El director de orquesta para baterías: cómo las baterías viejas suenan de nuevo exprés
Las baterías agotadas de los coches eléctricos se comportan como músicos caprichosos: uno toca más fuerte, otro más bajo, otro se desafina sin motivo. Montar una batería con ellas al azar es obtener una cacofonía: unas celdas se sobrecargan, otras están paradas, y el sistema falla rápidamente.
Los ingenieros convirtieron este problema en una tarea para un director de orquesta. El algoritmo prueba diferentes disposiciones de las celdas para que su variación en capacidad, entrega de corriente y autodescarga se anule mutuamente, como notas falsas que se funden en un acorde. Los objetivos son el voltaje y la potencia deseados. El algoritmo no teme los errores de medición: asume el peor caso. En celdas viejas reales para un acumulador doméstico (10 kW·h), la optimización siempre dio una batería funcional, mientras que las clasificaciones simples no. Sorprendentemente, la mezcla intencionada de celdas «buenas» y «malas» redujo la variación interna en un 76–87%, como en una orquesta donde los músicos experimentados cubren a los novatos.
Este enfoque reduce la huella de carbono y ayuda a acumular energía de los paneles solares: cuanto menos desorden en el montaje, más tiempo dura.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2607.12951
The growing supply of retired electric vehicle batteries presents an opportunity for second-life stationary energy storage, but assembling heterogeneous retired cells into reliable packs is challenging due to substantial variation in capacity, DC internal resistance (DCIR), and self-discharge. This paper proposes a robust optimization framework for cell-to-pack assembly of second-life batteries. A topology-screening stage first identifies minimum-cell series-parallel configurations satisfying inverter and energy requirements, reducing the dimensionality of the subsequent assignment problem. For each candidate topology, a mixed-integer linear program selects cells and assigns them along the series string, enforcing power, voltage, and energy requirements as hard constraints while minimizing a normalized, weighted sum of DCIR spread, capacity spread, and self-discharge imbalance. Additionally, measurement uncertainty in capacity and DCIR is modeled as bounded intervals to guarantee feasibility under worst-case parameter deviations. The framework is evaluated on four heterogeneous inventories for a 10 kW/10 kWh stationary backup application. The proposed method satisfies all feasibility requirements in every case, while single-metric sorting heuristics each fail on at least one inventory. Relative to the best single-metric baseline by objective value, it reduces the normalized mismatch objective by 76-87%, demonstrating that jointly optimizing cell matching with application-level feasibility requirements improves heterogeneous second-life pack assembly under screening uncertainty.
Para 2030, las baterías retiradas de los coches eléctricos podrían almacenar más de 200 GW·h de energía, suficiente para la alimentación de reserva de toda una megaciudad.