Une technologie de batterie plus intelligente sait si votre véhicule électrique rentrera chez lui
infohightech ·
Les systèmes actuels de gestion de batterie peuvent indiquer qu'une voiture est chargée à 40 %, mais les conducteurs doivent deviner s'ils peuvent parcourir 100 kilomètres en côte avec le chauffage allumé. Des ingénieurs de l'Université de Californie à Riverside souhaitent éliminer ce problème.
(UCR/Mihri Özkan)
Ils ont développé une nouvelle mesure de diagnostic appelée « State of Mission » (État de Mission) (SOM), conçue pour répondre à une question pratique : cette batterie, dans son état actuel, peut-elle alimenter efficacement et en toute sécurité une tâche spécifique ? Le SOM utilise à la fois les données de la batterie et des facteurs environnementaux tels que la circulation, les changements d'altitude ou la température ambiante pour générer des prévisions en temps réel, spécifiques à la tâche.
« Le SOM comble cette lacune », a déclaré Mihri Ozkan, professeur d'ingénierie à l'UCR, qui a contribué au développement du système. « Il s'agit d'une mesure adaptée à la mission qui combine données et physique pour prédire si la batterie peut accomplir une tâche planifiée en conditions réelles. »
Les détails du système ont été publiés dans la revue iScience . SOM se distingue par son approche hybride. Contrairement aux équations physiques rigides, incapables de s'adapter à des scénarios changeants, ou aux modèles d'apprentissage automatique qui génèrent des résultats sans les expliquer, ils ont construit un système combinant les atouts de ces deux approches.
Le modèle s'inspire de la façon dont les batteries se chargent, se déchargent et chauffent au fil du temps, tout en respectant les lois de l'électrochimie et de la thermodynamique. Cette double intelligence lui permet de réaliser des prévisions fiables même en cas de stress, comme une chute brutale de température ou une forte montée.
« En les combinant, nous obtenons le meilleur des deux mondes : un modèle qui apprend de manière flexible à partir des données, tout en restant ancré dans la réalité physique », a déclaré Cengiz Ozkan, professeur d'ingénierie à l'UCR et co-directeur de la recherche. « Cela rend les prédictions non seulement plus précises, mais aussi plus fiables. »
Pour tester leur cadre, l'équipe a utilisé des ensembles de données de batteries accessibles au public, provenant de la NASA et de l'Université d'Oxford. Ces données comprenaient des schémas d'utilisation réels, notamment les cycles de charge et de décharge, les variations de température, les données de courant et de tension au fil du temps, ainsi que les tendances de performance à long terme.
Par rapport aux méthodes traditionnelles de diagnostic de batterie, le modèle a considérablement réduit les erreurs de prédiction de 0,018 volt pour la tension, de 1,37 degré Celsius pour la température et de 2,42 % pour l'état de charge.
Au lieu d'une simple estimation du pourcentage de charge, SOM propose un résultat plus intelligent et prospectif. Il peut indiquer au conducteur qu'il peut terminer un itinéraire prévu, mais qu'il devra peut-être recharger à mi-chemin, ou qu'un vol de drone n'est pas réalisable dans certaines conditions de vent.
« Il transforme les données abstraites des batteries en décisions exploitables, améliorant ainsi la sécurité, la fiabilité et la planification des véhicules, des drones et de toute application où l'énergie doit être adaptée à une tâche réelle », a déclaré Mihri Ozkan.
Le modèle est encore en cours de développement.
« Actuellement, la principale limitation réside dans la complexité des calculs », a-t-elle déclaré. « Le framework exige une puissance de traitement supérieure à celle généralement offerte par les systèmes de gestion de batterie embarqués et légers actuels. »
Les chercheurs restent néanmoins optimistes. Grâce à des optimisations supplémentaires, ils espèrent que le modèle pourrait bientôt être utilisé dans les véhicules électriques, les systèmes aériens sans pilote, les applications de stockage en réseau, et bien plus encore.
À l’avenir, l’équipe prévoit de tester le SOM dans des environnements de terrain et d’étendre ses capacités pour travailler avec d’autres chimies de batteries telles que les batteries sodium-ion, à semi-conducteurs ou à flux.
« Notre approche est conçue pour être généralisable », a précisé Cengiz Ozkan. « Cette même méthodologie hybride permet de produire des prévisions adaptées aux missions, améliorant ainsi la fiabilité, la sécurité et l'efficacité d'un large éventail de technologies énergétiques, des voitures et des drones aux systèmes de batteries domestiques, en passant par les missions spatiales. »