ion Battery Aging: Physics-Based State Estimation, Aging Prediction, and Degradation-aware Control Strategies
Tribunal:
- Presidencia: Gregory Plett (University of Colorado Colorado Springs)
- Vocalía: Scott Trimboli (University of Colorado Colorado Springs)
- Vocalía: David Anseán González (Universidad de Oviedo)
- Vocalía: Elixabete Ayerbe Olano (CIDETEC)
- Secretaría: Erik Garayalde Perez (Mondragon Unibertsitatea)
Resumen:
Las baterías de iones de litio son el sistema de almacenamiento de energía más adoptado en la actualidad. Debido a su alta densidad de energía, y su baja tasa de autodescarga, son la mejor opción para muchas aplicaciones, como la electrónica de consumo o los vehículos eléctricos. Sin embargo, esta tecnología aún necesita mejoras para satisfacer las demandas de la transición energética. La degradación relativamente rápida que sufren estas baterías es una de las principales preocupaciones y, junto con los problemas de seguridad asociados, es urgente la necesidad de una gestión optimizada y segura.
Esta tesis tiene como objetivo mejorar la gestión de baterías de litio utilizando algoritmos de control avanzados basados en el conocimiento físico para mitigar el envejecimiento de las baterías. Para ello, se emplean modelos basados en la física (PBM) simplificados y de orden reducido, concretamente los modelos P2D y SPMe, que brindan información relevante sobre los fenómenos fisicoquímicos que ocurren dentro de la batería. Se analiza el envejecimiento de las baterías de litio y se utilizan PBM para desarrollar un modelo de degradación preciso que podría usarse para desarrollar algoritmos avanzados de control. Para ello, se propone y valida experimentalmente un nuevo preoceso de parametrización, mediante el cual se podría reducir significativamente el número de experimentos y obtener un modelo de envejecimiento preciso. Además, para estimar los estados físicos de la batería a lo largo de su vida útil, se desarrollan nuevos algoritmos de estimación del estado de carga (SOC) y del estado de salud (SOH), que mejoran los algoritmos actuales de diagnóstico al proporcionar estimaciones precisas de la degradación a nivel de los electrodos y variables internas. Por último, combinando el conocimiento proporcionado por el estimador de estado y parámetros, y las predicciones del modelo de degradación, se propone una nueva estrategia de control de carga rápida basada en un algoritmo de control predictivo de modelo no lineal (NMPC), que da como resultado una carga más rápida y un menor envejecimiento.
El modelo de envejecimiento desarrollado en esta tesis, la estimación de estados y parámetros de la batería, y la estrategia de control propuesta demuestran que los PBM pueden mejorar los modelos empíricos actuales y ayudar en optimizar la gestión de las baterías; mediante la predicción del envejecimiento, diagnóstico del estado y estrategias de control optimizadas conscientes de la degradación.