El número de sistemas de baterías también está creciendo significativamente junto con el aumento en las ventas de coches eléctricos e híbridos. Diferentes vehículos utilizan diferentes tipos y cantidades de baterías. Además, la disposición y el funcionamiento de las unidades de electrónica de control y protección también pueden diferir. La investigación tiene como objetivo desarrollar un enfoque que pueda detectar y localizar de forma autónoma las celdas más débiles. El método fue validado mediante pruebas de los sistemas de baterías de tres vehículos eléctricos VW e-Golf diferentes. Se realizó una prueba de descarga de amplio rango para examinar la evaluación del estado y seleccionar el estado de carga (SoC) apropiado para los tres vehículos. Por un lado, el análisis investigó las desviaciones de voltaje de las celdas respecto al promedio; las pruebas cubren desviaciones de 0 mV, 12 mV, 60 mV, 120 mV y 240 mV. Por otro lado, se utilizó el cálculo del valor medio para filtrar posibles valores erróneos. Otro aspecto importante fue examinar la relación entre los estados de carga (SoC) y las desviaciones. Por lo tanto, se probaron cambios de paso del 10% para ver qué nivel de SoC mostraba desviaciones de voltaje más significativas. Basado en los resultados, se observó que hay diferencias entre los casos, y el rango crítico no está necesariamente en el nivel de SoC más bajo. Además, la tasa de carga (corriente) y el tiempo de su ocurrencia juegan un papel importante en la búsqueda de una celda defectuosa. Una ventaja adicional de este enfoque es que el proceso que se está probando actualmente en el VW e-Golf puede transferirse de manera relativamente simple a otros tipos de vehículos. También puede ser una adición muy útil para vehículos autónomos, ya que puede autoevaluar las celdas en el sistema con bajo consumo de energía.