
Revista Científica Ciencia y Método | Vol.01 | Núm.04 | Oct – Dic | 2023 | www.revistacym.com pág. 65
combustible respecto a los sistemas híbridos paralelos y en serie. Estas ventajas se
derivan, en gran medida, de la flexibilidad que brinda el mecanismo de división de
potencia, el cual permite una transición fluida entre distintos modos de operación,
maximizando el aprovechamiento de la energía en función del entorno y las
condiciones dinámicas del vehículo (Liu et al., 2023).
La superioridad de la arquitectura combinada radica en su capacidad para balancear
de manera inteligente la carga de trabajo entre el motor térmico y el eléctrico,
habilitando una respuesta eficiente ante perfiles de conducción altamente variables,
como los observados en entornos urbanos. Estudios recientes han demostrado que
este tipo de configuración no solo incrementa la eficiencia energética en hasta un 20%,
sino que también mejora la capacidad de recuperación energética y reduce
significativamente las emisiones contaminantes, consolidándose como una alternativa
tecnológica viable para cumplir con los estándares ambientales contemporáneos
(Zhang et al., 2022; Rahman et al., 2021).
En complemento a lo anterior, las estrategias de gestión energética, especialmente
aquellas basadas en control predictivo, han emergido como un elemento crucial para
potenciar el rendimiento de los sistemas híbridos. A diferencia de las estrategias
convencionales, el Model Predictive Control (MPC) ofrece una optimización dinámica
en tiempo real mediante la anticipación de demandas energéticas futuras, utilizando
modelos matemáticos y datos contextuales para la toma de decisiones. Esta
capacidad de anticipación se traduce en una gestión energética más eficiente, donde
el uso del motor térmico y del motor eléctrico se regula de manera proactiva en función
del perfil topográfico, la velocidad estimada, el estado de carga de la batería y otros
parámetros operativos (Sun et al., 2022; Gao et al., 2023).
Los beneficios del control predictivo no se restringen únicamente a la eficiencia
energética, sino que también abarcan aspectos como la reducción de picos de carga,
la optimización del frenado regenerativo, y la disminución del estrés térmico y
mecánico sobre los componentes del sistema. Esto es especialmente relevante en
contextos de conducción urbana, donde los vehículos están sujetos a frecuentes ciclos
de parada y arranque, y donde una gestión energética deficiente puede traducirse en
un consumo excesivo y un desgaste acelerado de componentes clave, como la batería
o el motor eléctrico (Luo et al., 2021; Zhang et al., 2022).
Asimismo, la integración del control predictivo con tecnologías de conectividad
vehicular, como V2X y sistemas de navegación con datos en tiempo real, abre un
nuevo campo de posibilidades para la optimización energética adaptativa. Esta
convergencia entre inteligencia artificial, modelado predictivo y percepción
contextualizada posiciona al MPC como una solución integral para la gestión
energética en los sistemas híbridos de nueva generación, particularmente en el marco
de ciudades inteligentes y políticas de movilidad sostenible.
Sin embargo, es necesario reconocer que la implementación masiva del control
predictivo aún enfrenta desafíos, especialmente en lo que respecta a la capacidad