Optimización multiobjetivo de un modelo fenomenológico para el empaquetamiento de baterías de litio mediante programación genética

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 bater...

Full description

Bibliographic Details
Main Author: Aguilar Aguilera, Nicolás Manuel
Other Authors: Estévez Valencia, Pablo
Language:es
Published: Universidad de Chile 2019
Subjects:
Online Access:http://repositorio.uchile.cl/handle/2250/170633
Description
Summary: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.