Coches Eléctricos Investigadores de Navarra desarrollan una tecnología que anticipa la degradación de las baterías antes de perder autonomía El proyecto Pridebat combina inteligencia artificial, simulaciones y ensayos reales para predecir el envejecimiento de las baterías eléctricas. El sistema permite estudiar la degradación de baterías bajo diferentes condiciones de uso. Rubén Leal 19/11/2026 08:30 Actualizado a 19/11/2026 08:30 Añadir Híbridos y Eléctricos en Google Conocer cuánto tiempo conservará sus prestaciones la batería de un coche eléctrico es uno de los grandes retos de esta tecnología. Para resolverlo, investigadores del centro tecnológico NAITEC y la Universidad Pública de Navarra (UPNA) trabajan en Pridebat, un proyecto que utiliza gemelos digitales e inteligencia artificial para anticipar cómo envejecen las baterías en diferentes condiciones de utilización.
La iniciativa, financiada por el Gobierno de Navarra y coordinada por ADItech, busca desarrollar una herramienta capaz de predecir la degradación y ayudar a fabricantes y usuarios a prolongar la vida útil de estos componentes. Un gemelo digital para saber cómo envejece una batería El proyecto Pridebat comenzó en enero de 2025 y tiene previsto finalizar en diciembre de 2027. Su objetivo es desarrollar un modelo informático que reproduzca el comportamiento de las baterías y permita anticipar su pérdida de capacidad. La clave es probar cómo se compartan las baterías en distintas situaciones y vehículos eléctricos.
Actualmente, buena parte de la información sobre degradación procede de ensayos realizados en laboratorio, donde las condiciones suelen ser más constantes que durante la utilización cotidiana de un vehículo. Sin embargo, una batería no envejece igual si se utiliza diariamente en un taxi que si permanece estacionada durante largos periodos. La temperatura, la frecuencia de recarga, la intensidad de las descargas y los niveles de energía almacenada influyen en su deterioro. Para incorporar estas variables, los investigadores están desarrollando gemelos digitales capaces de reproducir diferentes situaciones y estudiar cómo afectan a las baterías.
El proyecto se centra en tecnologías de litio-ferrofosfato (LFP), utilizadas cada vez más en coches eléctricos por su coste y características de durabilidad. El estudio se centra en las populares baterías LFP. Inteligencia artificial para predecir la vida útil de las baterías La investigación combina ensayos experimentales con modelos matemáticos e inteligencia artificial. La UPNA ha desarrollado un modelo físico del comportamiento de las baterías que posteriormente ha evolucionado hacia un sistema híbrido capaz de incorporar técnicas de aprendizaje automático.
Por su parte, NAITEC participa en la caracterización de los paquetes de baterías, la simulación del vehículo y el análisis de su comportamiento. Los ensayos contemplan diferentes temperaturas, intensidades de carga y descarga y condiciones de funcionamiento. Además, los investigadores prevén comprobar las predicciones mediante recorridos reales por Navarra a principios de 2027, utilizando vehículos instrumentados para recopilar información. El objetivo es contrastar los resultados obtenidos mediante simulaciones con los datos que ofrecen las baterías cuando funcionan fuera del laboratorio.
Una tecnología útil para los eléctricos usados y la recarga bidireccional Las posibles aplicaciones van más allá de mejorar los sistemas de gestión de baterías de los fabricantes. Conocer su degradación permitiría estimar mejor la vida útil restante, una información especialmente interesante al valorar un coche eléctrico de segunda mano. También podría ayudar a adaptar determinadas estrategias de utilización y recarga para reducir el desgaste. Otra línea de investigación estudia la tecnología V2G, que permite devolver a la red eléctrica parte de la energía almacenada en el automóvil.
En este caso, Pridebat busca analizar qué beneficios económicos puede proporcionar la recarga bidireccional y cómo influye en la degradación de la batería. No obstante, la herramienta todavía se encuentra en fase de investigación. Sus responsables esperan completar su desarrollo y validación durante 2027. Si consigue demostrar una capacidad predictiva suficiente, podría contribuir a mejorar la gestión de las baterías y proporcionar información más precisa sobre uno de los componentes más costosos de los coches eléctricos.
Temas Coches Eléctricos