Coches & motos & Camiones

SEA Electric, la empresa australiana que transforma camiones de combustión en eléctricos

SEA Electric es una empresa australiana que fabrica y convierte vehículos comerciales en camiones eléctricos, con especial atención a vehículos de servicio mediano como el SEA 300 EV y  SEA 500 EV. Estos camiones se construyen con su tecnología patentada Sea-Drive™, que integra un sistema de propulsión eléctrico en un chasis de camión tradicional.

Es una empresa con sede en Melbourne (Victoria, Australia), especializada en el desarrollo de trenes motrices 100% eléctricos que se pueden instalar en plataformas donantes, convirtiendo vehículos de combustión en eléctricos.

Tony Fairweather fundó SEA Electric en 2012, donde se desempeñó como director ejecutivo hasta 2024. La firma se centró en reinventar la tecnología de vehículos a través de una gama de sistemas de energía eléctrica patentados, que más tarde calificó como SEA-Drive. Tiene una Licenciatura en  Ingeniería Mecánica, una Maestría en Innovación Empresarial y una Maestría en Administración de Empresas en negocios internacionales, todos de la Universidad de Tecnología de Swinburne. Además, se graduó del Instituto Australiano de Directores de Empresas, lo que mejoró aún más sus habilidades de liderazgo, y es miembro de la American Business Association.

"La visión de SEA es que cada vehículo comercial del mundo que viaje al menos  200 km por día tenga cero emisiones". Esto afectaría a la mayoría de los 350 millones de vehículos comerciales que operan en todo el mundo.

Las unidades tractoras están propulsadas por el sistema SEA-Drive Power-System de SEA Electric, que está disponible en varios kits de potencia para adaptarse a aplicaciones que van desde vehículos con permiso de circulación de 4,5 toneladas hasta chasis de 3 ejes de 22,5 toneladas. La carga eléctrica  del SEA-Drive Power-System puede realizarse mediante alimentación trifásica de 415 V a través del equipo de carga. No obstante, la carga de corriente continua (rápida) también está disponible opcionalmente en los vehículos.

SEA Electric expande presencia global

El mercado norteamericano, recientemente se convirtió en el nuevo hogar de SEA Electric con sede en California, tiene la capacidad más alta de acondicionamiento a 60.000 unidades por año. La adición de un Des Moines Technical Center y oficinas planificadas en Chicago, Brooklyn y Miami representa el compromiso de SEA Electric con el mercado.

"Nuestros acuerdos en Estados Unidos van un paso adelante", dijo Walker (vicepresidente de Asia Pacífico de SEA Electric). "Estamos utilizando SKD* y el ensamblaje local de kits glider (chasis nuevo sin motor ni transmisión) para definir la referencia de los programas en curso en Norteamérica y otros mercados de SEA Electric en todo el mundo". Como ejemplo, cuando los contenedores llegan para el ensamblaje SKD en Estados Unidos, toda la electrificación es realizada por instaladores autorizados, utilizando únicamente la tecnología y la marca del sistema de energía SEA-Drive®.

El proceso de construcción de camiones con kits SKD o chasis glider ofrece múltiples ventajas sobre la opción de repotencialización, incluyendo menor costo, tiempos de construcción más rápidos y menos desperdicio.

*SKD : "Semi Knocked-Down" se refiere a una estrategia de envío para productos, especialmente vehículos, en la que los componentes se envían parcialmente desmontados y se ensamblan en el lugar de destino. Este método ofrece una alternativa para enviar productos completamente ensamblados (CBU) o completamente desarmados (CKD).

 En resumen, ampliamente reconocido como líder del mercado en la electrificación de vehículos comerciales a nivel mundial, SEA Electric tiene una presencia global, desplegando productos en seis países, incluidos los Estados Unidos, Australia, Nueva Zelanda, Tailandia, Indonesia y Sudáfrica. La compañía ha recogido más de un millón de millas de operaciones internacionales probadas por OEM  (Original Equipment Manufacturery) en servicio de forma independiente.  Las ventas globales de la compañía, la postventa y la ingeniería están representadas en todas las filiales, mientras que América del Norte, tiene la mayor capacidad de equipamiento 60.000 unidades por año.

La tecnología

Mewan Jayatilake, Gerente de Repuestos y Servicios Técnicos de SEA-Electric, forma parte del equipo de 17 ingenieros que participan en el proyecto, trabajando en las áreas de electricidad, mecánica y mecatrónica.

Jayatilake afirma que la tecnología patentada de control de motores de SEA Electric, la composición química de sus baterías y la ubicación de sus componentes son áreas clave en las que la empresa se sitúa por delante de sus competidores.

"Estamos a la vanguardia de la tecnología en este momento, ya que los camiones eléctricos no son necesariamente muy conocidos en el mercado. Somos los primeros en tener clientes reales en el campo con nuestros camiones eléctricos", afirma.

"Nuestra tecnología es ligeramente diferente a lo que se ve o se oye en otros lugares. Nuestras baterías tienen una composición química diferente. Nuestros motores no son los motores de inducción estándar que se encontrarían en cualquier otra conversión de vehículos eléctricos. Todos los componentes auxiliares de transición, que antes se accionaban por correa, ahora se accionan mediante electricidad.

"Un motor o una bomba también se alimentan con electricidad en lugar de un sistema accionado por correa. Todo esto significa que, desde una perspectiva tecnológica e ingenieril, los camiones que fabricamos se superponen muy poco entre sí.

Jayatilake afirma que los vehículos también utilizan una configuración de transmisión directa.

"No tenemos diferencial de dos velocidades ni caja de cambios de ningún tipo", explica.

"El motor es el que gestiona todo, desde cero kilómetros por hora hasta 80 o 110, sea cual sea el límite elegido para la plataforma. Todo se entrega de forma continua.

Eso significa que los motores deben tener un par de arranque y un par de funcionamiento elevado, pero no un número muy elevado de revoluciones por minuto (RPM). "Por ejemplo, un motor eléctrico Tesla puede alcanzar unas 18.000 o 20.000 RPM, mientras que nuestros motores alcanzan un máximo de 4.000 RPM, pero tenemos un par motor aproximadamente cuatro veces mayor desde el principio", afirma Jayatilake.

"Como nuestros motores producen un par motor mucho mayor a bajas revoluciones, las baterías necesitan descargar su energía a un ritmo más lento. Esto se traduce en componentes de larga duración".

La fórmula correcta

La composición química de las baterías es un aspecto clave donde SEA Electric se distingue del resto de vehículos eléctricos pesados. La compañía utiliza una composición química de iones de litio, níquel, manganeso y cobalto que, según afirma, proporciona un excelente equilibrio entre almacenamiento de energía, longevidad, rendimiento y seguridad.

"Nuestra composición química de baterías es de tipo NMC [níquel, manganeso y cobalto], por lo que no necesitan refrigeración por agua ni ningún tipo de refrigeración activa", afirma Jayatilake.

"No suelen calentarse, pero la gestión térmica se gestiona mediante descargas de energía muy lentas que, por naturaleza, generan menos calor".

Explica que la ubicación de las baterías es otro punto diferenciador, ya que tanto las baterías como el sistema de alimentación están alejados del eje de dirección, lo que permite una mejor distribución del peso y una mejor dinámica de conducción.

"Si observas cualquiera de los camiones eléctricos de la competencia, verás que las baterías cuelgan del lateral de los rieles principales del chasis", afirma Jayatilake.

Mientras que en nuestro camión, el motor, las baterías, la distribución de potencia… todo está en la línea central. Esto proporciona una gran estabilidad en las curvas. Todo está equilibrado y el camión se siente cómodo cuando su masa está en la línea central.

En caso de accidente o colisión con impacto lateral, la batería también está muy bien protegida no solo por los rieles del chasis, sino también por otros componentes auxiliares que suelen estar fijados a los rieles del chasis en el lateral.

Se verificó que la producción  de SEA Electric, de un camión por semana, aumentó a seis unidades semanales a finales de 2022, con el objetivo de 2500 unidades anuales en  2025.

Ricardo Berizzo

Ingeniero Electricista                                                                2025.-

Cómo se mide el estado de carga (SoC) de un banco de baterías de litio

La cantidad de energía utilizable en una batería se expresa como estado de carga, o SoC. El valor oscila entre 0 y 100%, donde 0% significa que la batería está completamente descargada y 100% significa que la batería está completamente cargada y, según el tipo de BMS, también completamente equilibrada.

Introducción

Existen varios métodos para medir y calcular el SoC:

a.- Basado en el voltaje de la batería

Ventajas: Método simple de medición.

Desventajas:

-Solo funciona cuando la batería está en reposo

-No funciona bien con LiFePO4 ya que esta tecnología tiene casi el mismo voltaje entre los SoC 40% y 80%.

b.- Basado en la medición del equilibrio químico.

Ventajas: Preciso

Desventajas:

-Método invasivo que requiere la apertura de la célula.

-Difícil de aplicar

c.- Medición de la corriente que entra o sale del paquete de baterías

Este método se llama conteo de culombio. Básicamente es la integración de las corrientes medidas a lo largo del tiempo. Por ejemplo, si el sistema mide una corriente de descarga de 2A durante 4 horas, se tiene una descarga total de 2A x 4h = 8Ah.

Ventajas:

-Cuando el medidor de corriente es preciso, el SoC también es bastante preciso

-No invasivo, fácil de medir.

Desventajas:

-Solo funciona si la medición actual es precisa

-Si el BMS (Battery Management System) no sincroniza el SoC con frecuencia, es posible que el SoC ya no sea preciso.

1.- Métodos de aplicación

1.1 Métodos de voltaje y OCV (Open Circuit Voltaje)

El método de voltaje de circuito abierto es una de las formas más directas de medir el estado de carga de las baterías de litio. Se mide el voltaje en los terminales de la batería después de que esta se encuentre en reposo, lo que permite que el voltaje se estabilice. Este voltaje se correlaciona con el estado de carga de la batería de litio, especialmente en químicas como LCO, NMC y LiFePO₄. El método de voltaje de circuito abierto es simple, rentable y adecuado para la estimación del estado de carga en tiempo real en sistemas de gestión de baterías.

1.2 Conteo de Coulomb

El conteo de Coulomb, también conocido como método integral amperio-hora, estima el estado de carga integrando la corriente que entra y sale de la batería a lo largo del tiempo. Se parte de un estado de carga inicial conocido y se registra cada evento de carga y descarga. Este método es sencillo y fácil de implementar en sistemas de gestión de baterías.

Sin embargo, estudios empíricos demuestran que el conteo de Coulomb presenta errores acumulativos debido al ruido del sensor, imprecisiones en la medición de la corriente e incertidumbres en la capacidad de la batería.

El conteo de Coulomb es más adecuado para aplicaciones donde se puede restablecer frecuentemente el estado de carga, como en electrónica de consumo o dispositivos médicos.

1.3 Impedancia

La medición de impedancia, especialmente la espectroscopia de impedancia, ofrece una forma eficaz de medir el estado de carga de las baterías de litio. Se aplica una pequeña señal de CA, corriente alterna, a la batería y se analiza la respuesta para determinar la resistencia interna y otras propiedades electroquímicas. La espectroscopia de impedancia es sensible a los cambios en el estado de carga de las baterías de litio, su envejecimiento y la temperatura.

Los análisis estadísticos muestran que los métodos de estimación del estado de carga basados en la impedancia alcanzan tasas de precisión superiores al 90 % en diferentes tipos de baterías y temperaturas. Estos métodos son robustos y pueden detectar cambios sutiles en el estado de la batería, lo que los hace valiosos para infraestructuras críticas, sistemas de seguridad y aplicaciones industriales. La medición de impedancia es especialmente útil para la monitorización de grandes paquetes de baterías de iones de litio, donde la fiabilidad es fundamental.

1.4 Aprendizaje automático y basado en modelos

La estimación del estado de carga (SOC) basada en modelos utiliza modelos matemáticos, como modelos de circuitos equivalentes o modelos electroquímicos, para predecir el estado de carga de una batería de litio basándose en datos de voltaje, corriente y temperatura. Algoritmos de filtrado avanzados, como el Filtro de Kalman Extendido, mejoran la precisión al corregir dinámicamente errores de medición y no linealidades de la batería.

Los enfoques de aprendizaje automático, como las redes neuronales y el aprendizaje profundo, han revolucionado la estimación del estado de carga (SOC). Estos modelos se pueden entrenar con grandes conjuntos de datos de baterías de iones de litio reales para capturar relaciones complejas entre las señales de entrada y el estado de carga. Estudios de caso confirman que los métodos de aprendizaje automático, como RNARX-LSA y LSTM, logran errores cuadráticos medios inferiores al 1%, superando a los enfoques tradicionales basados en modelos y métodos de voltaje de circuito abierto.

(El método RNARX-LSA combina modelos de Red Neuronal Recurrente (RNN), Red Neuronal Recurrente con entrada de retardo (RX), y Redes Neuronales de Largas y Cortas Distancias de Memoria (LSA)) 

(LSTM (Memoria a Largo Corto Plazo) es un tipo de red neuronal recurrente (RNN) diseñada para procesar y predecir secuencias de datos, como texto o series temporales)

-El método RNARX-LSA ofrece consistentemente un RMSE inferior al 1 % en diferentes temperaturas, ciclos de envejecimiento y tasas de descarga.

-Las redes neuronales MLP y LSTM mantienen una alta precisión incluso con datos de entrenamiento limitados, lo que las hace robustas para diversas aplicaciones.

-Los modelos de aprendizaje automático se adaptan al comportamiento no lineal de las baterías y a las fluctuaciones de temperatura, proporcionando una estimación fiable del estado de carga (SOC) para vehículos eléctricos, almacenamiento en red y paquetes de baterías industriales a gran escala.

Un filtro de Kalman es un algoritmo matemático que estima el estado de un sistema dinámico a partir de mediciones ruidosas e incompletas, utilizando un proceso recursivo de dos pasos: predicción y actualización. Sirve para obtener estimaciones precisas y suavizadas de la posición, velocidad u otros parámetros de un objeto, incluso cuando los datos de los sensores son imprecisos.

Los filtros Kalman se introdujeron en 1960 para proporcionar una solución recursiva al filtrado lineal óptimo tanto para problemas de observación de estado como de predicción. En comparación con otros enfoques de estimación, el filtro de Kalman proporciona automáticamente límites de error dinámicos en sus propias estimaciones de estado. El filtro Kalman extendido se aplica para estimar el SOC directamente para un paquete de baterías de litio. Se supone que la relación entre la batería OCV y SOC es aproximadamente lineal, y varía con la temperatura ambiente. Esta suposición coincide con el comportamiento real de la batería. Una batería se modela como un sistema no lineal con el SOC definido como un estado del sistema y, por lo tanto, se puede aplicar el filtro Kalman extendido.

Al modelar el sistema de batería para incluir las cantidades desconocidas deseadas (como SOC) en su descripción de estado, el filtro Kalman estima sus valores y da límites de error en las estimaciones. Luego se convierte en una técnica de estimación de estado basada en modelo que emplea un mecanismo de corrección de errores para proporcionar predicciones en tiempo real del SOC.

Se puede extender para aumentar la capacidad de la estimación de SOH (estado de salud) en tiempo real utilizando el filtro de Kalman extendido. En particular, el filtro de Kalman extendido se aplica cuando el sistema de batería no es lineal y se necesita una etapa de linealización. Aunque el filtrado de Kalman es un método en línea y dinámico, necesita un modelo adecuado para la batería y una identificación precisa de sus parámetros. También necesita una gran capacidad de cálculo  computacional  y una inicialización precisa.

Parte 2: Comparación y selección de métodos

2.1 Precisión y practicidad

Al evaluar los métodos de estimación del estado de carga (SOC) para el estado de carga de baterías de litio, es fundamental encontrar un equilibrio entre la precisión y la practicidad en situaciones reales.

El conteo de Coulomb proporciona lecturas precisas del estado de carga a corto plazo, pero la desviación del sensor y los errores de calibración inicial pueden causar imprecisiones a largo plazo.

Los métodos de voltaje de circuito abierto ofrecen simplicidad, pero la temperatura y el envejecimiento de la batería pueden afectar los resultados.

Enfoques avanzados, como el filtrado de Kalman y el aprendizaje automático, proporcionan una estimación robusta y precisa del estado de carga. Por ejemplo, algoritmos híbridos que utilizan filtros de Kalman y redes neuronales han logrado errores cuadráticos medios inferiores al 0,5 % en ciclos de prueba dinámicos, lo que permite una alta precisión y la monitorización de la batería en tiempo real.

Estos métodos se adaptan bien a los cambios de temperatura y composición química de las baterías, lo que los hace adecuados para aplicaciones industriales, de infraestructura y de vehículos eléctricos.

2.2 Ventajas y desventajas

Puede comparar los principales métodos de estimación del estado de carga para el estado de carga de baterías de litio utilizando la siguiente tabla:

Conclusión

Debe seleccionar un método de estimación del estado de carga (SOC) según los requisitos de su aplicación para el estado de carga de la batería de litio. Para sistemas de almacenamiento de energía estacionarios o de respaldo, los métodos de voltaje de circuito abierto pueden ser suficientes. En electrónica de consumo o dispositivos médicos, el conteo de culombios ofrece seguimiento en tiempo real, pero requiere calibración regular.

Para vehículos eléctricos, robótica y baterías industriales, la estimación del estado de carga  basada en modelos o híbrida garantiza la precisión del estado de carga en condiciones dinámicas. 

Ricardo Berizzo

Ingeniero Electricista                                                                        2025.-