Toyota et le MIT prédisent la durée de vie des batteries
Des scientifiques du MIT, de l'université de Stanford et de Toyota ont mis au point un modèle d'apprentissage permettant de quantifier la durée de vie d'une batterie lithium-ion en utilisant les données de charge en début de cycles.
Pour prédire avec précision la durée de vie d'une batterie lithium-ion avant que celle-ci ne commence à s'affaiblir, des chercheurs du Massachusetts Institute of Technology (MIT), de l'université de Stanford et du Toyota Research Institute (TRI) ont mis au point un modèle s'appuyant sur des données d'utilisation de début de cycle et des algorithmes de machine learning. Celui-ci a été réalisé alors que le projet de recherche visait à trouver un moyen de recharger les batteries en 10 minutes pour accélérer l'adoption des véhicules électriques. Les résultats de ces travaux ont été publiés le 25 mars 2019 dans Nature Energy.
Pour former son modèle d'apprentissage, l'équipe l'a alimenté avec des centaines de millions de données d'utilisation issues de 124 cellules lithium-ion mises dans différentes conditions de charge rapide, avec des durées de vie allant de 150 à 2300 cycles. Pour générer ces données, l'équipe a chargé et déchargé ces batteries jusqu'à ce que chacune d'elle atteigne sa fin de vie, soit une perte de plus de 20% de sa capacité. Les algorithmes s'appuient sur les données de décharge de début de cycle (capacité de décharge initiale, temps de charge, température de la batterie) sans tenir compte des mécanismes de dégradation des cellules. Pour comprendre l'évolution électrochimique des cellules au cours du cycle, les performances sont calculées en fonction de la courbe de tension lors de la décharge. Le modèle compare l'évolution cycle à cycle de la courbe de tension de décharge avec la tension d'un cycle d'une cellule témoin. Pour garder une base uniforme de comparaison, et comme la plage de tension est identique pour chaque cycle, les chercheurs se sont basés sur la capacité de décharge en fonction de la tension et non l'inverse. Trois modèles d'apprentissage ont été réalisé, tournant avec plus ou moins de données.
Résultat : en utilisant les données des 100 premiers cycles, le taux d'erreur de prédiction s'établit à 9,1 %. En parallèle, les 5 premiers cycles ont permis de catégoriser les batteries en deux classes – durée de vie basse et élevée – avec un taux d'erreur de 4,9 %.
Réduire le temps de conception
Outre le fait de prédire la durée de vie de la batterie et de la classer en fonction de sa « qualité », l'intelligence artificielle permettrait également d'accélérer la conception de nouvelles batteries et de réduire ses coûts de production. En effet, « la méthode standard pour tester de nouvelles conceptions consiste à charger et décharger les cellules jusqu'à leur mort » explique Peter Attia, co-auteur de l'étude et doctorant à l'université de Stanford. « En fonction de leur durée de vie, ce processus peut prendre plusieurs mois voire plusieurs années. » La nouvelle méthode permettrait ainsi de réduire le temps de validation des nouveaux produits ou matériaux utilisés. Mais également de sélectionner – grâce à la classification – les batteries les plus performantes pour des utilisations exigeantes, comme le véhicule électrique, et détecter les candidates potentielles à une seconde vie.
Sélectionné pour vous
