Ingeniero Civil Mecánico / El mercado de las baterías de ion-litio ha crecido sostenidamente en los últimos años, y se espera que éste sea de más de 55.000 millones de dólares para el año 2020. Sin embargo, en equipos de alta de demanda energética como los automóviles eléctricos, las altas temperaturas dentro de las baterías puede generar diversos problemas de funcionamiento y durabilidad, por lo que encontrar métodos que controlen la temperatura se vuelve imprescindible El presente trabajo título tiene como objetivo general estudiar el uso de materiales de cambio de fase sólido-sólido como medio de enfriamiento de baterías de ion-litio. La metodología para desarrollar el trabajo de título consiste en buscar y escoger los PCM adecuados (X40 y NPG) y obtener sus propiedades termofíscas, modelar la generación de calor dentro de las celdas, diseñar el sistema con los parámetros correspondientes (tipo y espesor de PCM, tasa de descarga, temperatura inicial y tipo de celda), para luego simular el enfriamiento de las celdas durante la descarga. Con estos resultados, se modela la expulsión de calor posterior a la descarga y finalmente se varían los parámetros de diseño. Una vez concluidas las 288 simulaciones, se procede a estudiar el enfriamiento durante el thermal runaway. Los resultados de las simulaciones muestran que en el 71% de los casos el X40 es capaz de mantener la temperatura bajo los 50°C y en el 80% en el caso del NPG. Además, se logra homogeneidad en el arreglo de celda, ya que en solo 3 de los 288 casos totales (» 1%), la diferencia entre la temperatura máxima y mínima es mayor a 5°C. La expulsión de calor para todos los casos es lenta, superando las 10 horas en la mayoría de los casos. Mejorar la conductividad térmica y emplear convección forzada puede solucionar el problema. En cuanto la thermal runaway, la simulación mostró que el X95 es capaz de ralentizar la aparición de las reacciones químicas más severas, ya que si la temperatura es baja desde el comienzo de anula el feedback positivo temperatura-generación de calor.

Ingeniero Civil Eléctrico / Los bancos de baterías de ion-litio son los más utilizados en aplicaciones de alta potencia como respaldos de sistemas eléctricos de potencia y vehículos eléctricos. Uno de los problemas de estos bancos es que pueden sufrir de envejecimiento prematuro por múltiples causas entre las que se destacan las altas temperaturas alcanzadas por las celdas en su operación. Una forma de minimizar el problema es utilizando algoritmos genéticos de optimización para optimizar el diseño de estos bancos. Estos algoritmos requieren evaluar muchas configuraciones, las que se pueden obtener construyéndolas o simulándolas, siendo estas últimas las más utilizadas debido a restricciones de tiempo. Dichas simulaciones se realizan generalmente en softwares denominados Computational Fluid Dynamics (CFD), estos requieren tiempos del orden de minutos o decenas de minutos por simulación. El tiempo requerido para completar una optimización suele ser prohibitivamente grande. Una forma de disminuir estos tiempos es utilizar modelos sustitutos. Con el fin de complementar el software CFD ANSYS, se creó un modelo sustituto basado en ecuaciones fenomenológicas sin embargo, éste difiere en algunos resultados obtenidos por el CFD por lo que es necesario ajustarlo. El objetivo general del presente trabajo de título es ajustar un modelo fenomenológico de modo que éste entregue valores más cercanos a los del software CFD, esto permitiría emplear dicho modelo como un sustituto del software en un algoritmo de optimización. Para lograr el objetivo anterior se hicieron modificaciones al modelo. Se escogieron los rangos de las variables de diseño para el modelo basados en el modelo fenomenológico original. Se seleccionaron tres expresiones del modelo a modificar: el factor de fricción, el coeficiente de arrastre y el número de Nusselt, en el modelo original estas se basadas en datos experimentales por lo que pueden tener un margen de error que mejorar. Se hicieron 1500 simulaciones en el software CFD los que separan en conjuntos de entrenamiento, validación y prueba. Con estos datos se ajustaron las tres expresiones del modelo antes indicadas. Para esto se usó como herramienta un algoritmo evolutivo llamado programación genética que permite generar expresiones matemáticas en forma de árbol. Como resultado final se obtuvo un conjunto de expresiones que representan los coeficientes a ajustar. Los resultados se construyeron de tal manera de mantener las propiedades físicas del problema. Estos hacen que el modelo fenomenológico tenga errores promedio de presión, velocidad y temperatura de 1[Pa], 1[m/s] y 1[°C] respectivamente. Se concluye que el modelo evolucionado se ajusta mejor a ANSYS, con expresiones que respetan las normas físicas del problema. Por lo tanto, la herramienta programación genética demostró ser útil en este tipo de problemas. Se recomienda finalmente corregir el modelo fenomenológico con las expresiones encontradas.

Memoria para optar al título de Ingeniero Civil Eléctrico / Actualmente las baterías de ion-litio son utilizadas en una gran variedad de aplicaciones, tales como: dispositivos electrónicos, herramientas, vehículos eléctricos y sistemas de alma- cenamiento de energía. El masivo uso de estas baterías ha despertado el interés de optimizar el diseño de su empaquetamiento, siendo relevantes factores como: costos, temperaturas má- ximas, área, ventilación, etc. Una forma de abordar este problema es evaluando una gran cantidad de configuraciones, mediante simulaciones en software de multi-física Computatio- nal Fluid Dynamics (CFD). Sin embargo, una simulación toma varios minutos, por lo que probar una gran cantidad de configuraciones requiere de mucho tiempo. Una alternativa es formular un modelo fenomenológico, el cual permite obtener una aproximación de la simula- ción del CFD en un tiempo mucho menor a éste. En la memoria de título de Francisco Villa los ajustes al modelo fenomenológico se rea- lizaron mediante programación genética en un contexto de optimización multiobjetivo. En esta memoria se propone continuar este trabajo, analizando la validez de las soluciones en- contradas, aumentando el número de celdas estudiadas y buscando nuevas soluciones que se ajusten de mejor manera a las condiciones del nuevo modelo. Para lograr lo anterior, se construyó una base de datos de un modelo de 102 celdas con distintas configuraciones utilizando el software CFD ANSYS. Las estradas son: la corriente en las celdas, la separación entre celdas, el diámetro de las celdas, el flujo de aire entrante y la temperatura ambiente. Posteriormente, se utilizó programación genética multiobjetivo para evolucionar y encontrar simultáneamente funciones de los siguientes parámetros de interés del modelo fenomenológico: coeficiente de arrastre, factor de fricción y número de Nusselt. Con esta metodología se pudo construir un frente de Pareto en la optimización del modelo fenomenológico, ajustando la velocidad y presión de fluido y la temperatura de las celdas centrales. Se obtuvieron conjuntos de funciones que representan de mejor manera el comportamien- to de los parámetros analizados, logrando un mayor ajuste del modelo fenomenológico en relación a las desarrolladas en trabajos anteriores. En referencia al modelo original, se pudo disminuir el RMSE global de 3,9361[m/s], 215,1223[Pa] y 7,4035[K] a 0,954[m/s], 64,4[Pa] y 6,5051[K] con el modelo más general encontrado sobre la configuración de 102 celdas. Ade- más, se observó que los modelos encontrados pierden validez al extrapolar a un mayor número de celdas, siendo necesario realizar nuevos ajustes.

La masiva demanda de combustibles derivados del petróleo abre la puerta a la búsqueda de nuevas formas de suplir las necesidades energéticas en el mundo. Debido a esto, los acumuladores de energía tienen un rol fundamental en el sector industrial en los últimos años. En particular, las baterías de Ion-Litio que por sus características las transforma en elementos claves dentro del diseño de sistemas autónomos. Los vehículos eléctricos nacen para poder suplir esta gran demanda y en particular, las bicicletas eléctricas no sólo permiten utilizar menos energía, sino que poder transportarse con mayor libertad y fluidez en las grandes ciudades. Con el nacimiento de esta nueva alternativa para el trasporte se hace necesario poder contar con sistemas de supervisión de las baterías que puedan entregar información importante al usuario sobre su Estado de Carga (SOC, por sus siglas en inglés) y estado de salud (SOH, por sus siglas en inglés). Esta información le será útil no solo al usuario sino que también a la industria encargada de masificar el producto, ya que de esta forma puede generar planes preventivos y de mantención para optimizar recursos y mejorar la calidad de servicio. En la actualidad, hay múltiples productos que son capaces de estimar el SOC y predecir el tiempo de descarga (EOD, por sus siglas en inglés) de una batería de Ion-Litio; sin embargo, es mediante los métodos de Filtro de Partículas (FP) donde se obtienen los mejores resultados. Con el objeto de unir tanto la teoría de los métodos de estimación y pronóstico del SOC de las baterías con el uso de la tecnología de acceso común, nace el objetivo de este Trabajo de Título, el cual busca implementar métodos sub-óptimos de estimación y pronóstico del Estado de Carga de baterías de Ion-Litio en un ambiente Android. Es decir, a través del presente trabajo se integraran estos métodos dentro de una aplicación (app) Android de uso común, aprovechando las capacidades y recursos de los Smartphone en la actualidad. Se busca programar un algoritmo de estimación y pronóstico (AEP) en lenguaje Java y mostrar los resultados a través de la pantalla al usuario mediante una app. Se muestra la implementación realizada y su entorno gráfico basados en los requerimientos tales como uso de protocolo Bluetooh y conexión USB, almacenamiento de datos y servicios web. Finalmente, se entregan los resultados obtenidos del AEP tanto en la estimación y predicción del SOC como en la del EOD. Esto en conjunto con un análisis del uso de recursos de procesamiento y memoria que requiere el AEP para funcionar. Como conclusión de los resultados expuestos en este trabajo, se puede afirmar que la implementación del algoritmo permite: (i) obtener información sobre el Estado de Carga de la batería de Ion-Litio en tiempo real; (ii) visualizar la predicción del tiempo de descarga basados en el perfil de uso de la bicicleta eléctrica. Todo esto a través de una app Android.