Investigadores del Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST, por su acrónimo en inglés) han desarrollado un algoritmo capaz de detectar el sonido del sobrecalentamiento de una célula de batería de iones de litio. Esta tecnología proporciona un sistema crítico de alerta temprana contra incendios catastróficos de baterías.
Mediante una red neuronal convolucional, los investigadores del NIST crearon un programa informático capaz de identificar con precisión del 94% el ruido característico de una célula de batería de iones de litio recalentándose.
La investigación se basa en estudios anteriores sobre la «acústica de ventilación» en baterías de iones de litio, que identificaron el sonido de la rotura de una válvula de seguridad con una precisión del 92%. Se trata de un «chasquido» emitido cuando se rompe la válvula de seguridad de una batería, normalmente unos dos minutos antes del encendido. El sector de la energía solar también ha estudiado el análisis de sonido para la detección precoz de averías en los inversores.
Fuente del video: NISTPara el estudio «Development of a Robust Early-Stage Thermal Runaway Detection Model for Lithium-ion Batteries» (Desarrollo de un modelo robusto de detección temprana de fugas térmicas para baterías de iones de litio), los investigadores del NIST colaboraron con la Universidad de Ciencia y Tecnología de Xi’an (China) para realizar 38 «pruebas de abuso térmico» en baterías monocelulares de iones de litio.
Estos experimentos simulaban condiciones extremas, como el sobrecalentamiento, para observar la progresión de los eventos de fuga térmica. El estudio se centró en 18.650 baterías de iones de litio, habituales en ordenadores portátiles y vehículos eléctricos. Cada batería probada tenía un ánodo de grafito, un cátodo de LiNiCoAlO2, una capacidad nominal de 3,2 Ah y un voltaje de 3,7 V.
El equipo grabó meticulosamente los sonidos generados durante cada evento de embalamiento térmico, centrándose en el característico «clic-silbido» de la rotura de la válvula de seguridad. Mediante el estudio de las características sonoras de los 38 eventos grabados, los investigadores identificaron patrones acústicos únicos que indican de forma fiable un desbocamiento térmico inminente.
Para garantizar que el algoritmo pudiera distinguir estos sonidos del ruido de fondo, el equipo aplicó técnicas avanzadas de aprendizaje automático. Entrenaron la red neuronal convolucional utilizando un conjunto de datos diverso que incluía los sonidos grabados de la batería y muestras aumentadas. Ajustando el tono y la velocidad de las grabaciones, crearon más de 1.000 muestras de audio únicas para simular diversos escenarios del mundo real.
«Intentamos confundir al algoritmo con todo tipo de ruidos, desde grabaciones de gente caminando hasta puertas que se cierran o latas de Coca-Cola que se abren», explica el Dr. Wai Cheong “Andy” Tam, uno de los investigadores principales. A pesar de estas dificultades, el algoritmo logró un 94% de aciertos en la identificación del sonido de rotura de la válvula de seguridad, lo que lo convierte en un candidato prometedor para su integración en sistemas de alerta temprana.
Imagen: NIST
En la imagen superior, las señales acústicas del Experimento 30 muestran cómo el algoritmo distingue los distintos sonidos del suceso crítico de la rotura de una válvula de seguridad. El gráfico superior (3a) muestra varios ruidos: susurros, accionar un interruptor de la luz, mover la cámara, cerrar una puerta, utilizar un martillo y el encendido de una batería. La rotura de la válvula de seguridad se caracteriza por su gran amplitud y su oscilación prolongada, que la distinguen de los picos agudos y singulares de un interruptor y de las oscilaciones más complejas de un martillazo.
Los investigadores han solicitado la patente de su dispositivo. También están estudiando mejoras, como pruebas con distintos tipos de batería y la incorporación de micrófonos alternativos para aumentar la precisión y versatilidad del sistema.
La necesidad de sistemas avanzados de detección de incendios en baterías es cada vez más urgente, sobre todo después de incidentes tan sonados como el incendio de una batería en Arizona en 2019. En ese suceso, un contenedor de transporte lleno de baterías explotó, hiriendo a ocho bomberos y un agente de policía. La explosión dejó inconsciente a todo el equipo, y un bombero salió despedido más de 20 metros por la fuerza de la explosión.
Una innovación de seguridad desarrollada en respuesta a este tipo de incidentes es la detección remota de «desgasificación», que permite expulsar los gases de los contenedores de almacenamiento de baterías antes de que puedan inflamarse. En los experimentos del NIST, el proceso de desgasificación es visible en el vídeo tras la rotura de la válvula de seguridad. Esta acumulación de gases fue la causa principal de la explosión de Arizona cuando se abrió el contenedor.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.