Cómo Porsche Engineering usa IA, ZVS y ARCP para hacer más eficientes los inversores de vehículos eléctricos

Porsche Engineering usa IA con ZVS y ARCP para optimizar la conmutación suave del inversor en vehículos eléctricos, reduciendo pérdidas hasta 95% y tamaño 50%.

Porsche Engineering recurre a la inteligencia artificial para exprimir la eficiencia de los eléctricos, empezando por una pieza crítica y, sin embargo, a menudo infravalorada del sistema de propulsión: el inversor. Una parte importante de las pérdidas de energía en los trenes motrices eléctricos se produce durante la conmutación de los transistores de potencia, con impacto directo en la autonomía, la carga térmica y el tamaño de los componentes.

La nueva estrategia se apoya en el principio de la conmutación suave. A diferencia de la conmutación dura tradicional, donde corriente y tensión se solapan durante la transición, la conmutación suave busca minimizar su producto controlando con precisión los instantes de encendido y apagado de los transistores. En la práctica, el cambio se realiza cuando la tensión o la corriente están cerca de cero.

Porsche Engineering ha optado por Zero Voltage Switching (ZVS), un método especialmente adecuado para cargas inductivas como los motores eléctricos. ZVS también encaja con los transistores de potencia de carburo de silicio y de nitruro de galio, cada vez más presentes en vehículos eléctricos por su eficiencia a frecuencias de conmutación más elevadas.

En el núcleo del planteamiento está la topología de inversor Auxiliary Resonant Commutated Pole (ARCP). Aunque ARCP es conocida en electrónica de potencia desde hace décadas, su uso en inversores de tracción se ha visto limitado por la complejidad de controlarlo cuando las condiciones de funcionamiento cambian con rapidez. No extraña que la clave esté en el control: ahí es donde entra en juego la inteligencia artificial.

Un algoritmo de IA preentrenado procesa en tiempo real decenas de parámetros del vehículo, como carga, par y temperatura. Con esos datos calcula en fracciones de segundo los instantes óptimos de conmutación de los transistores de potencia. Porsche Engineering evalúa tanto redes neuronales recurrentes, conocidas por su elevada capacidad de predicción, como métodos de aprendizaje por refuerzo, que ofrecen ventajas en aplicaciones exigentes en tiempo real.

Las simulaciones apuntan a una ganancia de eficiencia notable. Las pérdidas por conmutación en los transistores de potencia pueden reducirse entre un 70 y un 95 por ciento. Según las condiciones de conducción, eso se traduce en un aumento perceptible de la autonomía y en menos calor generado en el inversor. Con menor estrés térmico, basta con sistemas de refrigeración más contenidos y diseños de inversor más compactos, con reducciones de volumen global del 20 al 50 por ciento. La conmutación más suave también alivia la carga sobre los transistores de potencia, con el potencial de alargar su vida útil.

El algoritmo de control basado en IA ya está en una fase avanzada de desarrollo. Una vez finalizado, Porsche Engineering tiene previsto ofrecer la tecnología como una solución basada en software. Entregada como bibliotecas, puede integrarse en unidades de control existentes con modificaciones de hardware relativamente menores, lo que la hace apta tanto para actualizaciones de modelos como para plataformas de vehículos eléctricos totalmente nuevas. Una vía pragmática que facilita su adopción.