Análisis de Controles PID y MPC en la Regulación de la Temperatura de Baterías en Vehículos Eléctricos

Abstract

La creciente adquisición de vehículos eléctricos (EV) ha destacado la importancia de una gestión térmica eficiente en las baterías de iones de litio, ya que su temperatura influye de manera directa en el rendimiento, la seguridad y la vida útil de la misma. Este estudio evalúa y compara dos estrategias de control avanzado que son el PID (Proporcional-Integral-Derivativo) y MPC (Control Predictivo basado en Modelos) usados para optimizar la regulación térmica en estas baterías. Mediante simulaciones en Simulink/Matlab, se analiza su eficiencia en distintos escenarios operativos, considerando variables como carga, descarga y condiciones ambientales. El control PID, ampliamente utilizado por su simplicidad y robustez, se contrasta con el MPC, que utiliza modelos predictivos para anticipar cambios y ajustar el sistema de forma proactiva. Los resultados demuestran que el MPC supera al PID en precisión y adaptabilidad, especialmente en entornos dinámicos, reduciendo oscilaciones y mejorando la estabilidad térmica. Además, el MPC muestra mayor eficiencia energética, un factor clave para extender la autonomía de los EV. Esta investigación aporta soluciones prácticas para la industria, subrayando que, aunque el PID sigue siendo viable por su bajo coste computacional, el MPC representa una alternativa superior en sistemas que requieren alta eficiencia y capacidad de adaptación. Los hallazgos contribuyen al desarrollo de vehículos eléctricos más sostenibles y confiables, alineados con los objetivos de descarbonización del transporte. The growing adoption of electric vehicles (EVs) has underscored the importance of efficient thermal management in lithium-ion batteries, as temperature directly impacts performance, safety, and lifespan. This study evaluates and compares two advanced control strategies—PID (Proportional-Integral-Derivative) and MPC (Model Predictive Control)—to optimize thermal regulation in these batteries. Using Simulink/Matlab simulations, their efficiency is analyzed under various operational scenarios, including charging, discharging, and environmental conditions. The widely used PID control, known for its simplicity and robustness, is contrasted with MPC, which employs predictive models to proactively adjust the system. Results demonstrate that MPC outperforms PID in precision and adaptability, particularly in dynamic environments, reducing oscillations and improving thermal stability. Additionally, MPC exhibits higher energy efficiency, a critical factor in extending EV range. This research provides practical insights for the industry, highlighting that while PID remains viable due to its low computational cost, MPC is a superior alternative for systems requiring high efficiency and adaptability. The findings contribute to the development of more sustainable and reliable electric vehicles, aligning with global decarbonization goals in transportation.