Un ado de Palo Alto évalue la santé des batteries avec 2,36 % d’erreur

À 18 ans, Colin Jie Chu travaillait déjà sur une question qui accompagne chaque véhicule électrique jusqu’à la fin de sa vie : quelle durée d’utilisation reste-t-il à sa batterie ? L’élève de Palo Alto a développé un modèle de laboratoire qui estime l’état de santé d’une batterie lithium-ion avec une erreur de prédiction annoncée de 2,36 %.

Le problème se situe au cœur du système de gestion de la batterie, qui ne peut pas inspecter directement la dégradation d’une cellule. Les ingénieurs en déduisent plutôt l’état à partir de son comportement électrique pendant la recharge et la décharge, ainsi que lorsqu’elle est soumise à des températures et des conditions de fonctionnement variables. Chu a utilisé les données de 22 batteries vieillies volontairement, avec des signaux électriques conçus pour reproduire l’évolution du comportement d’un véhicule en conduite.

Son cadre associe deux approches. Un modèle de circuit équivalent représente le comportement électrique complexe d’une batterie à l’aide de composants mathématiques plus faciles à analyser ; l’apprentissage automatique aide ensuite à estimer son état de santé lorsque les conditions de fonctionnement évoluent. Ces travaux ont été menés dans le cadre du Young Investigators Program de l’université Stanford, au Stanford Energy Control Lab de la professeure Simona Onori, avec des chercheurs et des partenaires industriels.

L’intérêt pratique réside dans la réduction des incertitudes autour de l’un des composants les plus coûteux d’un véhicule électrique. Des estimations plus précises de l’état de santé pourraient aider les systèmes de gestion des batteries à piloter la recharge et la maintenance, à améliorer les décisions concernant la réutilisation ou le recyclage d’une batterie et à déterminer les performances restantes à mesure que sa capacité utile diminue progressivement. Pour les propriétaires, l’état de santé de la batterie pourrait à terme compter autant que le kilométrage pour évaluer un véhicule.

Le résultat n’est pas encore un prédicteur universel de la durée de vie des batteries. Le modèle a été testé sur des données de recherche et doit encore être validé sur différentes chimies et anciennetés de batteries, plateformes de véhicules et conditions de conduite réelles. Les recherches de Chu ont été présentées à la Modeling, Estimation, and Control Conference à Chicago et publiées dans le Journal of The Electrochemical Society ; ses travaux portent désormais aussi sur les « kneepoints » des batteries, ces moments où la dégradation peut commencer à s’accélérer.