Estimar con exactitud cuántos kilómetros podemos recorrer con un coche eléctrico es todo un record que muchas marcas no han conseguido alcanzar por ahora, ya que aunque el ordenador de a bordo indique una cierta autonomía, en la práctica, esta cifra puede ser optimista o incluso, excesivamente optimista.
En el sector, este desfase alimenta la denominada “ansiedad de autonomía”, que se ha convertido a la postre en una de las mayores barreras para la introduccion del coche eléctrico. Ahora, una nueva solución basada en Inteligencia Artificial (IA) podría aliviar este problema.
Investigadores de la Universidad de California en Riverside (UCR) han desarrollado una herramienta diagnóstica denominada State of Mission (SOM), que tiene como propósito informar al conductor si, con la carga restante, el vehículo será capaz de cumplir un trayecto concreto.
A día de hoy, el panel de un coche eléctrico muestra el porcentaje de batería disponible y una estimación de kilómetros factibles; sin embargo, esta cifra es solamente orientativa, ya que se ve influida por múltiples variables como si es conducción urbana o no, el uso excesivo del acelerador, pendientes, temperatura ambiente, etc.
Para solucionar este problema, el enfoque de SOM es distinto, de manera que cuando el usuario introduce un destino en el navegador del coche, el sistema emplea la Inteligencia Artificial para combinar diversos factores, tales como el estilo de conducción, el tráfico real, el desnivel, o la temperatura, entre otros, para determinar con precisión si la energía restante es suficiente para completar el trayecto.
Según Mihri Ozkan, profesora de ingeniería en la UCR y colaboradora del proyecto, “se trata de una medida consciente de la misión que combina datos y física para predecir si la batería puede completar una tarea planificada en condiciones del mundo real. Transforma datos abstractos de la batería en decisiones prácticas, mejorando la seguridad, la fiabilidad y la planificación para vehículos, drones y cualquier aplicación donde la energía deba adaptarse a una tarea del mundo real”.
Entre las innovaciones de SOM destaca su naturaleza híbrida, de ma nera que integra modelos físicos basados en electroquímica y termodinámica con aprendizaje automático, aprovechando las ventajas de ambos mundos y mitigando sus debilidades.
Los sistemas tradicionales de gestión de baterías suelen apoyarse en ecuaciones físicas rígidas o en modelos de IA “caja negra”, sin embargo, SOM equilibra ambos enfoques.
Para validar su eficacia, los investigadores usaron bases de datos públicas de la NASA y de la Universidad de Oxford que contienen información real sobre el comportamiento de baterías, tales como voltaje, temperatura, ciclos de carga/descarga, etc; y en comparación con herramientas convencionales, SOM redujo los errores de predicción en un 0,018 V para el voltaje, en 1,37 °C para la temperatura, y en un 2,42 % en el estado de carga estimado.
El mayor desafío de este sistema pasa su coste en procesamiento, que requiere más potencia de cálculo de la que los sistemas de gestión de baterías embebidos pueden ofrecer en la actualidad, motivo por el que los investigadores ya están trabajando en optimizarlo, de manera que pueda integrarse en aplicaciones prácticas.
Además, los creadores de SOM consideran que esta filosofía híbrida podría extenderse más allá del automóvil eléctrico, aplicándose a otros sistemas como drones, baterías de almacenamiento doméstico e incluso misiones espaciales.
