L’intelligence artificielle permettrait de prédire l’emballement thermique des batteries

Posté le 11 octobre 2024
par Philippe RICHARD dans Innovations sectorielles

Quelques médias publient des articles sensationnalistes sur les incendies de batteries lithium-ion de voitures de trottinette ou d’entrepôts. Les statistiques montrent pourtant que les risques sont très faibles. Des études sont néanmoins menées pour que l’IA détecte rapidement les risques « d’emballement thermique ».

900 tonnes de batteries au lithium parties en fumée à la suite d’un violent incendie dans un entrepôt de batteries au lithium dans l’Aveyron en février dernier. Quelques mois plus tôt, en novembre 2023, un incendie au Port Ouest de La Réunion avait détruit 200 batteries.

Des marques de véhicules électriques rappellent certains modèles à cause de risque d’incendie. Explosion de la batterie d’une trottinette causant un incendie dans un appartement…

L’idée fait son chemin que ces batteries sont dangereuses. En réalité, « les statistiques dont on dispose stipulent qu’il y a dix fois moins de risque d’avoir un feu sur un véhicule électrique que sur un véhicule thermique », rapporte Michel Gentilleau, représentant français au sein de l’Association internationale des services d’incendie et de secours (CTIF).

En février 2023, cette association avait publié un article expliquant que « les véhicules électriques ne sont pas nécessairement plus exposés aux incendies que les véhicules à essence ». Mais comme pour toute technologie, le risque zéro n’existe pas.

Réputées pour leur forte densité énergétique, leur durée de vie prolongée et leur légèreté, les batteries lithium-ion sont largement utilisées comme solution de stockage de l’énergie.

Cependant, des problèmes de sécurité persistent, en particulier le risque d’emballement thermique (ET), c’est-à-dire une augmentation incontrôlée de la température. Elle peut être due à différents facteurs, tels que la surcharge, la décharge excessive, l’exposition à des températures élevées, les défauts de fabrication et les courts-circuits internes.

Empêcher la surchauffe d’une batterie

Une batterie de véhicule électrique est composée de « cellules » de batterie étroitement connectées. Ces voitures peuvent avoir plus de 1 000 cellules dans chaque bloc-batterie. Mais il suffit d’un emballement thermique dans une cellule pour que les autres se mettent à chauffer, créant un effet domino.

Depuis quelques années, le machine learning (ML) est employé dans la recherche sur les batteries, mais pas encore assez sur la prévision des emballements thermiques.

Une nouvelle recherche menée par un doctorant de l’université de l’Arizona (et le soutien financier du ministère de la Défense à hauteur de 600 000 euros) propose justement un moyen de prévoir et de prévenir les pics de température dans les batteries lithium-ion.

Il a développé un nouveau modèle combinant des techniques avancées de ML et la modélisation multiphysique (avec des sous-modèles thermiques, électrochimiques et de dégradation) qui s’appuie sur le logiciel COMSOL.

Son modèle s’appuie sur des capteurs thermiques – enroulés autour des cellules de la batterie – qui introduisent les données historiques de température dans un algorithme d’apprentissage automatique pour prédire les températures futures.

Pour simplifier, lors des simulations, les batteries subissent des cycles de charge/décharge à courant constant, suivis d’un cycle de conduite pendant la décharge pour imiter le fonctionnement d’un véhicule électrique.

Les résultats ont démontré la grande précision du modèle ML. À l’avenir, ce modèle pourrait être intégré au système de gestion de la batterie d’un véhicule électrique afin d’empêcher la surchauffe d’une batterie et de protéger ainsi les conducteurs et les passagers, a déclaré le doctorant, M. Goswami.

Pour aller plus loin

Dans l'actualité

Dans les ressources documentaires