Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROYECTO TÉCNICO:
AUTORES:
TUTOR:
______________________________
2100399464
______________________________
0106431307
II
CERTIFICACIÓN
______________________________
III
DECLARATORIA DE RESPONSABILIDAD
2100399464 0106431307
IV
AGRADECIMIENTO
V
DEDICATORIA
VI
AGRADECIMIENTO
VII
DEDICATORIA
VIII
RESUMEN
RESUMEN
IX
SUMMARY
SUMMARY
This research focuses on obtaining a model for the prediction of the useful life of the
high-voltage battery of the Kia Soul vehicle from deterioration parameters of the same.
The initial research considers the factors that cause the wastage and alter the normal
autonomy of EV (Electric Vehicle). Subsequently, routes were establishes to allow the
measurement of degradation factors taking into account yardstick of mobility and
geographical conditions.
Then, by means of an experimental method the degradation data are obtained, considering
the different routes and conditions proposed in the loading and unloading processes of
high voltages battery.
To continue, the data are verified and analyzed by statistics methods that can generate
errors in the estimation with the purpose to find the battery in initial life status and
generate the model to govern its behavior through mathematical software.
X
Índice general
XI
1.3. Características físicas y químicas de una batería ............................................10
XIII
3.3.2.1. Diagrama de carga ruta 2 ...................................................................... 78
3.3.2.2. Diagrama de caja ruta 3 ........................................................................ 80
3.4. Análisis de los valores atípicos en diferentes rutas .........................................81
XIV
4.1.2.2. Rendimiento MSE en el proceso de carga. ......................................... 106
4.2. Coeficiente de correlación .............................................................................108
Conclusiones................................................................................................................. 114
Recomendaciones ......................................................................................................... 117
Bibliografía ................................................................................................................... 118
ANEXOS ...................................................................................................................... 122
XV
ÍNDICE DE FIGURAS
XVI
Figura 43. Función de activación sigmoidal. .................................................................. 93
Figura 44. Función de activación tangente hiperbólica. ................................................. 94
Figura 45. Arquitectura de red neuronal empleada. ....................................................... 94
Figura 46. Interfaz de entrenamiento de Matlab. ........................................................... 95
Figura 47. Parámetros de entrenamiento de red en Matlab. ........................................... 96
Figura 48. Modelo matemático RNA ............................................................................. 96
Figura 49. Diagrama de bloques en el proceso de carga. ............................................... 99
Figura 50. Interfaz de entrenamiento en el proceso de descarga. ................................. 101
Figura 51. Gradiente de red neuronal de ruta 2. ........................................................... 102
Figura 52. Estimación del MSE en el proceso de descarga. ......................................... 103
Figura 53. Interfaz de entrenamiento en el proceso de carga. ...................................... 105
Figura 54. Gradiente de red neuronal de ruta 2 proceso de carga. ............................... 106
Figura 55. Estimación del MSE en el proceso de carga. .............................................. 107
Figura 56. Coeficiente R en el proceso de descarga. .................................................... 109
Figura 57. Coeficiente R en el proceso de carga. ......................................................... 111
Figura 58. Ciclos de vida de la batería de alto voltaje. ................................................. 113
XVII
ÍNDICE DE TABLAS
XIX
CAPÍTULO 1: Revisión de la fundamentación teórica
CAPÍTULO 1: REVISIÓN DE LA FUNDAMEN TACIÓN TEÓ RICA
Capítulo 1
1.1. DESARROLLO.
1
CAPÍTULO 1: Revisión de la fundamentación teórica
2
CAPÍTULO 1: Revisión de la fundamentación teórica
Esta tiene una característica de configuración en la cual utiliza como electrolito una
disolución de ácido sulfúrico que a su vez interviene en las reacciones electroquímicas de
carga-descarga, este tipo de batería consta de una placa positiva(ánodo) recubierta de
dióxido de plomo y la placa negativa(cátodo) que es de plomo con estructura muy porosa
actuando como material activo. (Alba & Muñoz, 2017)
3
CAPÍTULO 1: Revisión de la fundamentación teórica
Ventajas
Contiene elevado voltaje por celda (2 V), por lo tanto, se puede alcanzar elevada
tensión, aunque se tenga un mínimo de celdas conectadas en serie. (BOSCH,
2014)
El 97 por ciento del plomo de las baterías se puede reciclar manteniendo limpio
el medio ambiente. (VZH)
Genera gran capacidad para abastecer picos de corriente altos durante el desarrollo
de la descarga.(Martínez, 2017)
Desventajas
Según datos obtenidos de Renewable and Sustainable Energy Reviews la vida útil
es de baja entre 500 a 1000 ciclos. (Díaz, Sumper, Oriol, & Villafáfila, 2012)
Esta batería presenta un largo ciclo de vida (depende de los niveles de descarga de cada
ciclo), además de bajos requerimientos de mantenimiento. En condiciones normales el
voltaje medio de trabajo es de 1,2 V.
4
CAPÍTULO 1: Revisión de la fundamentación teórica
Conformada por una celda positiva mediante un electrodo de Hidróxido de níquel, cadmio
para electrodo negativo y la solución alcalina (Hidróxido de potasio) actúa como
electrolito. Dentro de la carcasa ambos electrodos se encuentran aislados por un separador
y se muestran enrollados en forma espiral.
Las cualidades de este tipo de baterías serán descritas en una serie de ventajas y
desventajas.
Ventajas
5
CAPÍTULO 1: Revisión de la fundamentación teórica
Desventajas
Estos acumuladores han remplazado el cadmio, mediante la aleación metálica para poder
almacenar como cátodo al hidrogeno siendo más amigables con el medio ambiente.
Proporcionan un voltaje de 1,2 V y capacidad entre 0,8 y 2,9 Ah.
Este tipo de batería emplea oxihidróxido de níquel (𝑁𝑖𝑂𝑂𝐻) como ánodo e Hidruro
metálico como cátodo.
Las características de este tipo de baterías serán descritas en una serie de ventajas y
desventajas.
Ventajas
6
CAPÍTULO 1: Revisión de la fundamentación teórica
Desventajas
Elevado costo.
Dificultad de fabricación.
El mayor potencial electroquímico produce una capacidad energética de 3860 Ah/Kg, que
radica en tener una cantidad menor de material para lograr el almacenaje de energía y
reducción de peso, además esta batería puede permanecer inactiva en un periodo de 10 a
20 años comparado con otras baterías, debido a la pasivación del litio que genera una
defensa a la descarga.(Betancur, 2016)
7
CAPÍTULO 1: Revisión de la fundamentación teórica
El electrodo positivo contiene litio inicialmente ionizado en los cuales puede ser oxido de
cobalto (LiCoO2) o de fosfato de hierro de litio (LiFePO4) y el electrodo negativo este
hecho de carbón(grafito).
Las primeras baterías fueron comercializadas por Sony en la cual se utilizó como
electrodo positivo al oxido de cobalto litio, para el electrodo negativo carbón-Li y como
electrolito una disolución de la sal, sin embargo, se han propuestos varios compuestos de
intercalación que permita ser estables a durante los ciclos de carga-descarga con el fin de
prolongar la vida de la batería y aumentar su capacidad energética.(Hamel, 2011)
Durante el proceso de carga se retira algunos iones del cátodo que se mueven a través del
electrolito para llegar al ánodo y permanecen ahí en este instante la batería almacena
energía, cuando se descarga ocurre lo contrario los iones vuelven atreves del electrolito
hacia el cátodo, alimentando la carga.(Gonzaléz, 2015)
8
CAPÍTULO 1: Revisión de la fundamentación teórica
Ventajas
Alta potencia especifica entre 400 a 500 W/kg.(Díaz, Sumper, Oriol, &
Villafáfila, 2012)
Poseen una alta eficiencia alrededor de 78% con más de 3500 ciclos.
Desventajas
Este tipo de batería se diferencia de las de ion litio debido a que utiliza un polímero como
electrolito consiguiendo un almacenamiento muy superior de energía, sigue el mismo
principio de funcionamiento de las baterías de ion litio. (Martínez, 2017)
9
CAPÍTULO 1: Revisión de la fundamentación teórica
Su principal problema es que sufre una baja conductividad por la resistencia que oponen,
con lo cual no hace que tenga una disminución de capacidad de descarga, además de
aumentar la temperatura este tipo de características hace que estas baterías se utilicen en
algunas aplicaciones, para este problema se añade un gel al electrolito como
refrigerante.(Padrón, 2013)
Las características se asemejan a las baterías de ion litio entre las cuales tenemos:
Ventajas
Desventajas
Precio elevado.
Celda: es el elemento que puede estar colocada en serie o paralelo con el fin de
generar valores elevados de corriente y tensión. El voltaje de cada celda para las
baterías de litio oscila entre 3,3 y los 3,7 V.
10
CAPÍTULO 1: Revisión de la fundamentación teórica
Ecuación 1
Energía especifica (Wh/kg): energía por unidad de peso que guarda la batería.
11
CAPÍTULO 1: Revisión de la fundamentación teórica
12
CAPÍTULO 1: Revisión de la fundamentación teórica
Ecuación 2
𝑡
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 − ∫0 𝑖 𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑎(𝑡)𝛿𝑡
𝑆𝑂𝐶 =
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑
Ecuación 3
13
CAPÍTULO 1: Revisión de la fundamentación teórica
𝑆𝑂𝐶 = 1 − 𝐷𝑂𝐷
𝐶 𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑎
𝑆𝑂𝐻 =
𝐶 𝑛𝑜𝑚𝑖𝑛𝑎𝑙
Ecuación 4
Las baterías de alto voltaje pueden sufrir envejecimiento o degradación debido a factores
internos como externos entre ellos tenemos la temperatura, la capacidad, la resistencia
interna, entre otros.
14
CAPÍTULO 1: Revisión de la fundamentación teórica
No existe concepto teórico el que permita determinar la resistencia interna sin embargo
esta se la puede obtener mediante los parámetros de voltaje y corriente. (Martínez, 2017)
𝑉𝑜 − 𝑉
𝑅𝐵 =
𝐼
Ecuación 5
Siendo
1.4.3. Almacenamiento.
Todas las baterías sufren una auto descarga gradual durante un período de tiempo debido
al uso o el almacenamiento.
15
CAPÍTULO 1: Revisión de la fundamentación teórica
Para almacenar una batería el SOC optimo es de alrededor el 40% de carga, pudiendo
mantenerla almacenada entre un rango del 15% al 85%. Mantener una batería almacenada
al 100% y a altas temperaturas implica mayor degradación, incluso cuando el uso de la
batería es excesivo.(Dhameja, 2002)
Dependiendo del tipo de batería, el calor excesivo generado durante el proceso de carga
y descarga tiene un efecto perjudicial sobre la batería. La distribución de temperatura
depende de la química celular, las propiedades de materia y las condiciones de operación
de la batería, produciendo la descomposición del separador y del electrolito que da como
resultado la evaporación del electrolito y que las celdas se sequen. Estos efectos se
aceleran cuando se tiene altas temperaturas de operación, por lo cual lo óptimo es evitar
altas temperaturas, y mantenerla entre una temperatura de 15 °C a 30°C. (Dhameja, 2002)
(Gandiaga, 2016)
Mientras la profundidad de descarga sea mayor la vida de la batería será más corta,
manteniendo una relación exponencial con el número de ciclos de operación. (Gandiaga,
2016)
16
CAPÍTULO 1: Revisión de la fundamentación teórica
Existen varios tipos de carga de las baterías según la velocidad, es decir cuánto tiempo
lleva para completar la carga completa de la batería, esta depende directamente de la
potencia disponible producto de la velocidad de carga, es decir qué periodo tarda la batería
para ser recargada. (Union, 2018)
Se realiza una conexión trifásica debido a que se procede a una potencia de 22 kW, los
puntos de recarga suelen situarse en vías públicas, generando una autonomía desde 150
km que tarda un periodo de una hora u hora y cuarto.(Bueno & Juan, 2017)(Union,
2018)(Iberdrola, 2018)
Se utiliza una conexión trifásica debido a la potencia alta entre 44 y 50 kW. La recarga
de 22 a 24 kWh de capacidad se realiza en media hora, sin embargo, lo frecuente es hacer
una recarga de la batería entorno al 80% o 90%. (Union, 2018)(Iberdrola, 2018)
Se realiza mediante una potencia elevadamente alta de 150 kW mediante una conexión
trifásica, la recarga de las baterías puede realizarse en un tiempo de cinco a diez minutos.
17
CAPÍTULO 1: Revisión de la fundamentación teórica
Hay que considerar que este modelo de recarga genera elevadas temperaturas y las
baterías de ion de litio no las soportan, por lo cual no es aconsejable realizar este tipo de
carga para salvaguardar la vida útil de la batería. (Bueno & Juan, 2017)(Union, 2018)
La vida útil de una batería no es medida en tiempo (Semanas, meses, años), sino por los
procesos de carga-descarga que en ella se realizan sin que sea necesario una descarga
total, es decir, si el acumulador se somete a un régimen de muchos ciclos diariamente de
trabajo durara una menor cantidad de tiempo, pero en cambio, si la batería es sometida a
un régimen de trabajo de pocos ciclos diariamente puede durar una mayor cantidad de
tiempo.
De dicha forma, hay que considerar la profundidad de descarga que está sometido este
elemento, si es moderada la descarga y solo algunas veces se alcanza una profundidad
elevada, la batería soportara un mayor número de ciclos. Caso contrario, si se realiza
mayor número de descargas profundas la vida útil y cantidad de ciclos irá disminuyendo
progresivamente. (Ortiz B. , 2018)
18
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
CAPÍTULO 2: DETE RMINACIÓN DE PARAMET RO S DE DEG RADACIÓN EN CICLO S DE DE SCARGA Y CARGA
Capítulo 2.
19
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Para el estudio se emplea los efectos que producen los ciclos de carga y descarga de la
batería de polímero de litio, lo que puede intervenir en diferentes consecuencias como
que a mayor velocidad de carga la temperatura de la batería incrementa y como resultado
la degradación de la batería aumenta.
El modelado matemático se realiza por medio de la degradación que producen los ciclos
de carga y descarga, para ello se plantea una metodología investigativa basados en
procesos a seguir para la toma de datos característicos de la batería de alto voltaje del
vehículo eléctrico Kia Soul EV.
Se efectúa los ciclos de carga y descarga siguiendo el proceso correspondiente, los cuales
indican los pasos a seguir para una correcta realización de las pruebas y posterior toma
de datos.
Se verifica que el estado de carga del vehículo eléctrico se encuentre al 100% para
cada prueba. En el caso de no encontrarse totalmente cargado se procede a realizar
el proceso de carga.
20
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
INICIO
SI
Cerrar capó
Sincronizar e iniciar
softwares
Encender vehículo
Finalizar ruta
Apagar vehículo
Desconectar instrumentos de
medición
FIN
Fuente: Autores
21
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Al finalizar cualquier prueba se verifica que los datos hayan sido tomados
correctamente sin el indicio de algún fallo o error, caso contrario la prueba se
realizara nuevamente.
22
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
INICIO
Conectar instrumentos de
medición
Encender y alistar
ambos softwares
Conectar el cargador
¿Se encuentra
totalmente cargado?
SI
Guardar
resultados del
ciclo de carga
FIN
Figura 8. Diagrama del proceso para la obtención de parámetros de carga.
Fuente: Autores
23
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
El sistema de alto voltaje del vehículo eléctrico está conformado por los siguientes
elementos los cuales se puede observar en la figura 9.
2.2.3.2. Cargador.
24
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
El cargador cuenta con las siguientes opciones en su interfaz (Refiérase a la figura 10).
La estación de carga cuenta con un conector modelo SAE J1772 el cual se conecta al
puerto de carga del vehículo eléctrico Kia Soul EV.
Fuente: Autores.
Fuente: Autores.
25
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Altitud
Operativa 0 m – 2000 m
No Operativa 0 m – 12000 m
1 A – 1000 A CC
26
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
27
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Frecuencia de Muestreo.
Resolución de tiempo 50 ns
28
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Emolab 2.0.2 software diseñado por el Ing. Paul Ortiz permite la adquisición de 69
variables características del automóvil Kia Soul Ev mediante la conexión a la
computadora del vehículo por medio de un puerto OBDLink Mx, que realiza la conexión
bluetooth, adquiriendo de esta forma los datos que representa los ciclos de carga y
descarga que está sometido durante las rutas de prueba.
29
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Fuente: Autores.
Ordenador
Tarjeta de
Vehículo Electrico Pinza (Emolab 2.0.2 y
adquisicion de
(Kia Soul EV) Amperimetrica Programa
datos.
Tiempo/Corriente)
Ordenador
Vehículo (Emolab
Tarjeta de
Electrico Pinza 2.0.2 y
Cargador. adquisicion
(Kia Soul Amperimetrica Programa
de datos.
EV) Tiempo/
Corriente)
30
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Primera: una ruta con una gran longitud que permita un ciclo de descarga en su
totalidad, pero sin contar con grandes esfuerzo o puntos de críticos como: elevadas
pendientes, permite de esta forma mantener el consumo de corriente de manera
estable.
Tercera: una ruta corta pero que presente un punto crítico en la Ciudad de
Cuenca, es decir, que cuenta con una pendiente pronunciada en su recorrido que
ofrecerá un esfuerzo y consumo mayor en la batería de alto voltaje.
31
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
La ruta mencionada presenta una carretera que permite la conducción en modo Cruise a
una velocidad de 80 Km/h lo que permite mantener al vehículo de pruebas en un rango
de consumo aproximado.
Este recorrido tiene su inicio en el redondel de Monay sector Hospital José Carrasco
Artiaga y finaliza en el Cantón Azogues. La carretera panamericana cuenta casi en su
totalidad con 4 carriles en cada dirección de conducción, debido a la amplitud y números
de carriles presentes en esa vía se puede realizar la prueba de consumo en su totalidad sin
la variación de velocidad, esta ruta tiene una velocidad límite de 90 Km/h por lo que no
habría ningún impedimento de aplicar la velocidad Cruise seleccionada. Cuenta con 4
redondeles en su recorrido lo que se toma en cuenta para el estudio, ya que como
consecuencia presenta un error de consumo el cual no interviene en el estudio de la salud
inicial de la batería de alto voltaje.
Fuente: Autores
32
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Fuente: Autores
33
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 5. Especificaciones técnicas Corredor E35.
Sentido Sureste-Suroeste
Cualidades Geométricas.
N de carriles 6 No semaforizada 38
promedio
N de 40 T 33
intersecciones
Tramos Si Distribuidor 2
homogéneos
Otros Ninguno
34
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Para la selección de las rutas se busca someter al vehículo eléctrico al mayor esfuerzo y
consumo, por lo que se toma en cuenta las variables como la altitud, pendientes
pronunciadas, para ello selecciona 2 rutas las cuales se describen a continuación. Una ruta
con mayor recorrido que nos permite la descarga de la batería casi en su totalidad, y una
ruta corta que presenta una pendiente pronunciada para someter al motor a un mayor
esfuerzo y consumo; además, en cada ruta se realiza un total de 12 ciclo de carga-descarga
dividido en 4 grupos de condiciones.
Esta ruta comienza en la Calle Vieja Sector Universidad Politécnica Salesiana y finaliza
en el mirador Tres Cruces sector Parque Nacional Cajas con un recorrido total de 160 Km
y una duración de 45 min, presenta un cambio de actitud considerable, debido a ello el
automóvil es sometido a mayor esfuerzo y consumo. La ciudad de cuenca se encuentra a
una altitud de 2569 msnm, en cambio el mirador Tres Cruces (Parque Nacional Cajas) se
encuentra a una altura de 4161 msnm, presentando una variación de altitud entre el inicio
y final de la ruta de 1693 metros lo que favorece a la realización del ciclo de descarga. Se
presenta a continuación las condiciones de medición:
Primeras condiciones.
Segundas condiciones.
35
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Terceras Condiciones.
Cuartas Condiciones.
Por el motivo de obtener un ciclo de descarga completo se realiza una prueba adicional,
generando una descarga profunda y aumentando el esfuerzo de vehículo mediante las
siguientes condiciones:
Sistemas encendidos:
o Radio.
o Luces altas.
36
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 6. Descripción de ruta 2.
Fuente: Autores
Fuente: Autores
La especificación la ruta para el procesó de descarga y carga puede ser observada en las
siguientes tablas:
37
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 7. Especificaciones técnicas Av. De las Américas.
Sentido Noroeste-Suroeste
Cualidades Geométricas
No de intersecciones 94 Cruz 30
38
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 8. Especificaciones técnicas Av. Ordoñez Lasso
Sentido Este-Oeste
Cualidades Geométricas
No de intersecciones 94
39
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 9. Especificaciones técnicas Calle Vieja.
Sentido Este-Oeste
Cualidades Geométricas
No de carriles promedio 2
No de intersecciones 14
40
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 10. Especificaciones técnicas Héroes de Verdeloma.
Sentido Este-Oeste
Cualidades Geométricas.
No de carriles 4 No semaforizada 18
promedio
No de intersecciones 24 Cruz 13
41
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
2.4.2. Ruta 3 Av. Ordoñez Lasso – Camino a San Pedro del Cebollar.
La ruta tiene su inicio en la Av. Ordoñez Lasso y continua por la Calle de Sarar la cual
cuenta con 2 carriles uno para cada dirección, cuenta con un tráfico moderado debido a
que en el sector se encuentra ubicado la Agencia Nacional de Tránsito, por ello se dificulta
la prueba hasta llegar a la intersección semaforizada. Existe de igual forma dos
instituciones educativas en las cuales se debe tomar precauciones para evitar cualquier
tipo de inconvenientes.
Primeras condiciones.
Segundas condiciones.
42
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Terceras Condiciones.
Sistemas encendidos:
o Radio.
o Luces altas.
Cuartas Condiciones.
Sistemas encendidos:
o Radio.
o Luces altas.
Fuente: Autores
43
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Figura 17. Ruta Av. Ordoñez Lasso – Camino a San Pedro del Cebollar.
Fuente: Autores
44
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Tabla 12. Especificaciones técnicas Av. De los Cerezos.
Características Geométricas
No de carriles promedio 4
Tramos homogéneos Si
45
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
Teniendo presente los procesos para cada prueba que representa el ciclo de carga y
descarga en la tabla 13 representa los datos obtenidos en una ruta Av. Ordoñez Lasso –
Camino a San Pedro del Cebollar mediante le software corriente/tiempo, este proceso se
realizó en cada condición de las pruebas experimentales.
Fuente: Autores
0 0 116 86,388
1 56,557 117 16,794
2 54,979 118 0,843
3 83,757 119 87,276
4 79,251 120 86,223
5 15,479 121 74,252
6 11,959 122 108,193
7 5,743 123 102,931
8 40,178 124 91,321
9 46,592 125 26,825
10 22,681 126 51,328
11 -4,452 127 41,889
12 -4,255 128 13,571
13 -15,569 129 66,753
14 -6,985 130 24,161
15 0,415 131 28,667
16 0,317 132 43,994
17 0,251 133 12,551
18 0,054 134 10,447
19 0,021 135 22,155
20 0,415 136 28,305
21 0,481 137 0,448
22 0,054 138 0,613
46
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
47
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
48
CAPÍTULO 2: Determinación de parámetros de degradación en ciclos de
descarga y carga
49
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
CAPÍTULO 3: DETE RMINACIÓN DE L MODELO MATEMÁ TICO DE PREDI CCIÓN DE LA VIDA ÚTIL DE LA BATERÍA
Capítulo 3
El presente capítulo muestra y analiza los datos adquiridos durante los ensayos
experimentales de carga (17 experimentos) y descarga (28 pruebas), realizados en las
rutas descritas en capítulos anteriores. A continuación, se obtiene el estado de salud para
la determinación de la condición presente de la batería de alto voltaje.
Mediante el proceso que se observa en el capítulo anterior se realiza las pruebas para la
toma de datos característicos en ciclo de descarga de la batería de alto voltaje, los cuales
se observa en la figura 18.
Fuente: Autores
50
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Para dicho recorrido se realiza una cantidad de tres ensayos obteniendo los siguientes
parámetros:
Fuente: Autores
Denominación Valor
Velocidad Promedio 80 km/h
Recorrido 160,6 Km.
Tiempo de recorrido 2,099 h.
Parámetros de corriente
Primera Prueba
Corriente Promedio 38,66 A.
Valores Máximo de corriente 262,083 A.
238,731 A.
232,548 A.
228,503 A.
227,121 A.
Segunda Prueba
Corriente Promedio 39,91 A.
Valores Máximo de corriente 243,697 A.
247,513 A.
259,123 A.
248,466 A.
249,716 A.
Tercera Prueba
Corriente Promedio 38,398 A.
Valores Máximo de corriente 204,46 A.
193,574 A.
210,775 A.
187,983 A.
182,425 a.
51
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Como se observa en la figura y la tabla anterior existe valores picos con respecto al valor
promedio de corriente. Dichos datos elevados se originan debido a los cambios de
velocidad; producto de aceleraciones y desaceleraciones, que ciertos momentos lo
amerita, a causa de un elevado tráfico o por la presencia de redondeles.
En la presente ruta se realiza un total de 12 recorridos cada uno con su respectivo grupo
de condiciones, que permite la observación del comportamiento del vehículo eléctrico,
presentado un punto crítico geográfico en la provincia del Azuay.
Adicional se realiza una prueba con diferentes condiciones con el fin de conseguir un
mayor esfuerzo y descarga de la batería de alto voltaje.
Fuente: Autores
Fuente: Autores
La grafica 19 muestra los datos obtenidos en las pruebas realizadas con el primer grupo
de condiciones, se observa que el comportamiento es similar entre sí, pero con una
diferencia notable en el tiempo que lleva a cabo cada una de ellas, esto es debido a la
forma de conducción y a las condiciones que se presentan. Mientras se permanece dentro
de la ciudad presenta un consumo inferior esto debido a la congestión vehicular existente,
a las intersecciones semaforizadas presentes, además no se puede circular a velocidades
superiores de 50 km/h. Posterior a los 25 minutos de transcurso aproximadamente se
puede ver que el consumo de corriente incrementa, como consecuencia de que el vehículo
es sometido a un mayor esfuerzo ya sea por aceleración o por situaciones geográficas.
53
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 16. Parámetros de ensayos segundas condiciones.
Fuente: Autores
Fuente: Autores
54
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
55
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
56
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Fuente: Autores
57
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Los ensayos se hacen con un tiempo de duración similar, solo existe una diferencia de 2
minutos entre la prueba de mayor y menor duración. Esta diferencia es resultado de las
condiciones que presenta la ciudad de Cuenca como mayor congestión vehicular,
intersecciones semaforizadas o alguna situación adversa, lo cual interfiere en su
realización.
Fuente: Autores
Como se puede observar los valores de corriente difieren de cada grupo de experimentos
esto como consecuencia de las condiciones impuestas, teniendo un mayor consumo
promedio en el segundo conjunto de ensayos realizados con un valor de 78,97 A. y la
tercera agrupación de experimentos presenta el menor valor de corriente con un valor de
59,63 A.
Por tal motivo se plantea una prueba adicional con un mayor nivel de calefacción para
observar su comportamiento:
58
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 20. Parámetros de pruebas adicional ruta 1.
Fuente: Autores
Fuente: Autores
59
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
3.1.3. Análisis de ensayos ruta Av. Ordoñez Lasso – Camino a San Pedro del
Cebollar.
Fuente: Autores
60
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
El trayecto realizado es corto con una duración máxima de 4,23 minutos, se obtiene que
en la mayor parte del trayecto existe un consumo alto de corriente esto a razón de la
existencia de puntos críticos (pendientes) durante la mayor parte del recorrido.
Como los datos de la tabla lo indica el consumo del ensayo 3 es mayor con un valor de
105,82 A, en comparación con el otro par de pruebas realizados, dicha circunstancia se
da a cabo por la forma de conducción, es decir, que el ensayo no presento ningún tipo de
interferencia que detuviera la prueba, además, de que las velocidades y aceleraciones
fueron superiores, logrando de dicha forma un mayor consumo de corriente. Dicho
fenómeno también se puede ver presente en las pruebas que se muestra a continuación
que existe una discrepancia entre valores de corriente de cada experimentación.
Los ensayos se realizan con las condiciones mencionadas en el inciso 2.4.2 en el cual se
encuentran descritas en su totalidad.
61
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 22. Parámetros de ensayos ruta 2 (Segunda condición).
Fuente: Autores
Fuente: Autores
La figura 25, presenta los datos obtenidos de cada prueba, el trayecto realizado es corto
en comparación con la ruta universidad Politécnica Salesiana-Mirador tres cruces con un
tiempo promedio de 3,4 minutos.
62
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Se observa que existe un consumo elevado en gran parte del recorrido debido a la
existencia de pendientes que somete al vehículo eléctrico a mayores esfuerzos.
Fuente: Autores
63
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
64
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 24. Parámetros de ensayos ruta 2 (Cuarta condición).
Fuente: Autores
Fuente: Autores
65
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
ruta establecida. Además, muestra una diferencia de duración entre los ensayos 2 y 3 con
el ensayo 1, esto es resultado de la existencia de una intersección semaforizada que
interfiere en la realización.
La ruta realizada tiene una duración corta con un tiempo promedio 3,65 minutos. La
siguiente tabla muestra los valores de corriente promedio obtenidos:
Tabla 25. Consumos promedios de corriente de cada grupo de pruebas (Ruta 2).
Fuente: Autores
Como se puede observar en los datos el consumo de corriente entre cada grupo de pruebas
es similar con el mayor valor de 90,53 A, y el menor de 74,79 A.
Por lo que se puede deducir que la interferencia de elementos auxiliares del automóvil no
produce un gran consumo de corriente de la batería de alto voltaje, sino que los mayores
esfuerzos se logran circulando por puntos críticos de la ciudad o por la forma de
conducción (mayores velocidades y aceleraciones).
66
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
El proceso de carga de la batería de alto voltaje se realiza por medio del proceso descrito
en el capítulo anterior. Dicha actividad se hace dentro de las instalaciones de la
institución, por medio del cargador de modelo EVSA-RS AeroVironment el cual
suministra la energía a la batería de alto voltaje.
Los ciclos carga están íntimamente ligados a los procesos de descarga ya que mediante
ellos se obtiene el porcentaje de SOC que se necesita cargar, y cuyo valor difiere de una
prueba con la otra debido a condiciones anteriormente mencionadas.
Fuente: Autores
67
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Fuente: Autores
68
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
En la gráfica se analiza los datos obtenidos por ciclos de carga, posterior a las pruebas en
la ruta Universidad Politécnica Salesiana (Cuenca) – Mirador Tres Cruces (Cajas). En los
que se adquiere un valor promedio de corriente de 14,73 A. y una duración aproximada
de 3 horas. El lapso de las pruebas depende del nivel de SOC, es decir están ligadas
íntimamente a las circunstancias presentes en los ensayos de descarga, por dicho motivo
se observa una diferencia.
Fuente: Autores
69
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
En los datos se observa una corriente promedio de 14,18 A. y una duración aproximada
de 2,8 horas. Los ciclos de carga dependen de la cantidad de recorrido y consumo al que
ha sido sometido la batería de alto voltaje.
Fuente: Autores
70
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Por el motivo de que se busca una descarga completa del vehículo eléctrico estudiado, se
plantea una prueba adicional, sometiéndolo a mayores esfuerzos y consumos obteniendo
en el ciclo de carga los siguientes parámetros característicos.
Fuente: Autores
71
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Como se aprecia en la figura la carga se realiza con una corriente que se mantiene dentro
del rango de 0 A a 30 A. y con una duración de aproximadamente 3 h, mediante una
corriente promedio suministrada es de 14,36 A.
3.2.2. Análisis de ensayos ciclo carga Ruta Av. Ordoñez Lasso – Camino a
San Pedro del Cebollar.
Fuente: Autores
72
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
La figura 33 se muestra los datos obtenidos por el conjunto de pruebas de la ruta Av.
Ordoñez Lasso – Camino a San Pedro del Cebollar. En el que fue solamente necesario un
proceso de carga debido a la longitud del recorrido. Se consigue una corriente promedio
de 14,88 A. con una duración aproximada de 3,57 h.
Esta grafica consiste en una caja rectangular la cual consiste en un cuartil(Q1), que
representa el 25% de las muestras, el segundo cuartil(Q2) es el 50% además en este se
sitúa la mediana de las muestras, el tercer cuartil(Q3) es el 75%.
73
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Está conformada además por bigotes que son las líneas que salen de la caja hasta que
alcancen valores máximos y mínimos, estas consideraciones se toman para la evaluación
de las muestras.
La utilización del software Minitab genera la gráfica en las cual se considera la corriente
de descarga para las diferentes rutas, que permitan la visualización de los valores atípicos
que afectan la determinación de la ecuación de comportamiento de la batería de alto
voltaje.
Se procede a la realización del diagrama de caja para la ruta Cuenca-Azogues, las cuales
comprenden tres pruebas de descarga.
74
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
250
200
Corriente(A)
150
100
50
Ensayos
Fuente: Autores
En los datos de dispersión de los tres ensayos se observan que existen valores atípicos
distantes del resto de las muestras, las cuales están representado mediante un signo
tipográfico (*) como se ilustra en la figura 35.
Fuente: Autores
Denominación Valor
75
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
250
200
Corriente(A)
150
100
50
Ensayos
Figura 36. Diagrama de caja ruta Cajas.
Fuente: Autores
76
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 33. Parámetros característicos del diagrama de caja ruta 2.
Fuente: Autores
Denominación Valor
250
200
Corriente(A)
150
100
50
Ensayos
Figura 37. Diagrama de caja ruta Cuenca.
Fuente: Autores
77
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
En la gráfica 37 se observa que la caja tiene un rango muy amplio comparado con los
valores atípicos presentes en el ensayo de descarga para la primera condición de esta ruta.
Fuente: Autores
Denominación Valor
Debido a que el ensayo de descarga se realiza en una ruta corta, existe una muestra
pequeña de corriente como se observa en la tabla 21. Los valores de corriente se
encuentran en un intervalo de 0,02 A hasta 270,67 A. La concentración mayor de datos
se encuentra en la caja debido a que el valor de rango intercuartil es elevado, sin embargo,
esto representa que la muestra tiene mayor variabilidad. El porcentaje más elevado de
muestras se encuentra por encima de 42,61 A(mediana).
Se toma los datos que proporcionan una gráfica de corriente, en la cual se observa que
valores influyen en la determinación de la capacidad de carga de la batería.
78
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
30
Corriente
20
10
Ensayos Carga
Figura 38. Diagrama de caja de proceso de carga ruta 2.
Fuente: Autores
Tabla 35. Parámetros característicos del diagrama de caja ruta 2 en el proceso de carga.
Fuente: Autores
Denominación Valor
79
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
El número de muestras es de 29864 debido a que el tiempo de carga es elevado, los valores
se encuentran en un rango de 11,918 A y 16,457 A que representaría los intercuartiles,
los cuales se evalúan para la determinación del porcentaje de muestras que se encuentran
en la caja y bigotes.
Los valores máximos y mínimos se analizan debido a que estos representan muestras
atípicas.
Hay que tener en cuenta que el valor promedio de la muestra se encuentra en un valor de
14 A, por lo tanto, se determina que la cantidad de valores inferiores y superiores deben
estar en un rango alrededor de la media.
40
30
Corriente(A)
20
10
Ensayos
Figura 39. Diagrama de caja de proceso de carga ruta 3.
Fuente: Autores
80
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 36. Parámetros característicos del diagrama de caja ruta 3 en el proceso de carga.
Fuente: Autores
Denominación Valor
Existe una dispersión pequeña con respecto a los datos que se encuentran en la caja esto
se verifica mediante el rango intercuartil el cual es de 7,729, se logra una descarga
profunda debido al número de datos que presenta en el proceso de carga.
Durante cada prueba se realiza un diagrama de caja para la estimación del porcentaje de
valores atípicos, que ocasiona la inadecuada ecuación de degradación de la batería de alto
voltaje.
81
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 37. Representación de valor atípico referente al número de muestras de descarga.
Fuente: Autores
82
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Estos valores son debido a las condiciones de manejo del conductor teniendo valores
picos debido a las aceleraciones bruscas, conocimiento de carretera del conductor,
variación de límite de velocidad de carretera, etc.
Se analiza los datos de valores atípicos para las mismas condiciones que el proceso de
descarga.
Fuente: Autores
Ruta 3
Av. Ordoñez Todas 12672 267 2,11%
Lasso – Camino
a San Pedro del
Cebollar
83
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
En la tabla 38 se observa que el porcentaje de valor atípico se encuentra por debajo del 5
%, lo cual indica que los valores atípicos no se consideran variaciones significativas
comparado con el número elevado de muestras del ensayo que afectan en la determinación
del modelo matemático del proceso carga.
La batería de alto voltaje del vehículo eléctrico estudiado, inicialmente cuenta con cierto
uso por lo que se ve la necesidad de la obtención del estado de salud inicial como punto
de partida para el posterior modelado matemático de vida útil del elemento.
Fuente: Autores
Mediante los ensayos se obtiene los valores de estado de salud inicial de la batería
presentando un promedio de 98,58%, lo que indica que este elemento se encuentra en
correcto funcionamiento, ya que una batería se considera obsoleta en un valor de SOH
del 80%, además indica que no existe un desgaste considerable de esta pieza al ser
sometido a ciclos de carga y descarga pudiendo ser completos e incompletos. Por lo que
se parte de este valor para la realización del modelado matemático. Cabe recalcar que el
vehículo ha tenido un uso de aproximadamente dos años y es sometido a diferentes tipos
de experimentación.
84
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
85
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Tiene una entrada (x1, x2…xn) a través de una fuente externa de datos, cada entrada tiene
un peso asociado(W) que se conecta con la neurona los cuales se modifica mediante el
proceso de aprendizaje y un bias (b) un parámetro que proporciona un grado de libertad
al modelo para el mejorar el entrenamiento.
Cada una las neuronas reciben entonces la suma ponderada o estado de activación (𝑎) de
todas las entradas del sistema obteniendo:
𝑎 = ∑ 𝑊𝑖𝑗 𝑥𝑖 + 𝑏𝑚+1,𝑗
𝑖=1
Estas se encuentran conectadas mediante una función de trasferencia (𝑓) que transforma
el estado actual de activación en una señal de salida ( 𝑦) .
86
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Tiempo
Entrada
Corriente
SOC
SOH
Para el correcto entrenamiento de la red se utiliza los tres ensayos generado con las
mismas condiciones durante la descarga de la batería de alto voltaje.
Fuente: Autores
87
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Los patrones de la red tanto entrada y salida dependen de las condiciones diferentes de
ensayo que se produjo durante el proceso experimental.
Fuente: Autores
Las variables de entrada y salida que se presenta en la tabla, son generadas para cada
condición de descarga para el correcto entrenamiento de la red.
88
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Fuente: Autores
Tiempo
Entrada
Corriente
Fuente: Autores
Se observa en la tabla 44 una sección para generación de la red neuronal que se ajuste al
proceso de carga.
89
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Tabla 45. Datos de salida de red neuronal en el proceso de carga.
Fuente: Autores
El parámetro de salida deseada es la capacidad de carga que sirve para el diagnóstico del
comportamiento de renovación de la energía completa del vehículo.
Para la generación de la red se utiliza la interfaz gráfica de usuario (GUI) que proporciona
Matlab en las cuales se consideraron dos tipos de redes teniendo en cuentas las variables
de entrenamiento.
90
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
3.6.4.1.2. Algoritmo
Este algoritmo de descenso por gradiente permite la modificación de los pesos y bias para
que la salida de la red se acerque lo más próximo a la salida deseada por el usuario,
mientras menor sea el gradiente mayor será la rapidez de actualización. (Burgos &
Escalona, 2015)
La retro propagación se realiza desde la capa de salida hacia la capa de entrada generando
un lazo cerrado para la optimización de la red. (Lasarte, 2017)
Después del proceso de entrada de las variables a la red y el tipo de red que se utiliza se
genera la función de entrenamiento que mejor se adapte, por ello se emplea el algoritmo
Levenberg-Marquardt (trainlm).
91
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
𝐻 = 𝐽𝑇 𝐽
𝑔 = 𝐽𝑇 𝑒
Donde la J se considera la matriz Jacobina la cual contiene las primeras derivadas de los
errores de la red con respecto a sus pesos y el umbral, igualmente e es un vector de error
de la red.
−1
𝑥𝑘+1 = 𝑥𝑘 − [𝐽𝑇 𝐽 + 𝜇𝐼] 𝐽𝑇 𝑒
En este caso el método de Newton es más exacto para lo cual el objetivo es cambiar lo
más rápido posible el valor de μ. De esta manera μ disminuirá durante cada iteración (hay
reducción de la función de activación) del algoritmo y aumentara en los pasos
provisionales.(Ibisate, 2015)(Echeverría, 2017)
92
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Existe diferentes funciones de trasferencia que reconoce Matlab para este tipo de red las
cuales son: purelin, logsig y tansig
93
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
𝑒 𝑛 − 𝑒 −𝑛
𝑎= 𝑛
𝑒 + 𝑒 −𝑛
Las funciones de activación lineales presentan problemas debido a que cambios pequeños
o grandes en las entradas producen fluctuaciones en las respuesta, debido a que el
experimento presenta diferentes variantes de entrada se opta por la utilización de
funciones no lineales, en este caso la función referente es la tangente hiperbólica ya que
permite la eliminación de los problemas de fluctuación y presenta una ventaja en
comparación con la logarítmica permitiendo la obtención de los resultados en un rango
más amplio entre 1 y -1 cuando se tiene un número elevado de muestras. (Quintana,
2015) (Ordóñez, 2017)
Fuente: Autores
94
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Una sola capa genera relaciones lineales entre la entrada y salida, lo cual no aplica en este
estudio, además un aumento del número de capas permite un mejoramiento de los
resultados, por lo tanto, se utiliza dos capas para la red neuronal.
Fuente: Autores
Son los ciclos en los que se modifican los pesos y bias, un número elevado implica
un entrenamiento lento, sin embargo, se elige 1000 iteraciones que permiten adaptar
mejor los valores de salida de la red comparados con las salidas deseadas.
95
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
3.6.4.1.8. Aprendizaje(Show)
Este valor será tan pequeño 0,001 con el fin de que se acerque al algoritmo de Newton
para la reducción de la función de activación y la obtención del mejor ajuste en la salida
de la red.
Fuente: Autores
Fuente: Autores
96
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
Donde R son las entradas del modelo con el cual se produce el entrenamiento es decir
cada entrada x, S1 representa las 10 neuronas con la que consta la primera capa, en este
caso a1 es la salida de la primera capa la cual está conformada por la función de
trasferencia f1, los pesos sinápticos W1 y un bias(b1)
𝑎1 = 𝑓 1 (𝑊 1 𝑥 + 𝑏1 )
Obteniendo para la primera capa la suma ponderada de los pesos y bias en este caso para
10 neuronas.
𝑎11 = (𝑥1 ∗ 𝑊11,1 ) + (𝑥2 ∗ 𝑊12,2 )+(𝑥3 ∗ 𝑊13,3 ) + (𝑥4 ∗ 𝑊14,4 ) + (𝑥5 ∗ 𝑊15,5 ) +
(𝑥6 ∗ 𝑊16,6 ) + (𝑥7 ∗ 𝑊17,7 ) + (𝑥8 ∗ 𝑊18,8 ) + (𝑥9 ∗ 𝑊19,9 ) + 𝑏11
𝑎110 = (𝑥1 ∗ 𝑊11,1 ) + (𝑥2 ∗ 𝑊12,2 )+(𝑥3 ∗ 𝑊13,3 ) + (𝑥4 ∗ 𝑊14,4 ) + (𝑥5 ∗ 𝑊15,5 ) +
(𝑥6 ∗ 𝑊16,6 ) + (𝑥7 ∗ 𝑊17,7 ) + (𝑥8 ∗ 𝑊18,8 ) + (𝑥9 ∗ 𝑊19,9 ) + 𝑏110
Cada neurona está vinculada a una función de trasferencia tansig para la primera capa:
𝑒𝑛 − 𝑒−𝑛
𝑆11 = 𝑛 (𝑎11 )
𝑒 + 𝑒−𝑛
𝑒𝑛 − 𝑒−𝑛
𝑆101 = (𝑎110 )
𝑒𝑛 + 𝑒−𝑛
97
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
𝑒𝑛 − 𝑒−𝑛
𝑆12 = (𝑎21 )
𝑒𝑛 + 𝑒−𝑛
𝑒𝑛 − 𝑒−𝑛
𝑆32 = (𝑎23 )
𝑒𝑛 + 𝑒−𝑛
𝑎2 = 𝑓2 (𝑊2 𝑎1 + 𝑏2 )
𝛾 𝑚
2 [2] 1 [1]
𝑎2 = 𝑓 (∑ 𝑊𝑗 𝑓 (∑ 𝑊𝑖𝑗 [1] 𝑥𝑖 + 𝑏𝑚+1 ) + 𝑏𝛾+1 )
𝑗=1 𝑖=1
𝛾 𝑚
𝑒𝑛 −[2] 𝑒−𝑛 𝑛 [1] −𝑛
[2] 𝑒 − 𝑒 [1]
(∑ 𝑊𝑖𝑗 1 𝑥𝑖 + 𝑏𝑚+1 ) + 𝑏𝛾+1 )
[ ]
𝑎2 = 𝑛 (∑ 𝑊 𝑗 ∗
𝑒 + 𝑒−𝑛 𝑒𝑛 + 𝑒−𝑛
𝑗=1 𝑖=1
Esta salida de la red a2 define una función y(t) del comportamiento de degradación de la
batería mediante su capacidad de descarga en un numero finito de ciclos.
98
CAPÍTULO 3: Determinación del modelo matemático de predicción de la vida
útil de la batería
[2] 𝛾 [1] 𝑚
𝑒 𝑛 − 𝑒 −𝑛 𝑛
[2] 𝑒 − 𝑒
−𝑛
[1]
𝑦(𝑡) = 𝑛 (∑ 𝑊𝑗 ∗ (∑ 𝑊𝑖𝑗 [1] 𝑥𝑖 + 𝑏𝑚+1 ) + 𝑏𝛾+1 )
𝑒 + 𝑒 −𝑛 𝑒 𝑛 + 𝑒 −𝑛
𝑗=1 𝑖=1
Ecuación 6
Donde los parámetros 𝑚 y 𝛾 representan las variaciones de las neuronas en cada capa de
la red. Donde n es son los valores de activación de cada neurona lo cuales se encuentran
entre (-1 y 1) debido a que se utiliza una función de trasferencia tangencial.
Fuente: Autores
El número de neuronas de la capa oculta se modifica en este caso se tendrá 6 y las salidas
correspondientes es la capacidad de carga de la batería de polímero de litio. En la figura
se observa que la capa oculta se utiliza una función sigmoidal tangente hiperbólica
mientras que en la capa de salida se usa una función lineal(purelin).
[2] 𝛾 𝑚
𝑒 𝑛 − 𝑒 −𝑛 [1]
𝑦(𝑡) = 𝑛 −𝑛
(∑ 𝑊𝑗 [2] ∗ 𝑛[1] (∑ 𝑊𝑖𝑗 [1] 𝑥𝑖 + 𝑏𝑚+1 ) + 𝑏𝛾+1 )
𝑒 +𝑒
𝑗=1 𝑖=1
Ecuación 7
99
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
CAPÍTULO 4: CO MPRO BACIÓN DEL MODELO MATEMÁTI CO MEDIANTE ALGO RITOMO E STADÍ STICO
Capítulo 4
El error cuadrático medio (MSE, por sus siglas en inglés) es un estimador que mide el
promedio de los errores al cuadrado que existe entre dos conjuntos de datos, es decir
compara la diferencia entre el valor estimado y conocido. (Negrón, 2014)
𝑁
1
𝑀𝑆𝐸 = ∑( 𝑦𝑒 − 𝑦𝑐 )2
𝑁
𝑖=1
Ecuación 8
100
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
Mientras menor sea el gradiente el aprendizaje de la red es más rápido, esto se produce
médiate el algoritmo de retropopagación. Es decir, se encarga de minimizar el error en
cada instante de tiempo realizando variaciones y proporcionalidades en el gradiente.
101
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
Además, se obtiene un valor Mu de 0.0001 el cual al ser pequeño tiene un mejor control
del avance del descenso del gradiente para encontrar el error mínimo y permite que este
no se quede en mínimos locales.
Mientras menor sea el error cuadrático medio mejor será el ajuste de las configuraciones
de entrenamiento. En este caso el 60% se utiliza para el entrenamiento, es decir para la
adaptación de los pesos, el 20 % representa la validación de otros parámetros como la
tasa de aprendizaje, etc. Finalmente, el otro 20% de los datos se utiliza para la valoración
del modelo obtenido (test).
102
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
Fuente: Autores
103
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
En la ruta 3 debido a las disminuciones muestras tomadas por las condiciones de la prueba
no existe un buen rendimiento en la salida de la red, esto es debido al aprendizaje
rápido(mu) y disminución del gradiente, lo cual causa que los valores de entrenamiento,
validación y testeo no se enlacen correctamente y que la salida del valor MSE se produzca
en épocas inferiores a las configuradas en la red. Es decir, el rango de validación se
encuentra entre 17 y 111 épocas.
104
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
105
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
Se observa que los datos de testeo y validación se ajustan a los de entrenamiento desde la
primera época en las cuales el error disminuye hasta que se consigue la mejor validación
de 3% en el ciclo 996 de aprendizaje, es decir las tres curvas se comportan de forma
asintótica.
106
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
Fuente: Autores
107
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Ruta 3
0.00009978%
Av. Ordoñez Todas 0.01272 0.001
Lasso –
Camino a San
Pedro del
Cebollar
Esto permite la validación de este tipo de red en los cuales la salida de la red se aproxima
significativamente a la salida deseada.
Es decir, este coeficiente mide la fuerza y el sentido de relación entre las dos variables,
en donde el grado de unión es pequeño cuando los valores experimentales y pronosticados
por la red se aproximan a cero, caso contrario si el valor es uno la unión de esto es
perfecta, existiendo valores intermedios que pueden generar diferentes análisis.(Kan,
Anauma, & Diomande, 2015)
∑𝑁
𝑖=1(𝑦𝑒 − 𝑦
̅𝑒 )(𝑦𝑐 − 𝑦̅𝑐 )
𝑅=
√∑𝑁 ̅𝑒 )2 √∑𝑁
𝑖=1(𝑦𝑒 − 𝑦 ̅𝑐 )2
𝑖=1(𝑦𝑐 − 𝑦
Ecuación 9
108
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Donde y̅e y y̅c son las medias de los valores experimentales y calculados respectivamente.
Fuente: Autores
Se consigue el mejor ajuste de las estimaciones de la red neuronal debido a que para los
valores de entrenamiento, validación y testeo se encuentra con un R=0,99.
Es decir, los valores deseados(target) para nuestro estudio se asemejan a las salidas
creadas por la red neuronal(output), obteniendo un fuerte vínculo entre las dos variables.
El resultado es muy alentador debido a que la correlación se acerca al deseable valor el
cual es R=1, por lo cual los errores de estimación resultan pequeños.
109
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Tabla 48. Coeficientes de correlación de ensayos de descarga.
Fuente: Autores
Recorrido Condiciones R
Ruta 2
Mirador Tres
Cruces(Cajas) Tercera condición 0,99
Quinta condición 1
Cebollar
El rendimiento de la red es eminente por los valores de correlación obtenido en todas las
pruebas, generalmente la condición 5 el ajuste de los datos experiméntale y pronosticados
son ideales con un R=1.
110
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Fuente: Autores
111
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Tabla 49. Coeficientes de correlación de ensayos de carga.
Fuente: Autores
Recorrido Condiciones R
Quinta condición 1
Ruta 3
112
CAPÍTULO 4: Comprobación del modelo matemático mediante algoritmo
estadístico.
Debido a los procesos de descarga y carga producto de la utilización del vehículo la salud
inicial de la batería es de 98,58% con lo cual en el entrenamiento de la red se produce a
la predicción del final de la vida como se observa en la figura 58.
Fuente: Autores
En la ficha técnica del fabricante de este tipo de vehículo el número de ciclos de vida es
de 3500 o 10 años sin embargo esto se realiza mediante ciclos de conducción, en los
cuales no se presenta variaciones de altimetría, aceleraciones bruscas, etc.,
113
CONCLUSIONES Y RECOMENDACIONES
CONCLU SIONES
Conclusiones
114
CONCLUSIONES Y RECOMENDACIONES
115
CONCLUSIONES Y RECOMENDACIONES
116
CONCLUSIONES Y RECOMENDACIONES
RECO MENDACIONE S
Recomendaciones
117
BIBLIOGRAFÍA
BIBLIOGRA FÍA
Bibliografía
Alba, C., & Muñoz, M. (2017). Estudio y fabricación de una batería ácido plomo. Temas
de Ciencia y Tecnología, 21(61), 23-24.
Betancur, J. (2016). Recuperación de cobalto y litio de baterías ion-litio por métodos no
convencionales(tesis de pregrado). Universidad Nacional de Colombia,Medellín,
Colombia.
BOSCH. (2014). Manual de Baterías Bosch.
Bueno, C., & Juan, Q. (08 de 2017). Determinación de la autonomía real del vehículo
eléctrico en la ciudad de Cuenca mediante análisis experimental,(tesis de
pregrado). Universidad Pólitecnica Salesiana, Cuenca, Azuay, Ecuador.
Burgos, C. (2013). Estimación del estado de carga para un banco de baterías basada en la
modelación difusa y filtro extendido de Kalman(tesis de maestría). Universidad
de Chile,Santiago.
Burgos, F., & Escalona, E. (12 de 06 de 2015). Redes neuronales artificiales para predecir
variables antropométricas de trabajadores que laboran en postura sedente. (U. d.
Carabobo, Ed.) Ingenieria y Sociedad UC, 10(2), 108-123.
Corporation, F. (2018). i410/i1010 Pinza de corriente para CA/CC. Fluke, 7.
Cuenca, M. (2016). Plan de Movilidad y Espacios Públicos. Cuenca: Emov.
Dhameja, S. (2002). Electric Vehicle Battery Systems. Boston: Newnes.
Díaz, F., Sumper, A., Oriol, G., & Villafáfila, R. (2012). A review of energy storage
technologies for wind power applications. Elsevier, 2155-2156.
Distrelec. (03 de 12 de 2018). I1010 - Sonda di corrente - Fluke. Obtenido de
https://www.distrelec.it/it/sonda-di-corrente-fluke-i1010/p/17612781
Echeverría, J. (06 de 2017). Redes neuronales ariticiales(tesis de pregrado). Habana,
Cuba: Universidad Tecnológica de La Habana.
Ferrer, D. (2011). Circuito para la medición de la carga y la salud de baterías(tesis de
pregrado). Universitat Politècnica de Catalunya,Barcelona, España.
118
BIBLIOGRAFÍA
119
BIBLIOGRAFÍA
120
BIBLIOGRAFÍA
121
ANEXOS
ANEXOS
ANEXOS
122
ANEXOS
Anexo A
123
ANEXOS
Anexo B
124
ANEXOS
125
ANEXOS
126
ANEXOS
127
ANEXOS
128
ANEXOS
129
ANEXOS
130
ANEXOS
131
ANEXOS
132
ANEXOS
133
ANEXOS
134
ANEXOS
135
ANEXOS
136
ANEXOS
137
ANEXOS
138
ANEXOS
139
ANEXOS
140
ANEXOS
141
ANEXOS
142
ANEXOS
143
ANEXOS
144
ANEXOS
145
ANEXOS
146
ANEXOS
147
ANEXOS
148
ANEXOS
149
ANEXOS
150
ANEXOS
151
ANEXOS
152
ANEXOS
SOC 98%
inicial
SOC Final 13%
SOH (%) 98%
153
ANEXOS
Anexo C
Por motivo de la cantidad de datos se toma una de ellas. El resto de pruebas contienen la
misma estructura que se presenta a continuación.
Se presenta a continuación una prueba Ciclo Carga tomada del grupo realizado.
154
ANEXOS
155
ANEXOS
156
ANEXOS
157
ANEXOS
158
ANEXOS
159
ANEXOS
160
ANEXOS
161
ANEXOS
162
ANEXOS
163
ANEXOS
164
ANEXOS
165
ANEXOS
166
ANEXOS
167
ANEXOS
168
ANEXOS
169
ANEXOS
170
ANEXOS
171
ANEXOS
172
ANEXOS
173
ANEXOS
174
ANEXOS
175
ANEXOS
176
ANEXOS
177
ANEXOS
178
ANEXOS
179
ANEXOS
180
ANEXOS
181
ANEXOS
182
ANEXOS
183
ANEXOS
184
ANEXOS
185
ANEXOS
186
ANEXOS
187
ANEXOS
188
ANEXOS
189
ANEXOS
190
ANEXOS
191
ANEXOS
192
ANEXOS
193
ANEXOS
194
ANEXOS
195
ANEXOS
196
ANEXOS
197
ANEXOS
198
ANEXOS
199
ANEXOS
200
ANEXOS
Anexo D
201
ANEXOS
202
ANEXOS
Terceras Condiciones
203
ANEXOS
204
ANEXOS
205
ANEXOS
Cuartas Condiciones
206
ANEXOS
207
ANEXOS
208
ANEXOS
209
ANEXOS
210
ANEXOS
211
ANEXOS
Segundas Condiciones
212
ANEXOS
213
ANEXOS
Terceras Condiciones
214
ANEXOS
215
ANEXOS
Cuartas Condiciones
216
ANEXOS
217
ANEXOS
Anexo E
218
ANEXOS
219
ANEXOS
Terceras Condiciones.
220
ANEXOS
221
ANEXOS
Cuartas Condiciones
222
ANEXOS
223
ANEXOS
224
ANEXOS
225
ANEXOS
226
ANEXOS
227
ANEXOS
Anexo F
228