Remaining useful life estimations applied on the sizing and the prognosis of lithium ion battery energy storage systems

Abstract

La presente tesis desarrolla una herramienta de dimensionamiento precisa para las aplicaciones más relevantes de sistemas de almacenamiento de energía basados en baterías de iones de litio (Li-ion) considerando la vida útil restante. La herramienta desarrollada implica la construcción de los modelos de envejecimiento de los indicadores de salud de la batería de Li-ion, el cálculo del final de la vida útil en función de la evolución de los indicadores de salud modelados, el cálculo del costo nivelado en las aplicaciones más relevantes de sistemas de almacenamiento de energía y la minimización del error cometido con los modelos de envejecimiento construidos soportados por datos de nivel de electrodo y algoritmos de pronóstico. La metodología del desarrollo y el cálculo de todos los elementos integrados en la herramienta de dimensionamiento se describe a lo largo de los capítulos de esta tesis. En primer lugar, el estado final de la vida útil de la batería se determina como un umbral combinado de todos los indicadores de salud de interés. Su cálculo requiere la implementación de un modelo electrotérmico en un entorno de simulación definido por los criterios de fin de vida especificados por los requisitos de la aplicación. En segundo lugar, los indicadores de salud de interés se modelan en función de los factores de estrés más relevantes. Se presenta la metodología para adquirir los datos de envejecimiento y la construcción de los modelos empíricos posteriores. La validación de los modelos construidos se realiza basado en tres aspectos: la precisión que describe los casos observados, la corrección de las interpolaciones y la aplicabilidad en la vida real. En tercer lugar, se desarrolla el entorno de simulación para los sistemas de almacenamiento de energía de baterías de Li-ion para una aplicación de vehículo eléctrico y para una aplicación estacionaria con los que se calcula el costo nivelado de diferentes tamaños de soluciones de baterías. El entorno de simulación integra el modelo electrotérmico ya desarrollado, el mapa de fin de vida útil y los modelos de envejecimiento. En cuarto lugar, el error realizado por los modelos de envejecimiento construidos se minimiza al centrarse en los errores cometidos al extrapolar en el tiempo ante eventos extraños. Por un lado, los datos de nivel de electrodo se analizan para generar datos artificialmente y reducir los errores al extrapolar. Por otro lado, se selecciona un algoritmo estocástico de pronóstico y se emplea con datos de la vida real para tratar el efecto que los eventos extraños tienen en la evolución de los indicadores de salud. La validez de muchas suposiciones hechas para el desarrollo del mapa de fin de vida, los modelos de envejecimiento, el entorno de simulación utilizado en la herramienta de dimensionamiento, el generador de datos artificiales y la herramienta de pronóstico en tiempo real se han demostrado experimentalmente.