Artículo especializado

El enemigo invisible de las baterías de alta potencia: El algoritmo que predice el calentamiento extremo en tiempo real

About the Author: Lucia Lucero

12 octubre 2026

3 min de lectura

Compartir:
Un nuevo método de modelado no lineal desarrollado por Martina Gallemí revoluciona la seguridad en el transporte eléctrico y ferroviario,

Un nuevo método de modelado no lineal desarrollado por Martina Gallemí revoluciona la seguridad en el transporte eléctrico y ferroviario, logrando anticipar el sobrecalentamiento crítico donde los modelos estándar tradicionales fallan.

En sectores críticos como el ferroviario y el transporte eléctrico, las baterías no son simplemente un componente de almacenamiento energético; son el corazón del sistema de seguridad. Un fallo térmico inesperado puede apagar repentinamente el sistema de señalización de una vía de tren o comprometer la tracción de un autobús eléctrico en plena marcha.

El gran desafío de la ingeniería actual reside en predecir con exactitud cómo se calientan estas celdas cuando se les exige su máximo rendimiento. Este es el problema que ha resuelto la investigadora Martina Gallemí, proponiendo un enfoque matemático disruptivo que rompe con las limitaciones de las herramientas de simulación tradicionales.

El peligro oculto del modelo lineal clásico

Históricamente, los ingenieros han recurrido a modelos térmicos lineales para predecir la evolución de la temperatura de las baterías. Aunque esta aproximación funciona de manera aceptable con corrientes bajas, se vuelve extremadamente peligrosa en escenarios de alta potencia.

A corrientes elevadas, la resistencia interna de la batería no es constante, sino que aumenta con la temperatura. Esto genera un bucle de retroalimentación térmica destructivo: a mayor temperatura, mayor resistencia, lo que genera aún más calor. Al ignorar este fenómeno, el modelo lineal estándar subestima drásticamente la velocidad de calentamiento, dando al operador una falsa sensación de seguridad cuando, en realidad, la batería se acerca peligrosamente a su límite térmico mucho antes de lo previsto.

La solución: Adaptar la física de la adsorción al comportamiento térmico

Para atrapar este comportamiento no lineal, Martina Gallemí tomó prestada una ecuación de un campo de la ciencia completamente ajeno: la teoría de la adsorción química (basada en la isoterma de Sips).

El modelo propuesto introduce un exponente no lineal ($m$) capaz de capturar con precisión milimétrica la aceleración del calor a medida que la batería se aproxima a su límite de seguridad (fijado en 60°C).

Para demostrar su viabilidad, el método se testeo bajo ensayos dinámicos simulados de descarga a tres corrientes constantes críticas (40 A, 80 A y 120 A), utilizando instrumentación estándar de adquisición de datos compuesta por termopares tipo K distribuidos en la superficie y sensores de corriente de alta precisión:

  • A baja corriente (40 A): Ambos modelos (lineal e isotérmico) se comportan de forma similar, confirmando la validez del nuevo sistema.
  • A corriente moderada (80 A): El modelo lineal empieza a desviarse notablemente, subestimando la curva de temperatura real.
  • El escenario crítico (120 A): Mientras que el modelo clásico predecía erróneamente que la batería nunca alcanzaría su límite de 60°C en una hora, la realidad (y el modelo no lineal propuesto) demostraron que la batería alcanza el límite térmico crítico en apenas 30 minutos.

Resultados con precisión científica

El modelo no lineal propuesto no solo logró capturar el calentamiento acelerado, sino que ofreció una tasa de precisión asombrosa: un error inferior al 2% en la predicción del tiempo de llegada al límite de seguridad frente a los datos reales de ensayo (frente al fallo absoluto del modelo clásico).

Este hito representa una herramienta de valor incalculable para los ingenieros de diseño de sistemas de respaldo ferroviario y vehículos eléctricos. Al simplificar un proceso térmico extremadamente complejo a solo dos parámetros monitorizables en tiempo real, el transporte del futuro da un paso de gigante hacia un entorno operativo inmune al fallo térmico.

¿Te interesa saber más sobre esta tecnología?

Si quieres profundizar en los detalles técnicos de este innovador sistema de monitorización y recibir el documento completo de la investigación, por favor, rellena el siguiente formulario y te lo enviaremos directamente a tu correo electrónico.

En la cadena de suministro farmacéutica y de distribución (GDP), la monitorización continua de la temperatura y la humedad no es solo un requisito normativoMonitorización Continua GxP: Cómo eliminar los vacíos de datos y asegurar el cumplimiento de la cadena de frío con Vaisala viewLinc
Mitos del mantenimiento predictivo: Por qué la IA no sustituirá al analista expertoMitos del mantenimiento predictivo: Por qué la IA no sustituirá al analista experto