Conocimiento Pruebas de baterías ¿Cómo se modela matemáticamente la resistencia interna como una señal de monitorización de la condición para el análisis de la degradación de baterías? Guía de modelos matemáticos y aplicaciones
Avatar del autor

Equipo técnico · Kintek Solution

Actualizado hace 1 mes

¿Cómo se modela matemáticamente la resistencia interna como una señal de monitorización de la condición para el análisis de la degradación de baterías? Guía de modelos matemáticos y aplicaciones


La resistencia interna se modela como una señal de monitorización de la condición que varía con el tiempo, cuya trayectoria revela la degradación de la batería. Para la batería (i) en el tiempo de envejecimiento (t), un modelo habitual es

[ CM_i(t)=R_i(t)=b_{i0}+b_{i1}t+b_{i2}t^2+e_i(t) ]

donde (R_i(t)) es la resistencia interna medida, los coeficientes describen la trayectoria de degradación de la batería y (e_i(t)) representa el ruido de medición.

La idea clave es modelar tanto la tendencia media de crecimiento de la resistencia como las desviaciones específicas de cada celda respecto a dicha tendencia. Una regresión de efectos mixtos captura las diferencias entre celdas y permite que la trayectoria de resistencia ajustada respalde el análisis de vida útil, fiabilidad y riesgo.

Cómo se convierte la resistencia interna en una señal de monitorización

La resistencia se mide a partir de una respuesta eléctrica controlada

La resistencia interna normalmente no se observa de forma directa; se estima a partir de la respuesta de tensión ante una perturbación de corriente conocida. Para un breve pulso de descarga,

[ R_i(t)=\frac{V_{\text{rest},i}(t)-V_{\text{loaded},i}(t)}{I_i(t)} ]

donde (V_{\text{rest}}) es la tensión antes del pulso, (V_{\text{loaded}}) es la tensión durante el pulso y (I) es la corriente aplicada.

Una prueba típica aplica un pulso de alta corriente después de que la celda haya reposado el tiempo suficiente según el protocolo de prueba seleccionado. La estimación de resistencia resultante se convierte en una observación dentro del historial de degradación de la celda.

El aumento de la resistencia indica envejecimiento

A medida que una batería se degrada, su resistencia interna suele aumentar. Este incremento reduce la capacidad de potencia porque provoca una mayor caída de tensión bajo carga:

[ \Delta V \approx I R ]

Por lo tanto, la resistencia proporciona una señal de monitorización de la condición directamente relacionada con la capacidad de la celda para suministrar corriente sin una pérdida excesiva de tensión.

Las condiciones de prueba deben controlarse

La resistencia depende no solo de la degradación, sino también de la temperatura, el estado de carga, la duración del pulso, el nivel de corriente y el tiempo de reposo. Por ello, las pruebas de vida útil de calendario miden la resistencia bajo condiciones definidas de temperatura y SoC, para que los cambios a lo largo del tiempo no se atribuyan incorrectamente al envejecimiento.

El modelo de resistencia de efectos mixtos

Los efectos fijos describen la tendencia de la población

Un modelo cuadrático de monitorización de la condición puede escribirse como

[ CM_i(t)=b_{i0}+b_{i1}t+b_{i2}t^2+e_i(t) ]

Los coeficientes tienen interpretaciones prácticas:

  • (b_{i0}): resistencia inicial estimada o nivel de referencia.
  • (b_{i1}): tasa de crecimiento de la resistencia aproximadamente lineal.
  • (b_{i2}): curvatura de la trayectoria de degradación.
  • (e_i(t)): error aleatorio de medición o del modelo.

El término cuadrático permite que la tasa de crecimiento de la resistencia cambie con la edad, en lugar de suponer una degradación constante.

Los efectos aleatorios describen la variabilidad entre celdas

El vector de coeficientes de la celda (i) es

[ \mathbf b_i= \begin{bmatrix} b_{i0}\ b_{i1}\ b_{i2} \end{bmatrix} ]

y normalmente se modela como

[ \mathbf b_i \sim \mathcal N(\boldsymbol\mu_b,\mathbf\Sigma_b) ]

Aquí, (\boldsymbol\mu_b) representa la trayectoria media de la batería, mientras que (\mathbf\Sigma_b) representa la variabilidad entre celdas.

Esta variabilidad puede deberse a diferencias de fabricación, como el prensado de los electrodos y el ensamblaje de las celdas. Por lo tanto, dos celdas nominalmente idénticas pueden comenzar con resistencias diferentes o degradarse a ritmos distintos.

El ruido de medición completa el modelo

A menudo se supone que el término de error sigue una distribución normal:

[ e_i(t)\sim \mathcal N(0,\sigma_e^2) ]

Esto separa la variación aleatoria de la medición de la trayectoria de resistencia subyacente. En una implementación más general, se puede permitir que la varianza del ruido cambie según las condiciones de funcionamiento o el tiempo de envejecimiento si los datos muestran una varianza no constante.

Cómo respalda el modelo el análisis de degradación

Las trayectorias ajustadas suavizan las observaciones ruidosas

Las mediciones individuales de los pulsos pueden fluctuar debido a la repetibilidad de la prueba y a las condiciones de funcionamiento. El ajuste del modelo de efectos mixtos estima la trayectoria latente de resistencia, en lugar de tratar cada punto medido como un cambio definitivo en el estado de salud.

El resultado es una señal de monitorización de la condición más suave y estadísticamente interpretable para cada celda.

Los coeficientes proporcionan características de degradación

Los coeficientes ajustados pueden utilizarse como características relacionadas con la salud:

  • Un valor alto de (b_{i0}) indica una resistencia inicial elevada.
  • Un valor alto de (b_{i1}) indica un rápido crecimiento inicial de la resistencia.
  • Un valor positivo de (b_{i2}) indica una aceleración del crecimiento de la resistencia.
  • La curva ajustada completa estima la resistencia en tiempos de envejecimiento no observados dentro del rango válido del modelo.

Estas características permiten a los analistas comparar celdas y formulaciones de baterías sobre una base matemática común.

El modelo permite realizar inferencias a nivel de población

Dado que los coeficientes tienen una distribución poblacional, el análisis hace más que ajustar cada celda individualmente. Estima tanto el comportamiento de degradación típico como la incertidumbre causada por las diferencias entre celdas.

Esta información puede utilizarse para construir funciones de fiabilidad o riesgo que describan la probabilidad de que una celda alcance una condición de fin de vida definida a lo largo del tiempo.

El fin de vida requiere un umbral definido

El modelado de la resistencia por sí solo no define el fallo. Un estudio debe especificar un criterio de fin de vida, como un límite de resistencia, un límite de rendimiento de potencia o un requisito combinado de capacidad y resistencia.

Una vez definido el umbral, la trayectoria ajustada puede evaluarse para estimar cuándo se espera que una celda lo supere. La distribución resultante de los tiempos de cruce puede respaldar el análisis de vida útil y fiabilidad.

Ampliación del modelo a las condiciones de prueba

La temperatura y el SoC pueden tratarse como factores experimentales

Las mediciones de resistencia tomadas a diferentes temperaturas o niveles de SoC no deben combinarse sin tener en cuenta dichas condiciones. Un enfoque práctico consiste en ajustar trayectorias separadas para cada condición de prueba o incluir la temperatura y el SoC como variables explicativas.

La estructura básica dependiente del tiempo permanece:

[ R_i(t)=\text{efectos de referencia y de las condiciones}+\text{tendencia de envejecimiento}+\text{efectos específicos de la celda}+\text{ruido} ]

Esto evita confundir los efectos reversibles de las condiciones de funcionamiento con la degradación irreversible.

La capacidad y la resistencia proporcionan señales complementarias

La retención de capacidad mide cuánta carga puede suministrar la batería, mientras que el crecimiento de la resistencia mide la eficacia con la que puede suministrar corriente. La monitorización de ambas puede distinguir diferentes manifestaciones de degradación con mayor eficacia que el uso de una sola señal.

Por lo tanto, la trayectoria de resistencia debe considerarse un canal de monitorización de la condición dentro de un modelo más amplio de salud de la batería.

Comprensión de las compensaciones

Un modelo cuadrático es útil, pero no es universalmente válido

La forma cuadrática es lo suficientemente flexible como para representar la curvatura y, al mismo tiempo, sigue siendo sencilla de estimar. Sin embargo, puede extrapolar de forma poco realista fuera del intervalo de envejecimiento observado, especialmente si el proceso real de degradación cambia de régimen.

Por lo tanto, debe validarse con datos reservados para prueba y utilizarse con precaución para predicciones de vida útil a largo plazo.

Las condiciones de medición pueden dominar el envejecimiento aparente

Un aumento de la resistencia causado por una temperatura más baja o por un SoC diferente no constituye necesariamente una degradación permanente. Los protocolos de pulso, los periodos de reposo o el muestreo de tensión inconsistentes pueden producir cambios aparentes de resistencia no relacionados con el envejecimiento de la celda.

Las condiciones de prueba estandarizadas son esenciales para realizar comparaciones significativas entre trayectorias.

Los supuestos de normalidad son decisiones de modelado

La distribución normal multivariante para los efectos aleatorios y el supuesto de error de medición normal son aproximaciones estadísticas convenientes. Deben comprobarse mediante los residuos y las distribuciones de los coeficientes ajustados, en lugar de aceptarse automáticamente.

Si los datos muestran una asimetría marcada, valores atípicos o una varianza no constante, el modelo puede requerir errores robustos u otra formulación distribucional.

La resistencia no proporciona un diagnóstico completo del estado de salud

Una resistencia elevada puede indicar una menor capacidad de potencia, pero no identifica de forma única el mecanismo de degradación subyacente. Es posible que se necesiten la capacidad, la respuesta a la temperatura, las características de impedancia y otras señales de diagnóstico para explicar por qué está cambiando la resistencia.

Cómo elegir la opción adecuada para su objetivo

El uso apropiado del modelo depende de si la prioridad es la medición, la comparación o la predicción.

  • Si su objetivo principal es medir la resistencia: Aplique un pulso de corriente controlado y calcule (R=(V_{\text{rest}}-V_{\text{loaded}})/I) bajo condiciones repetibles de temperatura, SoC y reposo.
  • Si su objetivo principal es comparar celdas: Ajuste un modelo de efectos mixtos con interceptos aleatorios y coeficientes de trayectoria distribuidos normalmente para separar el comportamiento de la población de la variabilidad de fabricación.
  • Si su objetivo principal es estimar la tasa de degradación: Utilice (b_{i1}) y (b_{i2}) para cuantificar el crecimiento lineal y acelerado de la resistencia, validando al mismo tiempo la forma cuadrática en el rango de envejecimiento previsto.
  • Si su objetivo principal es predecir la vida útil o la fiabilidad: Defina un umbral explícito de fin de vida relacionado con la resistencia o el rendimiento y, posteriormente, utilice las distribuciones de las trayectorias ajustadas para estimar los tiempos de cruce del umbral y las funciones de riesgo.

Una medición de resistencia bien controlada, combinada con un modelo de trayectoria de efectos mixtos validado, transforma los datos brutos de pulsos de tensión en una señal interpretable de degradación de la batería.

Tabla resumen:

Componente del modelo Fórmula/Descripción Propósito
Medición de la resistencia (R_i(t) = \frac{V_{rest,i}(t) - V_{loaded,i}(t)}{I_i(t)}) Estima la resistencia interna a partir de la respuesta de tensión ante un pulso de corriente.
Modelo cuadrático de efectos mixtos (CM_i(t) = b_{i0} + b_{i1}t + b_{i2}t^2 + e_i(t)) Modela la trayectoria de resistencia con efectos fijos (poblacionales) y aleatorios (específicos de la celda).
Efectos fijos (b_{i0}, b_{i1}, b_{i2}) Describen el nivel de referencia de la población, la tasa de crecimiento lineal y la curvatura.
Efectos aleatorios (\mathbf{b}_i \sim \mathcal{N}(\boldsymbol{\mu}_b, \mathbf{\Sigma}_b)) Capturan la variabilidad de los coeficientes entre celdas.
Ruido de medición (e_i(t) \sim \mathcal{N}(0, \sigma_e^2)) Contabiliza el error aleatorio de medición.
Criterio de fin de vida Umbral definido (por ejemplo, un límite de resistencia) Se utiliza con la trayectoria ajustada para predecir el momento del fallo.

¿Está listo para mejorar su investigación sobre baterías con una monitorización precisa de la condición? KINTEK proporciona equipos de laboratorio avanzados para I+D de baterías, incluidos comprobadores de precisión para medir la resistencia interna. Nuestras soluciones respaldan un análisis preciso de la degradación y le ayudan a lograr un rendimiento fiable. Contacte con nosotros hoy mismo para analizar cómo nuestros equipos pueden beneficiar sus necesidades de pruebas de baterías — Contacte con nosotros.


Deja tu mensaje