Predictive eBoost, proyecto para mejorar los motores y las baterías de los vehículos eléctricos del futuro
RODIN: Métodos robustos de inferencia estadística, integridad de los datos y gestión de la interferencia en redes de comunicaciones y aplicaciones 5G
abril 22, 2022
BIOPHOCH: Fotónica y machine learning para el diagnóstico de enfermedades visuales, neurológicas y hematológicas
abril 8, 2022El inLab FIB, el laboratorio de innovación e investigación de la Facultad de Informática de Barcelona, de la Universitat Politècnica de Catalunya (UPC) colabora con SEAT y el Volkswagen Group Innovation (Wolfsburg, Alemania) en el proyecto Predictive eBoost.
Este proyecto pone el foco en diseñar nuevas estrategias, basadas en algoritmos de machine learning y en el análisis de datos, para mejorar la eficiencia y el rendimiento de los motores y las baterías de los vehículos eléctricos.
¿Cuáles son las estrategias actuales?
Las baterías de los vehículos eléctricos son cada vez más potentes y tienen más autonomía, pero también necesitan una gestión térmica adecuada. Las estrategias actuales solo tienen en cuenta la temperatura de los componentes del vehículo para decidir cuando enfriarlos o calentarlos.
Datos y machine learning como vías de mejora
El enfoque de Predictive eBoost consiste a usar información del trayecto del vehículo, como la pendiente de la vía o la velocidad de circulación, para decidir cuando activar la refrigeración de la batería y, así, poder mejorar las estrategias actuales. Este modelo de aprendizaje automático permitirá lograr unos mejores criterios de eficiencia y de consumo.
¿Por qué un vehículo tendría que invertir energía en enfriar la batería, si en pocos minutos encontrará una pendiente prolongada en la cual se podrá enfriar sola? Si se pudiera saber que se acerca una aceleración importante, ¿no sería mejor preparar el vehículo con antelación para mitigar el esfuerzo que tendrá que hacer? Estas, entre otras, son algunas de las preguntas a las que se busca dar respuesta en este proyecto.
Tener en cuenta no solo la temperatura de los componentes del vehículo, sino también su estado, el del entorno y el del trayecto, permite optimizar el rendimiento y el consumo de la batería para aumentar su autonomía y vida útil, y minimizar el impacto medioambiental. En este sentido, los resultados de este proyecto supondrán un paso adelante importante en la implantación del vehículo eléctrico, puesto que permitirán alargar la distancia recorrida sin necesidad de pararse, a la vez que proporcionarán una experiencia de conducción más satisfactoria.
Firma del acuerdo de colaboración y configuración del equipo I+D
La investigación está encabezada por el Dr. Gerhard Lux, de SEAT , y por Marc Duevel, de Volkswagen Group Innovation, y cuenta con el liderazgo, por parte de la Universitat Politècnica de Catalunya · BarcelonaTech (UPC) del profesor Ernest Teniente, director del inLab FIB de la UPC.
Sector
¿Quieres saber más?
Proyectos Relacionados
- El laboratorio de innovación e investigación de la Facultad de Informática de Barcelona (inLab FIB) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) participa, junto a la empresa de distribución Assolim, en el diseño de una prueba de concepto para crear rutas optimizadas por cada vehículo para el transporte a demanda.
- 30/01/2024Project Headerrightno-repeat;left top;;auto20px Un equipo multidisciplinario de la Universitat Politècnica de Catalunya – BarcelonaTech (UPC) trabaja en el proyecto europeo AI – Enhanced Fibre -Wireless Optical […]
- Investigadores del CD6 de la UPC participan en un proyecto para diseñar y construir una prueba de concepto de un sistema dotado de tecnología láser y sensores para detectar y mapear el entorno submarino.
- El laboratorio de innovación e investigación de la Facultad de Informática de Barcelona (inLab FIB) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) participa en el proyecto EBRT2030. El objetivo es crear una nueva generación de Buses europeos de Tránsito Rápido (BRT, Bus Rapid Transit), urbanos y periurbanos, totalmente eléctricos y dotados de nuevas funcionalidades de automatización y conectividad, para hacer el transporte urbano más sostenible y respetuoso con el medio ambiente, y reducir así el coste por kilómetro y pasajero, el TCO (Total Cost of Ownership), las emisiones de efecto invernadero y la congestión del tránsito.
