Geely anunció un sistema de carga rápida respaldado por inteligencia artificial que, según afirma, no solo reduce los efectos de la carga de alta potencia, sino que también podría revertir parte del deterioro asociado a ella y aumentar hasta un 20 % la vida útil operativa de la batería. El anuncio llega mientras se intensifica en China la carrera por la carga ultrarrápida, con empresas que elevan la potencia a niveles capaces de someter a las celdas de iones de litio a presión térmica y química.
Carga del 10 % al 97 % en menos de nueve minutos
La estación de carga inteligente de quinta generación de Geely utiliza una potencia máxima de 2.250 kilovatios. En las pruebas presentadas por la empresa, una batería utilizada en el Lynk & Co 10 y el Zeekr 001 pasó del 10 % al 70 % en 4 minutos y 30 segundos, y del 10 % al 97 % en 8 minutos y 40 segundos.
Estas cifras superan, según la comparación incluida en la fuente, el rendimiento de la red de BYD con una potencia de 1.500 kilovatios, que carga una batería Blade Battery 2.0 del 10 % al 70 % en cinco minutos, y del 10 % al 97 % en nueve minutos.
Pulsos precisos para combatir la deposición de litio
Geely relaciona parte del deterioro de las baterías con la carga rápida repetida, ya que los iones de litio pueden acumularse en la superficie del electrodo negativo en lugar de penetrar en su estructura. Este fenómeno, conocido como deposición de litio, reduce gradualmente la capacidad utilizable.
La empresa afirma que la tecnología de recuperación de iones de litio mediante pulsos envía corrientes precisas a través de las celdas con el objetivo de reactivar los iones acumulados. También desarrolló una estrategia de carga lenta para el uso doméstico nocturno y sostiene que ayuda gradualmente a tratar parte del deterioro causado por la carga rápida.
Sin embargo, el 20 % no es un resultado garantizado para todos los vehículos; la propia formulación de Geely dice «hasta un 20 %», lo que lo convierte en un resultado máximo vinculado a las condiciones de prueba, no en una promesa general de una cantidad fija de vida útil adicional.
Predecir el calor antes de que se produzca
El sistema utiliza el modelo Xingrui PowerMind, desarrollado por Geely en colaboración con la empresa emergente china de inteligencia artificial StepFun. El modelo coordina el vehículo, la batería, el cargador, la nube, la red y el sistema de almacenamiento de energía de la estación.
En lugar de reducir la potencia después de que aumente la temperatura de la batería, Geely afirma que el modelo predice la tendencia térmica con unos 30 segundos de antelación y después ajusta la corriente, la refrigeración y la duración de la sesión de carga para cada vehículo y batería. La empresa tiene como objetivo una temperatura media de 55 grados Celsius durante la carga y un pico inferior a 65 grados.
Para lograrlo con una potencia de 2.250 kilovatios, la estación utiliza un sistema de refrigeración líquida de cinco puntos que incluye la batería de almacenamiento de energía, la unidad de carga, el cable, el puerto de carga y el paquete de baterías del vehículo.
Batería de 6C para los vehículos más asequibles
La Shendun Golden Battery utilizada en las pruebas del Lynk & Co 10 y el Zeekr 001 admite una tasa máxima de carga de 12C. Por su parte, la Next-Gen Ultra Short Blade Battery, dirigida a los modelos más asequibles, alcanza 6C, y Geely afirma que la soldadura láser de las pestañas y las tapas de las celdas reduce un 10 % el calor generado durante la carga.
¿Por qué es importante esta noticia?
El valor más importante del anuncio no es únicamente la cifra de potencia, sino el intento de abordar el equilibrio entre la velocidad de carga y el deterioro de la batería. Si los resultados de los pulsos precisos se confirman mediante pruebas independientes y a largo plazo, podrían permitir velocidades más altas sin depender únicamente de reducir la potencia para proteger la batería. Por ahora, las afirmaciones sobre la prolongación de la vida útil siguen estando vinculadas a los datos de la empresa, y la fuente no proporcionó detalles suficientes sobre el número de ciclos de prueba, las condiciones de medición o el grado en que los resultados pueden generalizarse a los distintos modelos.