Tesis en La Aplicación de Ia para Predecir La Vida

**Estamos buscando a la persona que nos ayude a seguir construyendo tecnología y un equipo que marque un diferencial en el mundo de las baterías**.

Estarás en el equipo de especialización de Gestión de Energía perteneciente al área de conocimiento de Almacenamiento y Gestión de Energía de IKERLAN donde abordamos soluciones tecnológicas que abarcan gran parte de la cadena de valor de los sistemas de almacenamiento, desde el conocimiento de las tecnologías y su selección hasta la integración de sistemas de almacenamiento en las aplicaciones y su gestión y operación optimizada en las mismas.

**_¿Qué te aportaremos?_**
- Un equipo de trabajo joven, proactivo y colaborador donde podrás aprender y desarrollarte como profesional mientras ganas dinero y aportas tu granito de arena a la sociedad del futuro.
- Trabajar en laboratorios con equipamiento de última generación.
- Conocer la realidad de distintas empresas clientes de Ikerlan mientras trabajas para sus proyectos.
- Un contrato indefinido con un horario y calendario flexible.
- Opción de teletrabajo desde casa o desde distintas sedes de Ikerlan.
- Un equipo de trabajo inmejorable con el cual disfrutarás del mejor tiempo de ocio**.**

**_La tesis consistirá en:_**

En los últimos años estamos presenciando un gran despliegue de sistemas de almacenamiento basado en baterías en diversas aplicaciones de integración de renovables y movilidad. Para gestionar correctamente estas baterías en las aplicaciones es imprescindible disponer de un conocimiento detallado de las mismas.

Además, como aspecto diferencial y crítico, en el caso de las baterías hay que lidiar con la degradación que estos sistemas sufren con el uso y el tiempo, lo cual reduce su capacidad disponible y usable en la aplicación. Tener un conocimiento fiable sobre la evolución de esta degradación condiciona completamente la rentabilidad de una aplicación y por lo tanto disponer de modelos de degradación fiables sobre estimaciones de vida de las baterías es clave.

Hasta hace poco estos modelos de degradación se han venido calculando a partir de datos extraídos de ensayos experimentales realizados en laboratorios especializados, lo cual conlleva un coste elevado y requiere mucho tiempo. Sin embargo, con la aceleración de la digitalización de las baterías y la disponibilidad de datos de operación de estos sistemas, la tendencia actual consiste en reducir los ensayos experimentales y en utilizar datos obtenidos en campo para calcular estas estimaciones aplicando técnicas avanzadas de inteligencia artificial

**La tesis que se propone se focaliza en el desarrollo de algoritmos de estimación de vida de baterías utilizando técnicas de Transfer Learning para dotar de gran precisión y fiabilidad a las estimaciones.** Estos algoritmos suponen un salto diferencial respecto a otras soluciones basadas en Machine Learning, que aunque son capaces de ir aprendiendo con datos obtenidos en campo, sus estimaciones son válidas para la celda/referencia monitorizada. Las nuevas técnicas que se quieren abordar en esta tesis permiten aplicar el aprendizaje adquirido a partir de los datos de una referencia/química concreta para estimar la vida remanente de una referencia/química distinta. De esta forma, se pretende desarrollar una solución multitecnología y/o multicelda que permita optimizar la gestión de sistemas de almacenamiento basados en baterías en diversas aplicaciones como son la movilidad, integración de renovables o Smart Grids.

En la tesis confluirán conocimientos de diferentes dominios tecnológicos, como son las baterías, las aplicaciones que incorporan sistemas de almacenamiento, la digitalización y la algoritmia avanzada de Inteligencia Artificial, y se llevará a cabo en un entorno multidisciplinar y puntero en estas tecnologías.

**_Para disfrutar de este equipo necesitarás:_**
- Tener Ingeniería/Máster en: Automática y electrónica industrial, Electrónica industrial y automatización industrial, Energía y electrónica de potencia, Sistemas electrónicos avanzados o equivalentes.
- Conocimientos avanzados del lenguaje de programación como Python.
- Conocimientos avanzados de simulación en Matlab, Simulink, etc.