Un algorithme d’apprentissage automatique prédit comment tirer le meilleur parti des batteries de véhicules électriques
Crédit : Pixabay/CC0 Domaine public
Les chercheurs ont développé un algorithme d’apprentissage automatique qui pourrait aider à réduire les temps de charge et à prolonger la durée de vie de la batterie des véhicules électriques en prédisant comment différents modèles de conduite affectent les performances de la batterie, améliorant ainsi la sécurité et la fiabilité.
Les chercheurs, de l’Université de Cambridge, affirment que leur algorithme pourrait aider les conducteurs, les fabricants et les entreprises à tirer le meilleur parti des batteries qui alimentent les 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 développé un moyen non invasif de sonder les batteries et d’obtenir une vue globale de la santé de la batterie. Ces résultats ont ensuite été intégrés à un algorithme d’apprentissage automatique qui peut prédire comment différents modèles 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 d’aller d’un point à un autre dans les plus brefs délais sans dégrader la batterie, par exemple, ou recommander le moyen le plus rapide de charger la batterie sans la dégrader. Les résultats sont publiés dans la revue Communication Nature.
La santé d’une batterie, que ce 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 différentes manières », a déclaré la première auteure Penelope Jones, du laboratoire Cavendish de Cambridge. « La plupart des méthodes de surveillance de l’état de la batterie supposent qu’une batterie est toujours utilisée de la même manière. Mais ce n’est pas ainsi que nous utilisons les batteries dans la vraie vie. Si je diffuse une émission télévisée sur mon téléphone, cela va décharger la batterie un beaucoup plus rapide que si je l’utilisais pour la messagerie. C’est la même chose avec les voitures électriques : la façon dont vous conduisez affectera 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 de devenir inutilisable, mais pour les voitures, les batteries doivent durer cinq, dix ans ou plus », a déclaré le Dr Alpha Lee, qui a dirigé la recherche. « 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 développé 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-décharge, en fonction de la rapidité avec laquelle la batterie était chargée et de la vitesse à laquelle la voiture irait la prochaine fois qu’elle serait sur la route. Des tests avec 88 batteries commerciales ont montré que l’algorithme ne nécessitait aucune information sur l’utilisation précédente de la batterie pour faire une prédiction précise.
L’expérience s’est concentrée sur les cellules lithium-oxyde de cobalt (LCO), qui sont largement utilisées dans les batteries rechargeables, mais la méthode est généralisable à travers les différents types de chimies de batterie utilisées dans les véhicules électriques aujourd’hui.
« Cette méthode pourrait libérer 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 nous permet de capturer 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 de nouveaux types 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 fabricants et des conducteurs, leur méthode pourrait être utile aux entreprises qui exploitent de grandes flottes de véhicules électriques, telles que les entreprises 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. »
« Cela a été un cadre tellement passionnant à construire car il pourrait résoudre de nombreux défis dans le domaine des batteries aujourd’hui », a déclaré Jones. « C’est le moment idéal pour s’impliquer dans le domaine de la recherche sur les batteries, qui est si importante pour aider à lutter contre le changement climatique en s’éloignant des combustibles fossiles. »
Les chercheurs travaillent maintenant avec des fabricants de batteries pour accélérer le développement de batteries de nouvelle génération plus sûres et plus durables. Ils explorent également comment leur cadre pourrait être utilisé pour développer des protocoles de charge rapide optimaux afin de réduire les temps de charge des véhicules électriques sans provoquer de dégradation.
