Impulsadas por la transición energética global, las tecnologías de energía nueva están en rápido desarrollo. Las baterías de flujo, gracias a su larga vida útil y alta seguridad, desempeñan un papel importante en sistemas de almacenamiento a gran escala. Para las baterías de flujo, una evaluación precisa del estado del sistema puede aumentar eficazmente la eficiencia del uso de la batería, prolongar su vida útil y optimizar las operaciones de conexión y desconexión a la red, mejorando así la fiabilidad y economía general de la gestión energética. Esta revisión resume los avances en los métodos de estimación del estado de carga (SOC) y estado de salud (SOH) en sistemas de almacenamiento de baterías de flujo, con un enfoque en el análisis de varios métodos clásicos de evaluación, incluyendo el método de voltaje de circuito abierto, el método de integración de amperios-hora, los algoritmos que combinan modelos de circuitos equivalentes con filtros de Kalman, y los modelos impulsados por inteligencia artificial basados en datos surgidos recientemente. Se discuten en profundidad las ventajas y desventajas de estos métodos, señalando el impacto de los complejos procesos electroquímicos de la batería y las variaciones del entorno externo en la estimación del SOC y SOH. La dirección clave futura para los sistemas inteligentes de gestión de baterías de flujo es mejorar la precisión de la estimación del SOC y SOH, reducir la complejidad computacional y aumentar la interpretabilidad de los modelos de inteligencia artificial.

batería de flujo;estado de carga;estado de salud;sistema de gestión de baterías;modelo de circuito equivalente;inteligencia artificial