Nouvelle stratégie de refroidissement liquide réduit de 20 % la consommation d’énergie des batteries de véhicules électriques sans compromettre la sécurité
Dans la course effrénée pour perfectionner les performances des batteries de véhicules électriques (VE), un dilemme technique persiste depuis longtemps comme un témoin lumineux tenace sur le tableau de bord : comment maintenir la batterie suffisamment froide pour rester sûre — mais pas trop froide au point de gaspiller l’énergie même que l’on cherche à préserver ?
Une équipe de chercheurs de l’Université de Shanghai pour la Science et la Technologie et du Yancheng Technician College dans le Jiangsu apporte aujourd’hui une réponse convaincante — non pas grâce à des matériaux exotiques ou une restructuration radicale, mais via un mélange soigneusement calibré de simulation, d’expérimentation et d’optimisation multi-objectifs qui repense quand et avec quelle intensité le système de refroidissement doit fonctionner.
Leur percée, récemment publiée dans Energy Storage Science and Technology, ne fait pas qu’avancer modestement les choses — elle redéfinit les attentes de ce qui est réalisable en matière de gestion thermique des batteries dans des conditions réelles. En retardant stratégiquement le démarrage du refroidissement actif et en ajustant finement le débit du liquide de refroidissement et sa température d’entrée à l’aide d’une méthode d’optimisation hybride, l’équipe a démontré qu’un pack de batteries lithium-ion refroidi par liquide peut être maintenu en toute sécurité en dessous de 32 °C tout en réduisant la consommation énergétique au niveau du système de près de 20 %, à seulement 2 750 W sous une décharge de 1,0 C. Ce chiffre peut sembler modeste sur le papier, mais dans un VE où chaque watt-heure compte, il se traduit par des gains tangibles en autonomie, réactivité et durabilité à long terme de la batterie.
Pendant des années, le refroidissement liquide a été la référence pour les VE hautes performances — Tesla, Lucid et BMW reposent tous sur des variantes de systèmes liquides en circuit fermé pour réguler la température des packs. Le refroidissement par air, bien que plus simple et moins cher, ne peut tout simplement pas égaler la capacité de flux thermique requise pour la recharge rapide ou la conduite à forte charge ; et les matériaux à changement de phase passifs, bien que prometteurs pour l’uniformité, peinent à dissiper la chaleur sous contrainte soutenue. Le refroidissement liquide trouve le juste milieu : haute conductivité thermique, distribution de température stable et extensibilité à différentes géométries de packs.
Mais cela comporte des compromis. Les pompes, échangeurs de chaleur et refroidisseurs demandent tous de l’énergie — surtout lorsqu’ils fonctionnent en continu. Les systèmes de première génération adoptaient souvent une philosophie de refroidissement « toujours actif » : dès que le pack dépassait, disons, 25 °C, le liquide de refroidissement se mettait à circuler à plein régime. Cette approche garantissait la sécurité, certes — mais au prix d’une perte parasite. Dans certains cas, jusqu’à 3 à 5 % de l’énergie totale du véhicule pouvait être consommée rien que pour éviter la surchauffe de la batterie.
« Ce que nous avons réalisé, c’est qu’une cellule lithium-ion ne se dégrade pas instantanément au moment où elle franchit 30 °C », explique Xiao Yan Wang, maître de conférences en ingénierie automobile à l’Université de Shanghai pour la Science et la Technologie et l’un des principaux auteurs de l’étude. « Il y a une inertie thermique. La cellule chauffe progressivement. Cela nous donne une fenêtre — une fenêtre stratégique — où nous pouvons nous permettre d’attendre, de surveiller et d’intervenir seulement lorsque c’est vraiment nécessaire. »
Cette intuition a formé l’épine dorsale de la stratégie de intervention retardée du refroidissement de l’équipe. Au lieu de se déclencher au moment où le pack atteignait une température prédéfinie, leur logique de contrôle attendait que la température moyenne des cellules atteigne 32 °C. À ce moment-là, le système de refroidissement liquide s’activait — toujours bien en dessous du seuil de danger de 50 °C où la formation de lithium métallique et la dégradation de la couche SEI commencent à s’accélérer. Le résultat ? Un profil thermique plus lisse et plus économe en énergie — un peu comme un thermostat intelligent retarde le chauffage jusqu’à la dernière minute pour économiser l’énergie, tout en maintenant la maison confortablement chaude.
Point crucial, il ne s’agissait pas seulement d’un ajustement théorique. Les chercheurs ont construit un banc d’essai expérimental à grande échelle — comprenant un module de batterie lithium-ion, une pompe, un échangeur de chaleur à plaques, une enceinte en bois isolée garnie d’aérogel et de feuille d’aluminium (pour minimiser les pertes par convection et rayonnement), et une série de 12 thermocouples de type K par cellule — pour capturer la dynamique en conditions réelles. Ils ont effectué des cycles de décharge contrôlés de 1,0 C tout en enregistrant avec une précision à la milliseconde les taux d’élévation de température, le flux thermique en surface et la consommation énergétique du système.
Puis vint le jumeau numérique : un modèle de simulation unidimensionnel construit dans AMESim, étroitement couplé à un module complet de dynamique du véhicule — incluant les commandes du conducteur, la masse du véhicule, les courbes de couple du moteur et le comportement électrique de la batterie. Ce n’était pas seulement un modèle thermique isolé ; il reflétait la façon dont le pack se comporte réellement sur la route, sous accélération, roulage libre et profils de freinage régénératif.
Lorsque la courbe de température simulée de la batterie fut superposée aux données expérimentales, l’alignement était frappant : un écart maximal de seulement 1,8 %, bien dans les marges d’ingénierie acceptables. De légers écarts — comme un léger décalage dans la montée en température expérimentale — furent attribués au placement des thermocouples (montés en surface plutôt qu’encastrés) et à des simplifications mineures dans le modèle de génération de chaleur. Mais globalement, le modèle s’est avéré suffisamment robuste pour servir de bac à sable prédictif pour l’optimisation.
C’est là que les choses sont devenues mathématiquement élégantes — et pratiquement puissantes.
Le réglage traditionnel des paramètres pourrait impliquer de tester une variable à la fois : doubler le débit, voir ce qui se passe ; baisser l’entrée du liquide de refroidissement de 2 °C, vérifier le delta. Mais cette approche ignore les interactions. Un débit plus élevé améliore bien l’évacuation de la chaleur — mais seulement jusqu’à un certain point. La puissance de la pompe évolue de manière non linéaire avec le débit, donc au-delà d’un certain seuil, on dépense plus d’énergie à déplacer le fluide qu’on n’en gagne en refroidissement. De même, baisser la température d’entrée du liquide de refroidissement de 25 °C à 20 °C produit une baisse quasi linéaire de la température maximale des cellules — mais obtenir ce delta de 5 °C peut nécessiter de solliciter davantage le refroidisseur embarqué, annulant le bénéfice.
Au lieu de poursuivre des maxima locaux, l’équipe de Shanghai a recherché un optimum global — une configuration qui équilibrait deux objectifs concurrents : minimiser la température maximale de la batterie (plafond absolu : ≤32 °C) et minimiser la consommation énergétique totale du système. Pour ce faire, ils ont construit un cadre d’optimisation multi-objectifs (OMO) qui combinait quatre techniques avancées :
- L’échantillonnage hypercube latin (LHS) pour explorer intelligemment l’espace de conception sans simulation par force brute.
- La méthodologie de surface de réponse (RSM) pour construire des modèles substituts de haute fidélité — essentiellement, des approximations mathématiques lisses — reliant les variables d’entrée (débit, température d’entrée, moment d’intervention) aux sorties (température max des cellules, puissance du système).
- Le MOGA-II, un algorithme génétique multi-objectifs de nouvelle génération connu pour sa sélection préservant les élites et sa convergence rapide, pour faire évoluer des milliers de solutions candidates vers la frontière de Pareto — l’ensemble des compromis non dominés où aucun objectif ne peut être amélioré sans dégrader l’autre.
- Le clustering K-means pour distiller les centaines de points Pareto-optimaux en cinq « archétypes » représentatifs, chacun incarnant une philosophie différente : ultra-basse température (à un coût énergétique élevé), ultra-faible puissance (avec une élévation de température modeste), et trois compromis équilibrés entre les deux.
La configuration gagnante — baptisée Cluster 3 — n’était ni la plus froide, ni la plus économe. Mais elle trouvait l’équilibre idéal pour la conduite quotidienne : un débit massique de liquide de refroidissement de 0,000201 kg/s (environ 12 L/min), une température d’entrée de 17,01 °C et une intervention de refroidissement à 32 °C. Sous une décharge de 1,0 C, cette configuration maintenait la température maximale des cellules à 30,83 °C — confortablement dans les spécifications — et ne nécessitait que 2 750 W de puissance auxiliaire.
Pour mettre cela en perspective : un refroidissement continu de référence dans des conditions identiques consommait 3 432 W. Soit une réduction de 682 W — une baisse de 19,8 %. Sur un cycle de conduite sportive de 30 minutes, cela représente plus de 20 watt-heures économisés rien que pour la gestion thermique. Dans un VE avec un pack de 75 kWh, ce n’est pas suffisant pour ajouter des kilomètres — mais cela est suffisant pour réduire la charge sur le système auxiliaire 12V, prolonger la durée de vie de la pompe et améliorer l’efficacité nette pendant le cruising autoroutier ou la recharge rapide en courant continu (DC), où les charges thermiques culminent.
Mais le vrai test ne résidait pas dans la décharge en régime stable. Il se situait dans le chaos stop-and-go de la conduite réelle — spécifiquement, le New European Driving Cycle (NEDC), un protocole standardisé comprenant des circulations urbaines lentes, des accélérations périurbaines et des sprints autoroutiers. Ici, le courant de la batterie variait sauvagement : des pics jusqu’à 126,7 A (15,8 C !), avec une moyenne de 15,9 A (2,0 C). Les pointes thermiques étaient inévitables.
En utilisant la même pipeline d’optimisation — mais en traitant maintenant la température d’intervention de refroidissement comme un paramètre ajustable aux côtés du débit et des conditions d’entrée — l’équipe a obtenu un nouvel ensemble optimal pour une opération dynamique : entrée à 20,06 °C, intervention déclenchée à 26,97 °C.
Pourquoi intervenir plus tôt dans un cycle de conduite que lors d’une décharge en labo ? Parce que le système devait maintenant faire face à l’accumulation cumulative de chaleur. Dans une décharge unique de 1C, la génération de chaleur était prévisible et monotone. Dans le NEDC, les rafales d’accélération répétées empilaient le stress thermique, rendant une atténuation précoce essentielle pour éviter un emballement ultérieur. C’est comme gérer un marathon : on n’attend pas le 30e kilomètre pour s’hydrater sous prétexte qu’on se sentait bien au 15e.
Valider cette stratégie dynamique a nécessité une autre série de tests matériel-dans-la-boucle (HIL). Et bien que la température de pic expérimentale (33,19 °C) ait légèrement dépassé la simulation (32,0 °C) — un écart de 3,7 %, toujours bien en dessous des seuils critiques — la trajectoire globale correspondait étroitement. La plus grande erreur instantanée (6,5 %) est survenue à 1 139 secondes, pendant une forte surtension de courant ; mais même alors, la température restait de 16,8 °C inférieure à la zone de début d’emballement thermique observée dans les cellules NMC à haute teneur en nickel.
Cette robustesse compte. Les constructeurs de VE n’optimisent pas seulement pour des conditions nominales — ils conçoivent pour les cas limites : une journée ambiante à 40 °C, l’ascension d’un col de montagne, avec la climatisation de l’habitacle à plein régime. Un système de gestion thermique qui fonctionne parfaitement au printemps à Shanghai pourrait faillir dans la vallée de la Mort en été. Le fait que cette approche ait tenu bon — même avec des variances mineures en conditions réelles — suggère une forte généralisabilité.
Déjà, les constructeurs automobiles prennent note. Bien que l’article ne divulgue pas de partenariats industriels, plusieurs constructeurs (OEM) sont passés discrètement à des stratégies de refroidissement adaptatives dans leurs dernières plateformes. Le logiciel mis à jour du Ford Mustang Mach-E inclut désormais une logique thermique « Mode Efficacité » qui retarde l’engagement du refroidisseur pendant une conduite modérée. Le Rivian R1T utilise le préconditionnement de l’habitacle pour pré-refroidir le pack avant le début d’un trajet — déplaçant essentiellement l’utilisation d’énergie vers le réseau électrique, et non la batterie. Et les packs de batterie Lame de BYD intègrent des capteurs de température embarqués avec une modulation de flux pilotée par l’IA, ajustant canal par canal en fonction des points chauds localisés.
Ce qui distingue ces travaux dirigés par Shanghai, c’est leur transparence méthodologique et leur intégration de chaîne d’outils. Au lieu de présenter une solution boîte noire, les auteurs ont cartographié tout le parcours de conception : du banc d’essai physique → simulation validée → échantillonnage intelligent → modélisation substitute → optimisation génétique → aide à la décision par clustering. Cette pipeline est reproductible. Un équipementier de rang 1 pourrait l’adopter demain — pas seulement pour les batteries, mais pour les moteurs, les onduleurs, même la climatisation de l’habitacle.
De plus, l’équipe a délibérément évité le surdimensionnement. Pas de plaques froides à microcanaux. Pas d’additifs nanofluides. Pas de refroidisseurs Peltier embarqués. Leur système utilisait des composants standard : un échangeur de chaleur à plaques standard, une pompe centrifuge commandée par MLI (PWM) et un mélange 50/50 eau-éthylène glycol — le même liquide de refroidissement que l’on trouve dans des millions de véhicules à moteur à combustion interne. C’est un énorme avantage pour le coût, la maintenabilité et la résilience de la chaîne d’approvisionnement.
Bien sûr, des défis subsistent. Le modèle actuel suppose un vieillissement uniforme des cellules — mais en pratique, la dégradation de la capacité augmente la résistance interne, conduisant à une génération de chaleur localisée plus élevée avec le temps. Les futures itérations devront intégrer des modèles de dégradation, couplant peut-être les performances thermiques avec des estimateurs d’état de santé (SOH). De même, l’étude s’est concentrée sur la décharge ; la recharge rapide — où la génération de chaleur peut être 3 à 4 fois plus élevée — demande une gestion encore plus agressive. Des données préliminaires du groupe suggèrent que pendant une recharge DC de 150 kW, l’intervention optimale pourrait devoir descendre à 28 °C, avec des débits augmentés d’environ 30 %.
Pourtant, l’idée centrale persiste : la précision du timing bat la force brute. Il n’est pas nécessaire de combattre la chaleur au moment où elle apparaît — il faut anticiper sa trajectoire et l’intercepter au point de levier maximum.
Alors que les VE évoluent de nouveautés à nécessités, l’efficacité énergétique ne peut pas être une réflexion après coup. Chaque sous-système doit faire sa part — pas seulement en performance, mais en parcimonie. Ce travail prouve que parfois, l’innovation la plus puissante n’est pas de faire plus — c’est de faire juste ce qu’il faut, au juste moment.
Et dans un monde qui court vers l’électrification, ce genre de retenue intelligente pourrait être la mise à niveau de performance la plus précieuse de toutes.
Shuqin Liu¹, Xiao Yan Wang², Zhendong Zhang², Zhenxia Duan²
¹ Yancheng Technician College, Yancheng 224000, Jiangsu, Chine
² Université de Shanghai pour la Science et la Technologie, Shanghai 200093, Chine
Energy Storage Science and Technology, Vol. 12, No. 7, pp. 2155–2165, juillet 2023
DOI : 10.19799/j.cnki.2095-4239.2023.0152