A medida que la industria automotriz global avanza hacia la electrificación, la demanda de sistemas de gestión de energía más eficientes en los vehículos eléctricos puros (VEP) se hace cada vez más urgente. Un estudio reciente publicado en la Journal of Guangxi University of Science and Technology arroja nueva luz sobre la optimización de la gestión de la fuente de energía de baja tensión, ofreciendo soluciones prometedoras para reducir el consumo de energía y mejorar la eficiencia de carga de las baterías, factores clave para mejorar el rendimiento general del vehículo y la experiencia del usuario.
La investigación, dirigida por Peng Fan y Luo Wenguang de la Facultad de Automática y el Laboratorio Clave de Tecnología de Componentes y Vehículos Automotrices de Guangxi (Guangxi University of Science and Technology), profundiza en las complejidades de la gestión de sistemas de energía de baja tensión en los VEP. Con la proliferación de dispositivos eléctricos en los vehículos, desde componentes críticos para la seguridad hasta sistemas de confort y entretenimiento, la energía consumida por estos dispositivos constituye ahora una parte significativa del consumo total de energía del vehículo. Esta realidad ha destacado la necesidad de estrategias sofisticadas para gestionar eficazmente la energía de baja tensión, garantizando tanto la fiabilidad como la eficiencia.
El papel crucial de la gestión de energía de baja tensión
Los sistemas de fuente de energía de baja tensión en los VEP son responsables de alimentar una amplia gama de componentes esenciales, incluidos sistemas de seguridad (como frenos y luces), electrónica relacionada con la conducción (como asistencia de dirección) y funciones centradas en el usuario (climatización, entretenimiento). A diferencia de los sistemas de alta tensión que alimentan la propulsión del vehículo, los sistemas de baja tensión dependen de baterías auxiliares —generalmente baterías de 12V de iones de litio— para mantener el funcionamiento continuo de estos dispositivos. Sin embargo, una gestión ineficiente de estos sistemas puede conducir a un consumo excesivo de energía, una vida útil reducida de la batería e incluso fallos operativos, como la inability de arrancar el vehículo debido a una batería de baja tensión agotada.
«Los enfoques tradicionales para la gestión de energía de baja tensión a menudo no tienen en cuenta la naturaleza dinámica de las operaciones del vehículo y las demandas variables de energía en diferentes condiciones de conducción», explica Peng Fan. «Nuestro objetivo fue desarrollar una estrategia que no solo garantice la fiabilidad de los sistemas críticos, sino también minimice el desperdicio de energía, extendiendo así la autonomía del vehículo y mejorando la longevidad de la batería.»
Un enfoque multifacético: clasificación de cargas y optimización con algoritmos genéticos
El estudio introduce una estrategia de dos frentes para abordar estos desafíos: primero, una clasificación detallada de las cargas del vehículo según su importancia funcional, y segundo, la aplicación de un algoritmo genético para optimizar los umbrales de estado de carga (SOC) que gobiernan la distribución de energía.
Clasificación de cargas: priorizando sistemas críticos
Los investigadores clasificaron las cargas del vehículo en cuatro clases distintas: críticas para la seguridad, relacionadas con la conducción, de confort y de entretenimiento. Las cargas críticas para la seguridad —como sistemas de frenado, airbags y luces esenciales— tienen prioridad para garantizar la seguridad del vehículo y los ocupantes en todas las condiciones. Las cargas relacionadas con la conducción, incluidas la asistencia de dirección y el control de tracción, impactan directamente en el rendimiento del vehículo, mientras que los sistemas de confort y entretenimiento (por ejemplo, climatización, audio) mejoran la experiencia del usuario pero pueden reducirse cuando la energía es escasa.
Para tener en cuenta las demandas variables de energía según las estaciones y los escenarios de conducción, el equipo introdujo coeficientes ponderados para calcular el consumo de energía en condiciones extremas, como tormentas de nieve en invierno y lluvias intensas en verano —situaciones donde cargas como calefactores, deshielos y limpiaparabrisas se utilizan intensamente. Esta clasificación permite al sistema ajustar dinámicamente la asignación de energía según las condiciones en tiempo real, garantizando que los sistemas críticos reciban prioridad durante los períodos de alta demanda.
Algoritmo genético: ajuste fino de los umbrales de SOC
Una innovación clave en el estudio es el uso de un algoritmo genético para optimizar los umbrales de SOC de las baterías de baja tensión. El SOC, que mide la carga restante en una batería en relación con su capacidad total, es un parámetro crítico para determinar cuándo conservar energía o iniciar la carga. Al optimizar estos umbrales, los investigadores pretendieron minimizar el consumo de energía mientras mantenía una energía suficiente para las funciones esenciales.
El algoritmo genético, un método computacional inspirado en la selección natural, se utilizó para refinar iterativamente cuatro umbrales de SOC correspondientes a diferentes niveles de seguridad. Estos umbrales dictan cuándo se desactivan gradualmente las cargas no esenciales (por ejemplo, sistemas de entretenimiento) para preservar la energía. Después de 300 iteraciones, el algoritmo identificó umbrales óptimos que equilibran la conservación de energía con la fiabilidad operativa.
«Los algoritmos genéticos son particularmente efectivos aquí porque pueden navegar por problemas complejos y multivariables para encontrar soluciones casi óptimas», señala Luo Wenguang. «Al optimizar los umbrales de SOC, garantizamos que la energía se asigne donde más se necesita, reduciendo el consumo innecesario de la batería.»
Revolutionando la carga: una estrategia de corriente constante de cuatro etapas basada en SOC
Además de la gestión de cargas, el estudio aborda un desafío de larga data en el rendimiento de las baterías de baja tensión: la eficiencia de carga. Los métodos tradicionales de carga de corriente constante y tensión constante (CC-CV), aunque ampliamente utilizados, suelen sufrir de tiempos de carga prolongados y una eficiencia subóptima, especialmente cuando la batería se aproxima a su capacidad total.
Para superar esto, los investigadores desarrollaron una estrategia de carga de corriente constante de cuatro etapas, adaptada al SOC de la batería. Este enfoque elimina la fase de tensión constante de los métodos tradicionales, usando instead cuatro niveles de corriente progresivamente más bajos a medida que la batería se carga. Los niveles de corriente se determinan según lecturas en tiempo real de SOC, con corrientes más altas aplicadas durante las primeras etapas de carga (cuando la batería puede aceptar más energía rápidamente) y corrientes más bajas a medida que la batería se aproxima a su capacidad total.
El equipo descubrió que esta estrategia reduce significativamente el tiempo de carga en comparación con los métodos CC-CV. En simulaciones, cargar una batería de iones de litio de 12V y 22Ah desde un 35% hasta un 95% de SOC tomó 410 segundos usando el enfoque de cuatro etapas, en comparación con 490 segundos con CC-CV —una reducción de aproximadamente el 16%. Además, la estrategia de cuatro etapas mejoró la eficiencia de carga al minimizar la pérdida de energía en forma de calor, un problema común en los métodos de carga tradicionales.
Simulación y validación: rendimiento en el mundo real
Para validar su enfoque, los investigadores realizaron extensas simulaciones usando software AVL-Cruise y MATLAB-Simulink, que les permitieron modelar la dinámica del vehículo, el rendimiento de la batería y el flujo de energía en various condiciones de conducción. Las simulaciones se ejecutaron en cuatro ciclos de conducción estándar: NEDC (Nuevo Ciclo Europeo de Conducción), CLTC (Ciclo de Prueba Chino para Vehículos Livianos), WLTC (Ciclo de Prueba Mundial Harmonizado para Vehículos Livianos) y una crucero constante de 60 km/h.
Los resultados fueron impactantes. Después de implementar la estrategia de gestión de cargas optimizada y la carga de cuatro etapas, el VEP simulado mostró una reducción en el consumo de energía en todos los ciclos de prueba. La mejora más significativa se observó en el ciclo CLTC, donde el consumo de energía disminuyó un 3.34%, seguido del ciclo NEDC con un 1.30%. Incluso en la prueba de velocidad constante de 60 km/h —donde las demandas de energía son relativamente estables— el consumo cayó un 0.81%.
«Lo que más nos entusiasma es que estas ganancias se logran sin comprometer el rendimiento del vehículo ni la seguridad», dice Peng. «Al gestionar inteligente la distribución de energía y la carga, podemos hacer que los vehículos eléctricos sean más eficientes y prácticos para el uso diario.»
Implicaciones para la industria automotriz
Los hallazgos de este estudio tienen implicaciones de gran alcance para el diseño y la fabricación de vehículos eléctricos. A medida que los fabricantes buscan cumplir con regulaciones de emisiones cada vez más estrictas y demandas de los consumidores por mayores autonomías, la optimización de la gestión de energía de baja tensión ofrece una forma rentable de mejorar la eficiencia sin requerir reformas significativas en los sistemas de alta tensión.
«Los sistemas de baja tensión a menudo se pasan por alto en las discusiones sobre la eficiencia de los vehículos eléctricos, pero juegan un papel vital en el rendimiento general», señala Luo Wenguang. «Nuestra investigación demuestra que optimizaciones dirigidas en esta área pueden generar mejoras significativas, haciendo que los vehículos eléctricos sean más competitivos en comparación con sus contrapartes de combustión interna.»
Mirando hacia el futuro, el equipo planea validar su estrategia mediante pruebas en vehículos prototipo, centrándose en adaptar el algoritmo para manejar condiciones aún más dinámicas, como terrenos variables y climas impredecibles. También pretenden explorar cómo el aprendizaje automático podría refinar aún más la clasificación de cargas y las estrategias de carga, permitiendo ajustes en tiempo real según patrones de conducción individuales.
Conclusión
A medida que el mercado de vehículos eléctricos continúa creciendo, las innovaciones en la gestión de energía serán cruciales para superar barreras clave en la adopción, como la ansiedad por la autonomía y las limitaciones en la infraestructura de carga. La investigación de Peng Fan y Luo Wenguang ofrece un plano convincente para optimizar los sistemas de energía de baja tensión, combinando una clasificación inteligente de cargas, optimización con algoritmos genéticos y una estrategia de carga novedosa para mejorar la eficiencia y la fiabilidad.
Al priorizar sistemas críticos, ajustar dinámicamente la distribución de energía y revolucionar la forma en que se cargan las baterías de baja tensión, este enfoque no solo mejora el rendimiento del vehículo, sino que también contribuye a un futuro automotriz más sostenible —uno donde cada kilovatio-hora de energía se usa inteligentemente.
Sobre los autores:
Peng Fan y Luo Wenguang están afiliados a la School of Automation y el Guangxi Key Laboratory of Automobile Components and Vehicle Technology de la Guangxi University of Science and Technology, en Liuzhou, China.
Referencia de la revista:
Peng Fan, Luo Wenguang. «Study on optimal strategy of low-voltage power supply management for pure electric vehicles.» Journal of Guangxi University of Science and Technology, Vol. 35, No. 2, junio de 2024. DOI: 10.16375/j.cnki.cn45-1395/t.2024.02.008.