Tirer le meilleur des batteries des véhicules électriques grâce au Machine Learning

Des chercheurs ont mis au point un algorithme d’apprentissage automatique (Machine Learning) qui pourrait contribuer à réduire les temps de charge et à prolonger la durée de vie des batteries des véhicules électriques en prédisant comment différents modes de conduite affectent les performances des batteries, améliorant ainsi la sécurité et la fiabilité.

Selon les chercheurs de l’université de Cambridge, leur algorithme pourrait aider les conducteurs, les fabricants et les entreprises à tirer le meilleur parti des batteries des véhicules électriques en suggérant des itinéraires et des modes de conduite qui minimisent la dégradation des batteries et les temps de charge.

L’équipe a mis au point une méthode non invasive pour sonder les batteries et obtenir une vue d’ensemble de leur état de santé. Ces résultats ont ensuite été intégrés dans un algorithme d’apprentissage automatique capable de prédire comment différents modes de conduite affecteront la santé future de la batterie.

S’il est développé commercialement, l’algorithme pourrait être utilisé pour recommander des itinéraires permettant aux conducteurs de se rendre d’un point à un autre en un minimum de temps sans dégrader la batterie, par exemple, ou pour recommander le moyen le plus rapide de charger la batterie sans la dégrader. Les résultats sont publiés dans la revue Nature Communications.

La santé d’une batterie, qu’elle soit dans un smartphone ou une voiture, est bien plus complexe qu’un simple chiffre sur un écran. « La santé de la batterie, comme la santé humaine, est une chose multidimensionnelle, et elle peut se dégrader de nombreuses façons différentes« , a déclaré le premier auteur Penelope Jones, du Cavendish Laboratory de Cambridge. « La plupart des méthodes de surveillance de la santé des batteries supposent qu’elles sont toujours utilisées de la même manière. Mais ce n’est pas ainsi que nous utilisons les batteries dans la vie réelle. Si je regarde une émission de télévision en streaming sur mon téléphone, la batterie va se vider beaucoup plus vite que si je l’utilise pour envoyer des messages. C’est la même chose avec les voitures électriques – la façon dont vous conduisez va affecter la façon dont la batterie se dégrade.« 

« La plupart d’entre nous remplaceront nos téléphones bien avant que la batterie ne se dégrade au point d’être inutilisable, mais pour les voitures, les batteries doivent durer cinq, dix ans ou plus« , a déclaré le Dr Alpha Lee, qui a dirigé les recherches. « La capacité de la batterie peut changer radicalement au cours de cette période. Nous voulions donc trouver un meilleur moyen de vérifier l’état de la batterie.« 

Les chercheurs ont mis au point une sonde non invasive qui envoie des impulsions électriques de haute dimension dans une batterie et mesure la réponse, fournissant une série de « biomarqueurs » de la santé de la batterie. Cette méthode est douce pour la batterie et ne la dégrade pas davantage.

Les signaux électriques de la batterie ont été convertis en une description de l’état de la batterie, qui a été introduite dans un algorithme d’apprentissage automatique. L’algorithme a pu prédire comment la batterie réagirait lors du prochain cycle de charge et de décharge, en fonction de la vitesse de charge de la batterie et de la vitesse à laquelle la voiture roulerait la prochaine fois qu’elle prendrait la route. Les tests effectués sur 88 batteries commerciales ont montré que l’algorithme n’avait besoin d’aucune information sur l’utilisation antérieure de la batterie pour effectuer une prédiction précise.

L’expérience s’est concentrée sur les cellules d’oxyde de cobalt et de lithium (LCO), largement utilisées dans les batteries rechargeables, mais la méthode peut être généralisée aux différents types de batteries utilisées aujourd’hui dans les véhicules électriques.

« Cette méthode pourrait débloquer de la valeur dans de nombreuses parties de la chaîne d’approvisionnement, que vous soyez un fabricant, un utilisateur final ou un recycleur, car elle permet de saisir la santé de la batterie au-delà d’un seul chiffre, et parce qu’elle est prédictive« , a déclaré Lee. « Cela pourrait réduire le temps nécessaire pour développer un nouveau type de batteries, car nous serons en mesure de prédire comment elles se dégraderont dans différentes conditions de fonctionnement. »

Les chercheurs affirment qu’en plus des constructeurs et des conducteurs, leur méthode pourrait être utile aux entreprises qui exploitent de grandes flottes de véhicules électriques, comme les sociétés de logistique. « Le cadre que nous avons développé pourrait aider les entreprises à optimiser la façon dont elles utilisent leurs véhicules pour améliorer la durée de vie globale de la batterie de la flotte« , a déclaré Lee. « Il y a tellement de potentiel avec un cadre comme celui-ci« .

« La mise en place de ce cadre s’est avérée passionnante, car il pourrait résoudre un grand nombre de défis dans le domaine des batteries aujourd’hui« , a déclaré Jones. « C’est un grand moment pour être impliqué dans le domaine de la recherche sur les batteries, qui est si important pour aider à lutter contre le changement climatique en s’éloignant des combustibles fossiles.« 

Les chercheurs travaillent maintenant avec les fabricants de batteries pour accélérer le développement de batteries de nouvelle génération plus sûres et plus durables. Ils étudient également comment leur cadre pourrait être utilisé pour développer des protocoles de charge rapide optimaux afin de réduire le temps de charge des véhicules électriques sans provoquer de dégradation.

Credit: Monty Rakusen

La recherche a été soutenue par le programme Winton pour la physique du développement durable, le Fonds Ernest Oppenheimer, l’Institut Alan Turing et la Royal Society.