Ingeniera Civil Industrial / La presente memoria tiene como objetivo fundamental realizar una investigación de mercado y diseñar un modelo de negocios para un tester que permite la estimación y predicción en línea del estado de salud (SOH, del inglés State of Health ) y del estado de carga (SOC, del inglés State of Charge ) de las baterías de Ión-Litio. El trabajo se enfoca en determinar qué instancias dentro de la vida útil de una batería es necesario saber su estado técnico (SOH) y, por ende, su valor económico. Algunas de estas instancias son, por ejemplo, para los procesos de mantención que ofrecen los talleres automotrices autorizados, procesos de segunda venta del vehículo, reciclaje o reutilización de la batería etc. Son dos los principales socios estratégicos: fabricante de tester y fabricante de vehículos eléctricos (VE). Por un lado, el fabricante de tester empaqueta el conocimiento y vende el producto a su red de clientes de marcas automotrices y, por otro lado, el fabricante de VE es más cerrado con el producto, por cuanto lo vende únicamente a sus redes de distribuidores y/o clientes mayoristas. El mercado potencial para el fabricante de tester y el fabricante de VE puede alcanzar los $1,450,000MM y los $75,000MM, respectivamente. Al analizar comparativamente al fabricante de VE con el fabricante de tester es posible distinguir una serie de ventajas que presenta este último, tales como: (i) tiene más incentivos para masificar el producto a múltiples marcas automotrices y (ii) en cuanto a la cantidad de compañías son más los fabricantes de tester que los fabricantes de VE a nivel mundial, por lo que no debe ser de gran dificultad contactarlos. Existen diferentes evoluciones de los modelos de negocios para el fabricante de tester desde vender a una o varias redes de distribuidores de diferentes marcas automotrices ( after-market ) a vender directamente a un fabricante de VE ( pre-market ). El mejor negocio para el fabricante de tester es vender a varias redes de compañías automotrices o vender directamente en pre-market al fabricante de VE, teniendo ingresos por ventas de $14,000MM y de $12,000MM, respectivamente. El modelo de negocios puede variar también a largo plazo, pudiéndose utilizar el producto en otros mercados en expansión como, por ejemplo, el de reciclaje de batería, reutilización de baterías y venta al retail, cada uno de ellos con un mercado potencial de $29,873MM al 2025, $158.692MM al 2025, $20.000.000MM, respectivamente. En especial los mercados del reciclaje y reutilización presentan gran atractivo a largo plazo si se compara con el del retail, principalmente por todas las investigaciones y esfuerzos futuros para maximizar el uso de las baterías.

Ingeniero Civil Electricista / Dado el impacto que se asocia a dispositivos almacenadores de energía en las distintas áreas de la ingeniería, últimamente se ha fomentado la formulación de proyectos de investigación que estén relacionados con este tema. En particular, es de vital importancia comprender el comportamiento que tienen las baterías frente a distintas condiciones de operación. Para este fin es imprescindible obtener datos precisos, con el fin de caracterizar facilitar la implementación de métodos de estimación y predicción. El presente trabajo busca implementar un sistema de adquisición de datos que permita obtener datos de voltaje, corriente y temperatura; todas ellas variables que generalmente se utilizan para el análisis de parámetros de la batería como es el estado de carga (por su siglas en inglés, SOC) y el estado de salud (por sus siglas en inglés, SOH). Para esto, se implementan dos arquitecturas. La primera usa un cargador de marca I-Charger y una carga programable BK PRECISION 8500; los cuales almacenan datos obtenidos en los procesos de carga y descarga en tiempo real. La segunda utiliza tres sensores (voltaje, corriente y temperatura), un conversor análogo-digital, y un chasis National Instruments (NI); todo con interfaz de programación en el software LabView para obtener datos en tiempo real. El principal desafío es que existen perturbaciones Gaussianas de media nula en las mediciones. Para solucionar lo anterior se decide implementar un filtro pasa-bajos que mitiga estas fluctuaciones. Además de eso, se ideó un método que permitiera obtener la ecuación característica de los sensores que pudiese usarse en proceso de calibración. Para generar resultados se realizaron cuatro pruebas. La primera corresponde a una carga (corriente constante de 2 [A] hasta que el voltaje se estabiliza en 4.097, disminuyendo luego); y las otras tres a descargas con distintos perfiles de uso (corriente constante, en base a una Cadena de Markov de 10 estados y una señal binaria pseudo-aleatoria, PRBS). El tiempo de muestreo para el caso de la carga fue de 2[s] y para las descargas fue de 500 [ms]. De los resultados obtenidos se aprecia que para el caso de la carga, la señal entregada por el NI coincide bastante con la obtenida con el cargador, generando MSE y RMSE reducidos para distintos niveles de filtrado. Para el caso de la descarga se observa que frente a corriente constante y al perfil basado en Cadenas de Markov los resultados tienen MSE y RMSE del orden de 0.05. Sin embargo, para PRBS los valores son elevados. Esto se puede deber a dos cosas, una de ellas es que las transiciones que genera la PRBS son más rápidas que el tiempo de muestreo, por lo cual no se alcanza a apreciar el comportamiento de éstas en equipos NI. La otra razón es que el filtro implementado busca una respuesta homogénea en la zona pasa-banda. Se plantea como posible solución a este problema la implementación de filtros Chevyshev.

Ingeniero Civil Electricista / Dado el impacto que se asocia a dispositivos almacenadores de energía en las distintas áreas de la ingeniería, últimamente se ha fomentado la formulación de proyectos de investigación que estén relacionados con este tema. En particular, es de vital importancia comprender el comportamiento que tienen las baterías frente a distintas condiciones de operación. Para este fin es imprescindible obtener datos precisos, con el fin de caracterizar facilitar la implementación de métodos de estimación y predicción. El presente trabajo busca implementar un sistema de adquisición de datos que permita obtener datos de voltaje, corriente y temperatura; todas ellas variables que generalmente se utilizan para el análisis de parámetros de la batería como es el estado de carga (por su siglas en inglés, SOC) y el estado de salud (por sus siglas en inglés, SOH). Para esto, se implementan dos arquitecturas. La primera usa un cargador de marca I-Charger y una carga programable BK PRECISION 8500; los cuales almacenan datos obtenidos en los procesos de carga y descarga en tiempo real. La segunda utiliza tres sensores (voltaje, corriente y temperatura), un conversor análogo-digital, y un chasis National Instruments (NI); todo con interfaz de programación en el software LabView para obtener datos en tiempo real. El principal desafío es que existen perturbaciones Gaussianas de media nula en las mediciones. Para solucionar lo anterior se decide implementar un filtro pasa-bajos que mitiga estas fluctuaciones. Además de eso, se ideó un método que permitiera obtener la ecuación característica de los sensores que pudiese usarse en proceso de calibración. Para generar resultados se realizaron cuatro pruebas. La primera corresponde a una carga (corriente constante de 2 [A] hasta que el voltaje se estabiliza en 4.097, disminuyendo luego); y las otras tres a descargas con distintos perfiles de uso (corriente constante, en base a una Cadena de Markov de 10 estados y una señal binaria pseudo-aleatoria, PRBS). El tiempo de muestreo para el caso de la carga fue de 2[s] y para las descargas fue de 500 [ms]. De los resultados obtenidos se aprecia que para el caso de la carga, la señal entregada por el NI coincide bastante con la obtenida con el cargador, generando MSE y RMSE reducidos para distintos niveles de filtrado. Para el caso de la descarga se observa que frente a corriente constante y al perfil basado en Cadenas de Markov los resultados tienen MSE y RMSE del orden de 0.05. Sin embargo, para PRBS los valores son elevados. Esto se puede deber a dos cosas, una de ellas es que las transiciones que genera la PRBS son más rápidas que el tiempo de muestreo, por lo cual no se alcanza a apreciar el comportamiento de éstas en equipos NI. La otra razón es que el filtro implementado busca una respuesta homogénea en la zona pasa-banda. Se plantea como posible solución a este problema la implementación de filtros Chevyshev.

Ingeniero Civil Electricista / El objetivo de este trabajo es aportar a la investigación e innovación tecnológica, mediante el desarrollo de un modelo computacional que permita comprender las consecuencias económicas y medioambientales de implementar parte o la totalidad del proceso de fabricación de baterías de ión de litio para vehículos eléctricos o híbridos en Chile. Este trabajo se enmarca en el proyecto CIL Centro de Innovación del litio perteneciente a la universidad de Chile, cuyo objetivo es desarrollar un área de investigación aplicada sobre el uso del litio en baterías avanzadas que se usarán en los nuevos vehículos eléctricos . Se construye un modelo del proceso productivo de baterías de ión de litio, el que divide su proceso de producción en 5 etapas. Para cada una de las etapas y su interacción con las otras se estiman los costos desagregados. Para la obtención de materias primas y exportación de baterías, se estiman las emisiones de dióxido de carbono. Lo anterior permite calcular el valor actual neto (VAN) del proyecto y el impacto medioambiental del transporte de las materias primas y baterías terminadas. En este trabajo, se modela el proceso de fabricar baterías de ión-litio tipo NCA-G (con materiales activos compuestos de LiNi0,8Co0,15Al0,05O2 para el cátodo y grafito para el ánodo), con un cliente en U.S.A. Se consideran los costos de inversión, fijos y variables. La mayor parte de los costos se obtienen de referencias extranjeras, pero se ha buscado considerarlos de forma que sean adecuados para el modelo del proceso de fabricación en Chile. El resultado de este modelo, muestra que el proceso evaluado es rentable bajo ciertos supuestos detallados a continuación. Las materias primas han sido evaluadas a los menores precios encontrados y los proveedores son los más cercanos a una localización en el norte de Chile. Asimismo, se supone un decrecimiento de los costos de producción del 20% anual exponencial y costos del transporte de un 52% de los costos encontrados en empresas de correos. Cabe destacar, que en las baterías NCA, el costo es elevado y que para obtener el valor de realizar algunos procesos productivos, se consideran equivalentes conservadores con la información disponible de precios de venta en el extranjero. Respecto del impacto medioambiental del proyecto, se compara la emisión de gases de efecto invernadero por parte del transporte de materias primas y baterías, para una planta ubicada en Antofagasta, con la misma planta ubicada en China. En ambos casos se considera un cliente en los Estados Unidos. Se observa que las emisiones del transporte de las baterías terminadas, es mucho mayor para China que para Chile, a pesar de que la emisión por parte de la importación a Chile es cercana a las emisiones de las importaciones para China. Se observa que las mayores emisiones por distancia recorrida, se tienen con las baterías terminadas. Dado que la producción de baterías está fuertemente incentivada en los Estados Unidos, competir con ellos, resultaría difícil, e incluso si ellos producen sus baterías probablemente contaminen menos debido al transporte, que importándolas desde Chile. Se propone como trabajo futuro, el generar un grupo multidisciplinario, que por un lado busque mercados latinoamericanos de baterías, determine sus características; y por otro construya un modelo computacional que en base a características de los mercados de baterías que se deseen satisfacer, permita un análisis de los proyectos de fabricación o ensamblaje de baterías.

Ingeniero Civil Eléctrico / Las baterías de ion-litio son las más usadas actualmente para los vehículos eléctricos y para respaldo en sistemas eléctricos de potencia. Sin embargo, aún presentan altos costos y una baja vida útil con respecto a lo esperado por el mercado y los límites prácticos del material. Esto representa una importante barrera que ha dificultado la masificación de los vehículos eléctricos y los sistemas de respaldo en base a baterías. La temperatura de las celdas es uno de los aspectos más relevantes en la vida útil de un banco de baterías. En esta memoria se desarrolla una aplicación computacional que permite diseñar empaquetamientos de baterías con un comportamiento térmico óptimo, esto es con bajas temperaturas máximas y poca dispersión entre celdas de un mismo banco. En primer lugar, se aborda la modelación del problema de optimización multi-objetivo de un banco de baterías. Se diseñaron tres funciones objetivo: Temperatura máxima de las celdas de un banco, diferencia máxima de temperatura entre celdas en un banco y volumen. Estas métricas se utilizan para comparar los diferentes diseños de empaquetamientos a ser evaluados en la optimización. Las variables corresponden a la posición y orientación de las celdas de baterías en un módulo o banco. Se implementó un algoritmo evolutivo multi-objetivo para la optimización de bancos de baterías utilizando las funciones objetivo anteriores y que permite comunicarse con un software comercial para evaluar de las funciones objetivo. El algoritmo implementado corresponde a Optimización Multi-objetivo por Enjambre de Partículas (Multi Objective Particle Swarm Optimization, MOPSO). Para la evaluación de las funciones objetivo se realizaron simulaciones en el software comercial COMSOL. Se desarrollaron tres casos de estudio que muestran las ventajas de utilizar la metodología implementada a través de optimización multi-objetivo y simulaciones térmicas. Los casos de estudio corresponden al posicionamiento óptimo de celdas para un módulo de seis celdas cilíndricas del tipo 18650, un banco de seis módulos de celdas prismáticas donde varía la orientación de los módulos y el banco de baterías del vehículo solar eléctrico Eolian III. En estos tres casos se presentan las mejoras obtenidas en disminución de temperatura máxima y diferencia máxima de temperatura con respecto a otras metodologías de optimización y diseños iniciales. Para el caso de Eolian III, la reducción en temperatura máxima alcanza 8,22ºC y la reducción en diferencia de temperatura máxima es de 7,61ºC. Esto, al igual que las mejoras en los otros casos de estudio, permitirían aumentar la vida útil y rendimiento de los bancos de baterías. Se estima que un aumento de 15°C en la temperatura de operación de una celda hace caer a la mitad su vida útil.

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 Elctricista / Los acumuladores de Ion-Litio han adquirido un importante rol en el sector industrial durante los últimos años. Lo anterior, principalmente debido a que su carácter de dispositivos de respaldo energético los transforma en elementos clave dentro del diseño de sistemas autónomos. Particularmente en estos casos, se hace crítico el poder contar con sistemas de supervisión de baterías que incorporen elementos de incertidumbre y sean capaces de estimar de manera certera y precisa tanto el estado-de-carga (SOC, por sus siglas en inglés) como el tiempo de descarga (EOD, del inglés End-of-Discharge) de las mismas. Es por este motivo que el presente trabajo de Tesis se focaliza en establecer las bases para el diseño e implementación de un sistema de estimación y pronóstico basado en métodos secuenciales de Monte Carlo (también conocidos como filtros de partículas) para la estimación del SOC y predicción del EOD de dispositivos de almacenamiento de energía de Ion-Litio. En la actualidad, hay múltiples productos desarrollados que son capaces de estimar el SOC de una batería de Ion-Litio; sin embargo, estos no son capaces de estimar dichos parámetros en línea. Incluso en el caso que este último objetivo se cumpla, se considera sólo un perfil de utilización promedio para el equipo, lo que en la práctica implica un enorme sesgo de estimación. En este contexto, el esquema propuesto considera dos etapas: (i) La primera corresponde a la estimación en línea del SOC, para lo cual se utilizan métodos de estimación Bayesiana sub-óptimos (filtros de partículas) dada su capacidad para incorporar información en modelos dinámicos no-lineales, con problemas de observabilidad, y fuentes de incertidumbre no Gaussiana; mejorando significativamente la precisión y exactitud de los algoritmos de predicción del EOD; (ii) la segunda etapa consiste en la caracterización de la incertidumbre en el pronóstico del tiempo de uso remanente del acumulador a través del algoritmo de regularización, basado en las distribuciones de Epanechnikov y en un filtro de partículas. Sumado a lo anterior, también se considera la caracterización estadística (condicional a los datos medidos) del perfil de uso futuro de la batería mediante una cadena de Markov de primer orden, con lo cual se incorpora información acerca del uso que se le otorgó a la batería hasta en el instante inicial de predicción. Con el objeto de analizar los aspectos principales a considerar en el diseño del esquema propuesto, se realiza una comparación entre la solución óptima (en el sentido de media cuadrática, mediante filtro de Kalman) obtenida a priori y la solución sub-óptima entregada por el método propuesto. Esta comparación se realiza con el objetivo de determinar el número de partículas, de iteraciones del filtro y de realizaciones de la cadena de Markov adecuadas para el buen funcionamiento del algoritmo. Finalmente, la validación del módulo de pronóstico propuesto se realiza (mediante medidas de desempeño ad-hoc) con datos experimentales de pruebas de descarga de baterías de Ion-Litio proporcionados por Impact Technologies, LLC. Como conclusión de los resultados expuestos en este trabajo, se puede afirmar que la implementación del método propuesto permite: (i) obtener un filtrado altamente exacto y preciso del proceso de descarga; y (ii) mejorar el pronóstico del tiempo de uso remanente del acumulador en términos de exactitud y precisión, destacando la tendencia a sub-estimar el EOD respecto a la sobre-estimación encontrada en los métodos presentes en la literatura.

Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Ingeniero Civil Electricista / El acelerado avance tecnológico experimentado por diversos dispositivos almacenadores de energía en los últimos años ha incrementado en forma exponencial el número de estudios relacionados con el logro de un mayor nivel de autonomía y una extensión significativa de la vida útil. Dicha situación se ve reflejada en la proliferación de esquemas de supervisión que procuran suministrar información certera y precisa a los sistemas de administración de baterías (BMS, por sus siglas en inglés). Es en este contexto que el presente trabajo de Tesis establece las bases para el diseño e implementación de un sistema de estimación y pronóstico basado en filtros de partículas para el análisis del estado-de-salud (SOH, por sus siglas en inglés) y estimación de la vida útil remanente (RUL, por sus siglas en inglés) de dispositivos de almacenamiento de energía, y más particularmente baterías de Ion-Litio. El esquema propuesto considera dos etapas en su implementación. La primera de dichas etapas se centra en la estimación del SOH y la adecuada detección de fenómenos de auto-recarga en baterías, mediante un módulo de detección que está constituido por un test de hipótesis (con una tasa de falsas alarmas de 1%). Para ello, se hace uso de métodos de estimación Bayesiana sub-óptimos (específicamente filtros de partículas) debido a su demostrada capacidad para incorporar información en modelos dinámicos no-lineales, con problemas de observabilidad, y fuentes de incertidumbre no Gaussiana. En efecto, a diferencia de otros esquemas utilizados en el estado del arte, los filtros de partículas han demostrado ser capaces de detectar los fenómenos de auto-recarga presente en acumuladores de Ion-Litio y aislar eficazmente las alteraciones que estos fenómenos producen en la tendencia de degradación; mejorando por ende la precisión y exactitud de los algoritmos de predicción de RUL. La segunda etapa está abocada directamente a la caracterización de la incertidumbre en el pronóstico de la vida útil del acumulador a través del algoritmo de regularización, basado en las distribuciones de Epanechnikov y en un filtro de partículas. Sumado a esto, además se muestra un modelo ( modelo #3 ) el cual logra, mediante el uso de cadenas de Markov, la caracterización futura de los fenómenos de auto-recarga. Con el propósito de establecer el valor óptimo en los parámetros de diseño del algoritmo de estimación y pronóstico se considera un caso de degradación simplificado e hipotético, donde existe una solución óptima (en el sentido de mínimo error cuadrático); la cual es analizada y comparada con la solución obtenida por el método propuesto. Como resultado, se definen los valores más apropiados para el número de partículas y realizaciones del filtro a utilizar en una implementación más general, así como la cantidad de realizaciones de la cadena de Markov que minimiza el sesgo del estimador del RUL. La validación del esquema propuesto se efectúa (mediante medidas de desempeño ad-hoc) con datos experimentales de pruebas de degradación acelerada en baterías de Ion-Li obtenidos del centro de pronóstico Nasa Ames Prognostic Center of Excellence. Los resultados reportados en este documento, muestran que la implementación del sistema de estimación y pronóstico del estado-de-salud en acumuladores de energía permite (i) un filtrado altamente exacto y preciso del proceso de degradación, debido a la detección en línea de los fenómenos de regeneración; y (ii) presenta claras mejoras en el pronóstico del fin de la vida útil del acumulador -en términos de exactitud y precisión- debido a tener mejores condiciones iniciales al momento de predecir y a la caracterización futura de los fenómenos de auto-recarga.

Ingeniero Civil Eléctrico / La búsqueda de nuevas alternativas energéticas ha impulsado el uso de sistemas de almacenamiento de energía en diversas temáticas de operación, contribuyendo a la mantención preventiva y predictiva en sistemas autónomos o teleoperados de transporte, sistemas expertos industriales, vehículos eléctricos, entre otros. Es por esto, que el desarrollo de nuevas técnicas y metodologías en acumuladores, tanto en su monitoreo como en su control, abarcan un rubro que en la actualidad tiene mayor presencia, e incluso mayor criticidad en la industria. Ante la falta de un sistema robusto que genere un valor agregado al problema de pronóstico del tiempo de corte de un acumulador, bajo diferentes escenarios, o el seguimiento del Estado de Carga con la característica de proveer información en tiempo real, se presenta el desafío de cómo utilizar información conocida para el futuro estado de un acumulador en base modelos propuestos para el proceso de descarga continuada en acumuladores de Ión-Litio. Con el objeto de solucionar esta problemática, se propone una metodología de estimación y predicción Bayesiano del Estado de Carga en un arreglo de celdas de Ión-Litio, aplicable bajo un modelo dinámico no lineal y estocástico para el proceso de descarga, garantizando una solución no necesariamente óptima, pero aproximada ante las diversas fuentes de incertidumbre presentes en el proceso que se buscan caracterizar de forma estadística, en nuestro caso, la corriente futura de descarga de la batería, las perturbaciones en datos medidos, etc. Con el fin de implementarse en tiempo real y maximizar la autonomía de una flota de bicicletas eléctricas tanto en la eficiencia de la información que se provee al usuario que toma las decisiones como en la escalabilidad de la solución en desafíos de mayor tamaño. En este trabajo se prueba y analiza un pack de baterías de 37[V] y 8[Ah] de capacidad para el desarrollo e implementación de la solución propuesta. La validación se realiza con datos reales de diferentes rutas realizadas en bicicletas eléctricas provocando resultados deseables ante la búsqueda de parámetros de diseño óptimos en la solución, principalmente por motivos de presentar una numerosa cantidad de simulaciones con datos de distinta calidad, lo que implica la acción de reajustar la solución ante análisis de sensibilidad en los resultados, los cuales se miden mediante diversas métricas de evaluación enfocadas en la exactitud y precisión de los estadísticos presentes en el Estado de Carga o En el Fin de la Descarga sobre un pack de baterías de Ión-Litio en permanente operación. Con el trabajo realizado se dan por cumplido los objetivos señalados, tales como maximizar la autonomía y la precisión de la información de monitoreo a disposición del usuario, reduciendo a su vez las fuentes de incertidumbre que obstaculizan el desempeño general del algoritmo en diversas formas y optando por el uso de múltiples realizaciones de predicción Bayesiano ante anomalías inminentes que afectan el buen funcionamiento del algoritmo.

Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Ingeniero Civil Eléctrico / Actualmente existe una gran cantidad de equipos y dispositivos que utilizan baterías como su fuente primaria o secundaria de energía. Para estos sistemas es crítico contar con información del desempeño de sus baterías, dado que este conocimiento puede ayudar a tomar decisiones apropiadas y asegurar autonomía en el tiempo. Dos importantes variables que deben ser monitoreadas son el "Estado-de-Salud" (SOH, del inglés State-of-Health) y el "Estado-de-Carga" (SOC, del inglés State-of-Charge). Este trabajo se enfoca en generar esquemas de pronóstico para ambas variables, donde se tome en cuenta la temperatura de operación. Con este propósito, se diseñaron y realizaron un conjunto de pruebas de laboratorio con celdas de Ion-Litio donde se caracterizó el impacto de la temperatura en factores tales como la energía entregada en un ciclo, la impedancia interna, o tendencia de degradación. A partir de estos datos, y esquemas existentes en la literatura, se proponen modelos empíricos para la degradación y para la descarga de una batería mediante una representación de espacio-estados, definiendo directamente un estado como el SOH y el SOC respectivamente. Las estimaciones y predicciones a largo plazo se efectúan bajo un enfoque Bayesiano, basado en el filtro de partículas. Además, se propone la implementación de lazos de control externos para corregir condiciones iniciales erróneas de los estados, y un módulo de detección de outliers para trabajar con datos perdidos o inválidos. La validación de estos esquemas se realiza con datos generados en laboratorio, además de datos de degradación publicados por NASA Ames Prognostic Center of Excellence. El esquema propuesto para el SOH es capaz de incorporar explícitamente el efecto de la temperatura de operación (bajo el concepto de "Capacidad Usable"), y estimar y pronosticar el SOH a una temperatura de referencia. Por otro lado, el esquema para el SOC fue validado incluyendo una mejor representación de la fenomenología del proceso de descarga comparada a la existente, y se deja una propuesta de cómo incluir el efecto de la temperatura en el modelo. La implementación de estos esquemas de pronóstico permite la incorporación de la temperatura de operación, que a pesar de su gran influencia en el comportamiento de las baterías es considerada constante en muchos casos presentes en la literatura; además de incluir algunas mejoras prácticas en los algoritmos de estimación. Las propuestas de este trabajo dejan las bases para avanzar en la incorporación de otros fenómenos importantes como la profundidad de descarga, o la magnitud de la corriente de descarga.