Les habitudes de conduite influencent directement la dégradation de la batterie
Une étude révolutionnaire menée par des chercheurs de l’Université Jiaotong de Pékin a révélé un lien critique entre les habitudes de conduite et la vitesse à laquelle les batteries des véhicules électriques (VE) se dégradent. La recherche, dirigée par Fu Zhicheng, Sun Bingxiang, Jia Yiming, Gong Minming, Ma Shichang et Pang Junfeng du Centre national de recherche et de développement des technologies des réseaux de distribution actifs, a découvert que de subtiles différences dans les modèles d’accélération ont un impact significatif sur la durée de vie des batteries lithium-ion. Cette découverte remet non seulement en question les méthodes conventionnelles d’évaluation de la santé de la batterie, mais ouvre également la voie à des systèmes de gestion de batterie plus personnalisés et précis pour les VE de demain.
Pendant des années, l’industrie automobile s’est concentrée sur des facteurs externes tels que la température, les cycles de charge et la distance totale parcourue pour évaluer la longévité des batteries. Bien que ces éléments soient indéniablement importants, la nouvelle étude affirme que les comportements internes, propres au conducteur, jouent un rôle tout aussi, voire plus, crucial. L’équipe de recherche est partie d’une question fondamentale : pourquoi deux VE identiques, conduits dans des conditions environnementales similaires et parcourant la même distance, présentent-ils souvent des taux de dégradation de batterie très différents ? La réponse, ont-ils découvert, réside dans le pied du conducteur.
L’enquête a commencé par une observation critique des données existantes. De nombreuses recherches antérieures sur le vieillissement des batteries s’appuient sur des tests en laboratoire ou des données du monde réel collectées à des intervalles de 10 secondes ou plus. L’équipe a toutefois fait valoir que ces données à faible résolution sont insuffisantes pour capturer les fluctuations rapides, seconde par seconde, du courant qui se produisent lors de la conduite réelle. « Un fragment de données de 10 secondes, c’est comme essayer de comprendre une symphonie en n’écoutant qu’une note toutes les 10 secondes », a expliqué la Dr Sun Bingxiang, auteure correspondante de l’étude. « Vous manquez la mélodie, le rythme et la dynamique. C’est la même chose pour la conduite. Les nuances de la façon dont un conducteur accélère—s’il le fait en un seul mouvement fluide ou en une série de courtes impulsions—se produisent à une échelle de temps de dixièmes de seconde. Nous avions besoin de données avec une résolution de 0,1 seconde pour voir l’image réelle. »
Pour y parvenir, les chercheurs ont utilisé deux sources principales de données. La première était le cycle d’essai chinois pour véhicules légers (CLTC-P), un cycle de conduite standardisé conçu pour refléter les conditions typiques de conduite urbaine et périurbaine en Chine. Cela a fourni une base de référence contrôlée. La seconde source était constituée de données de conduite réelles collectées auprès d’une flotte de véhicules d’essai équipés de boîtiers d’enregistrement de données à haute fréquence, capturant la tension, le courant, l’état de charge (SOC) et la température de la batterie à une fréquence de 10 fois par seconde. En analysant ces données à haute résolution, l’équipe a pu disséquer chaque événement de conduite avec une précision sans précédent.
L’analyse s’est concentrée sur le courant de décharge, le flux d’électricité de la batterie vers le moteur, qui est directement influencé par l’appui sur l’accélérateur du conducteur. Les chercheurs ont développé une nouvelle méthode pour segmenter le flux continu de données de courant en « fragments » distincts en fonction de la vitesse et de l’accélération du véhicule. Ils ont catégorisé ces fragments en trois types : fragments d’accélération, fragments de transition et fragments de freinage. Il s’est avéré que les fragments de freinage, qui impliquent le freinage régénératif et entraînent un courant négatif, ont un impact négligeable sur la dégradation, représentant moins de 5 % du cycle d’énergie dans le test CLTC-P, et ont donc été exclus de l’analyse centrale.
L’idée clé est née de la segmentation du processus d’accélération. L’équipe a observé que ce qui pourrait sembler être une seule « accélération » vue de loin est souvent composé de plusieurs courtes et vives poussées de puissance. Ils ont appelé cela un « processus d’accélération segmenté ». En revanche, un « processus d’accélération continue » implique une application unique et soutenue de l’accélérateur. La proportion d’accélération segmentée par rapport à l’accélération continue est devenue une métrique centrale pour quantifier les habitudes de conduite. Par exemple, un conducteur prudent et fluide pourrait afficher un pourcentage élevé d’accélération continue, tandis qu’un conducteur agressif et impatient montrerait un pourcentage beaucoup plus élevé d’accélération segmentée, caractérisée par des « impulsions » de puissance fréquentes.
Pour donner un sens à la vaste quantité de données, les chercheurs ont utilisé deux puissants outils statistiques : l’analyse en composantes principales (ACP) et le regroupement BI-KMEANS. L’ACP est une technique de réduction de la dimensionnalité qui identifie les variables les plus importantes au sein d’un ensemble de données complexe. Appliquée aux huit caractéristiques initiales du courant—courant maximal, courant moyen, durée, taux de montée et de descente du courant, etc.—l’analyse a révélé que les deux facteurs les plus significatifs étaient le courant maximal (Imax) et la durée du fragment (T). Ces deux paramètres ont capturé l’essence de l’impact du comportement de conduite sur la batterie.
Avec ces deux paramètres clés identifiés, l’algorithme de regroupement BI-KMEANS a été utilisé pour regrouper les milliers de fragments d’accélération en catégories distinctes en fonction de leur similarité. Ce processus a révélé cinq modèles de courant « typiques » distincts au sein des données CLTC-P. Le premier, baptisé « Typique(1) », était une impulsion de courte durée et de courant faible à modéré, en forme de trapèze. Ce fragment était associé à une accélération fluide et progressive, comme lorsque le conducteur effectue de petits ajustements pour maintenir une distance dans le trafic. Le second, « Typique(2) », était une onde triangulaire, indiquant une augmentation linéaire du courant, qui se produit lorsque le conducteur accélère de manière fluide mais sans pousser le moteur à sa limite de puissance maximale. Les trois catégories restantes, « Typique(3) », « Typique(4) » et « Typique(5) », étaient toutes des impulsions trapézoïdales à courant élevé de diverses durées et intensités, représentant des comportements de conduite plus agressifs comme une insertion rapide ou un dépassement.
Lorsque la même analyse a été appliquée aux données de conduite réelles de cinq conducteurs d’essai différents, les différences sont devenues frappantes. Les conducteurs n’ont pas été sélectionnés pour leurs styles agressifs ou conservateurs ; il s’agissait d’individus ordinaires à qui on a demandé de conduire le même itinéraire dans les mêmes conditions. Pourtant, leurs habitudes de conduite variaient considérablement. Un conducteur avait une vitesse moyenne de 34,9 km/h avec un pourcentage d’accélération segmentée de 51,6 %, tandis qu’un autre conduisait à une vitesse moyenne de 24,3 km/h avec seulement 27,8 % d’accélération segmentée. L’analyse de regroupement de leurs données a montré de nettes différences dans la répartition des fragments de courant typiques. Le conducteur avec plus d’accélération segmentée produisait une proportion plus élevée d’impulsions « Typique(1) », tandis que le conducteur plus fluide avait une proportion plus élevée de fragments plus longs et continus.
C’était le lien crucial : différentes habitudes de conduite créent différents modèles de stress électrique sur la batterie. Mais comment cela se traduit-il par une dégradation physique réelle ? Pour répondre à cette question, l’équipe de recherche est passée de l’analyse des données à l’expérimentation physique. Ils ont conçu une série de tests de laboratoire contrôlés pour isoler les effets des différents modèles de courant qu’ils avaient identifiés.
L’expérience a utilisé des cellules de batterie au lithium-ion ternaire tout à fait neuves, identiques à celles utilisées dans les véhicules d’essai du monde réel. L’objectif était de simuler les effets de différentes habitudes de conduite sur une période prolongée. Les chercheurs ont créé cinq « conditions de décharge » distinctes qui reflétaient les caractéristiques clés des fragments du monde réel. La Condition 1 simulait un style de conduite dominé par de courtes impulsions fréquentes (fort pourcentage d’accélération segmentée). La Condition 2 et la Condition 3 simulaient des événements d’accélération plus longs et soutenus de différentes durées, représentant différentes vitesses moyennes. La Condition 4 était une version à haute intensité de la Condition 1, avec un courant de crête beaucoup plus élevé. Enfin, la Condition 5 a été conçue pour avoir la même sortie d’énergie totale que la Condition 4 mais avec moins d’impulsions plus longues, réduisant ainsi le nombre de fois où la batterie subissait un changement brutal de courant.
Chaque cellule de batterie a été soumise à 100 cycles complets de charge et de décharge dans l’une de ces cinq conditions. Le processus de charge a été maintenu identique pour toutes les cellules—courant constant suivi de tension constante—afin de garantir que seul le profil de décharge variait. Après chaque 50 cycles, les chercheurs ont mesuré la capacité restante de la batterie, l’indicateur le plus direct de son état de santé (SOH).
Les résultats ont été à la fois dramatiques et définitifs. Après 100 cycles, les batteries soumises à la Condition 4, l’impulsion à haute intensité et haute fréquence, ont montré la perte de capacité la plus sévère. Cela a été suivi de près par les cellules dans la Condition 1 et la Condition 5, qui impliquaient également une impulsion fréquente, bien que d’intensité inférieure. Les batteries dans les Conditions 2 et 3, qui ont connu des périodes de décharge plus longues et plus stables, ont montré la dégradation la moins importante. Ce résultat contredit directement l’hypothèse commune selon laquelle des vitesses moyennes plus élevées (représentées par des durées de décharge plus longues) sont le principal moteur de l’usure de la batterie.
L’étude a conclu que le facteur dominant dans la dégradation de la batterie n’est pas l’énergie totale extraite ou la vitesse moyenne, mais plutôt le nombre et l’intensité des « événements de polarisation » causés par des changements rapides de courant. Chaque fois qu’un conducteur appuie rapidement sur l’accélérateur, la batterie subit une augmentation soudaine du courant. Cela force les réactions électrochimiques à l’intérieur de la batterie à s’accélérer, créant un phénomène connu sous le nom de « polarisation ». Il s’agit d’un déséquilibre temporaire de la tension à travers les électrodes. Lorsque le conducteur relâche la pédale, le courant diminue et la batterie « se détend ». Ce cycle constant de stress et de relâchement cause des dommages irréversibles au fil du temps.
Les dommages se produisent au niveau microscopique. L’expansion et la contraction répétées des matériaux d’électrode au cours des cycles de charge et de décharge peuvent les faire fissurer et perdre tout contact avec la matrice conductrice. La couche d’interface solide-électrolyte (SEI), un film protecteur sur l’anode, peut devenir plus épaisse et instable sous la contrainte d’impulsions fréquentes, consommant des ions lithium actifs et augmentant la résistance interne. De plus, les impulsions de courant élevé génèrent plus de chaleur, ce qui peut accélérer tous ces mécanismes de dégradation.
La recherche fournit une explication claire des différences observées entre les conducteurs. Un conducteur qui « touche » fréquemment l’accélérateur, effectuant de petits ajustements, soumet sa batterie à des centaines d’événements de polarisation au cours d’un seul trajet. Un conducteur plus fluide, qui accélère par rafales plus longues et plus délibérées, crée beaucoup moins de ces événements nuisibles, même s’il parcourt la même distance à une vitesse moyenne similaire. Les données de l’étude ont montré que le nombre d’événements de polarisation (lié au pourcentage d’accélération segmentée) et leur intensité (liée au courant de crête) sont les principaux moteurs des différences observées dans la dégradation de la batterie.
Cette recherche a des implications profondes pour l’avenir de la mobilité électrique. Pour les consommateurs, elle suggère qu’adopter un style de conduite plus fluide et prévisible peut considérablement prolonger la durée de vie de la batterie de leur VE, potentiellement économisant des milliers d’euros en coûts de remplacement. Pour les constructeurs automobiles, cela signifie que les futurs systèmes de gestion de batterie (BMS) pourraient devenir beaucoup plus intelligents. Plutôt que d’utiliser un modèle unique pour l’estimation du SOH, un BMS pourrait analyser les modèles historiques de courant d’un conducteur et fournir une prédiction personnalisée et plus précise de la durée de vie de la batterie. Cela pourrait être utilisé pour offrir des conseils de conduite personnalisés, optimiser les stratégies de recharge ou même informer les politiques de garantie.
En outre, les conclusions sont cruciales pour les exploitants de flottes et les entreprises de covoiturage. En formant les conducteurs à des techniques de conduite plus douces, ces organisations pourraient réduire considérablement leurs coûts de maintenance et prolonger la durée de vie de leurs véhicules. Elle fournit également des données précieuses pour les urbanistes et les décideurs politiques. Si le flux de trafic d’une ville est conçu pour minimiser la conduite en accélérations saccadées et encourager des modèles de circulation plus fluides, cela pourrait avoir un impact direct et positif sur la longévité des VE qui y circulent.
L’étude souligne également l’importance des données à haute résolution pour comprendre les systèmes complexes. Le passage des données de 10 secondes à 0,1 seconde n’était pas seulement une mise à niveau technique ; c’était la clé qui a débloqué toute la découverte. Elle démontre que pour comprendre véritablement la performance réelle des VE, les chercheurs doivent aller au-delà des tests standardisés et approfondir les détails granulaires de la manière dont ces véhicules sont réellement utilisés.
En conclusion, cette recherche de l’Université Jiaotong de Pékin apporte un changement fondamental dans notre compréhension de la dégradation de la batterie des VE. Elle déplace la conversation des facteurs externes, environnementaux vers les facteurs internes, comportementaux. Elle démontre que le conducteur n’est pas seulement un passager dans le cycle de vie du véhicule, mais un participant actif à la santé de la batterie. En comprenant la physique de la manière dont les habitudes de conduite créent un stress électrique, nous pouvons maintenant prendre des mesures concrètes pour atténuer ce stress et construire un avenir plus durable et rentable pour le transport électrique. Le simple fait d’appuyer sur la pédale d’accélérateur, il s’avère, a des conséquences bien plus lourdes que ce que l’on pensait auparavant.
Fu Zhicheng, Sun Bingxiang, Jia Yiming, Gong Minming, Ma Shichang, Pang Junfeng, Centre national de recherche et de développement des technologies des réseaux de distribution actifs, Université Jiaotong de Pékin, Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.246019