Ingeniero Civil Electricista / En la actualidad, los acumuladores de ion-litio han tomado fuerza como dispositivos de almacenamiento de energía. Su menor peso para acumular la misma cantidad de energía que otros sistemas de este tipo y su estabilidad en cuanto a seguridad se refiere, son las principales características que le entregan una fuerte ventaja competitiva.
Sin embargo, un problema importante que presenta el uso de este tipo de dispositivos tiene relación con la capacidad de predecir el fin de la vida útil de los mismos. En algunas aplicaciones específicas, como los vehículos aéreos no tripulados, resulta crítico contar con una buena estimación de este parámetro, debido al costo que conlleva el reemplazo de estas baterías y las graves consecuencias que puede traer una sobre-estimación de la vida útil remanente. La predicción de este parámetro se ve dificultada con la aparición de fenómenos de auto-regeneración espontánea que sufre el estado de salud de las baterías de ion-litio, lo cual afecta la tendencia de su degradación y puede conducir a errores considerables en la predicción de la vida útil remanente. Es posible atenuar el impacto que estos fenómenos pueden tener sobre algoritmos de estimación o pronóstico si son detectados y aislados correctamente, permitiendo que los algoritmos de predicción consideren únicamente la información que representa la tendencia de degradación de la capacidad de la batería.
El presente trabajo busca desarrollar métodos de detección de anomalías que permitan abordar el problema de incertidumbre causada por el fenómeno de regeneración mencionado; implementando módulos que utilicen métodos de detección en conjunto con algoritmos de filtro de partículas en su versión clásica y su versión sensible al riesgo. Dichos métodos deben ser capaces de identificar si un aumento en la capacidad de la batería se debe a un fenómeno de auto-regeneración o simplemente a la variación intrínseca al ruido de medición.
La investigación realizada compara cuatro métodos de detección que caracterizan empíricamente al estimador de la función de densidad de probabilidad del estado de salud del acumulador, determinando su desempeño en términos de errores de tipo I y II, precisión, exactitud y sus efectos en el sesgo de las estimaciones. Un método desarrollado consiste en la construcción de un test de hipótesis, mientras que otras tres metodologías utilizadas están basadas en medida de teoría de la información y que consisten en la medida de entropía, diferencia de entropía y el método de divergencia de Kullback-Leibler.
Los resultados de este estudio reflejan que los métodos basados en medidas de teoría de la información presentan resultados similares. Sin embargo, la metodología de medición de entropía presenta un mejor desempeño comparativo en la zona de menor tasa de falsos positivos, la cual corresponde a la zona de mayor interés si se pretende no subestimar el estado de salud de la batería.
No obstante, el método de test de hipótesis, presenta un desempeño marcadamente superior a los métodos de teoría de la información desarrollados, logrando una mayor tasa de detección para cualquier caso. Siendo consistente con el criterio de evitar la subestimación, se prefiere utilizar este método con el algoritmo de filtro de partículas clásico.
Como línea de desarrollo futuro, se propone diseñar un método de test de hipótesis alternativas (Neyman-Pearson), para caracterizar así la función de probabilidad de las regeneraciones.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/115507 |
| Date | January 2013 |
| Creators | Lacalle Alarcón, Matías Sebastián |
| Contributors | Orchard Concha, Marcos Eduardo, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Silva Sánchez, Jorge, Díaz Quezada, Marcos |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0025 seconds