À l’ère de la transition énergétique automobile, la recherche sur l’optimisation de la gestion de l’énergie dans les véhicules électriques pures (VEP) est devenue un enjeu majeur. Alors que les systèmes haute tension attirent la plupart de l’attention pour leur rôle dans la propulsion, le système basse tension, souvent sous-estimé, joue un rôle crucial dans le fonctionnement de nombreux composants essentiels : systèmes de sécurité, confort, divertissement et aide à la conduite. Une étude récente, publiée dans la Journal of Guangxi University of Science and Technology, propose des solutions innovantes pour améliorer ce système, allant d’une classification intelligente des charges à une stratégie de charge adaptative. Menée par Peng Fan et Luo Wenguang, chercheurs de l’Université des Sciences et Technologies du Guangxi, cette recherche pourrait transformer la manière dont les constructeurs abordent la gestion énergétique dans les véhicules électriques, offrant des résultats concrets et applicables.
Pourquoi la gestion basse tension est-elle un enjeu critique ?
Le système basse tension, généralement alimenté par une batterie au lithium-ion de 12 V, est responsable de l’alimentation de composants variés : des freins et des phares (systèmes de sécurité) à l’assistance de direction et au contrôle de traction (composants liés à la conduite), en passant par la climatisation, le chauffage des sièges (confort) et les systèmes multimédias (divertissement). Avec l’augmentation du nombre d’équipements électroniques dans les véhicules modernes, sa consommation énergétique a augmenté de manière significative, ce qui nécessite une gestion plus précise pour éviter les gaspillages et assurer la fiabilité du véhicule.
« Les approches traditionnelles de gestion de l’énergie basse tension ne prennent pas suffisamment en compte les variations dynamiques des conditions de conduite et les demandes changeantes en énergie », explique Peng Fan. « Notre travail se concentre sur trois axes : une classification des charges adaptée aux besoins, l’optimisation des seuils de charge (SOC) et une stratégie de charge innovante. Tous ces éléments travaillent ensemble pour garantir que l’énergie est utilisée là où elle est la plus nécessaire, sans compromettre la sécurité ou l’expérience du conducteur. »
Classification des charges : prioriser l’essentiel
Une des innovations clés de l’étude est la classification détaillée des charges électriques en quatre catégories, chacune avec un niveau de priorité spécifique :
- Charges de sécurité : Composants vitaux pour la conduite sûre, comme les phares, les freins, les airbags et les systèmes de stabilité. Elles bénéficient de la priorité la plus haute et doivent fonctionner même lorsque la batterie est peu chargée.
- Charges de conduite : Équipements liés à la propulsion et à la maîtrise du véhicule, comme l’assistance de direction électrique, le contrôle de traction et les systèmes de gestion du moteur. Elles sont essentielles à la mobilité et sont prioritaires dans des situations critiques, comme les accélérations brusques ou les montées raides.
- Charges de confort : Climatisation, chauffage des sièges, défroissance des glaces, etc. Ces éléments améliorent le confort mais peuvent être réduits ou désactivés temporairement lorsque la batterie est faible.
- Charges de divertissement : Systèmes audio, navigation, ports USB. Elles ont la plus basse priorité et peuvent être coupées pour économiser de l’énergie en cas de besoin.
Pour tenir compte des variations saisonnières et environnementales, les chercheurs ont introduit des coefficients de pondération, analysant des scénarios extrêmes comme les nuits de neige en hiver ou les nuits de pluie en été – moments où les essuie-glaces, le chauffage ou la climatisation sont intensément utilisés. Cette approche permet au système de répartir dynamiquement l’énergie, en veillant à ce que les composants critiques reçoivent toujours l’alimentation nécessaire.
Optimisation par algorithmes génétiques : affiner les seuils de SOC
L’état de charge (SOC) d’une batterie – la proportion d’énergie restante par rapport à sa capacité totale – est un paramètre clé pour décider quand réduire les charges non essentielles ou lancer la recharge. Pour optimiser ces décisions, les chercheurs ont utilisé un algorithme génétique, une méthode inspirée par la sélection naturelle, capable de trouver des solutions optimales dans des problèmes complexes.
L’algorithme a été configuré pour optimiser quatre seuils de SOC, correspondant à différents niveaux de sécurité. Par exemple, lorsque le SOC tombe en dessous de 40 %, les charges de divertissement sont désactivées ; en dessous de 30 %, ce sont les charges de confort qui sont réduites ; et en dessous de 20 %, seules les charges de sécurité et de conduite restent actives. Après 300 itérations, l’algorithme a déterminé les seuils optimaux, équilibrant consommation minimale et fonctionnalité du véhicule.
« Les algorithmes génétiques sont particulièrement efficaces ici parce qu’ils peuvent explorer un large éventail de solutions et affiner celles qui fonctionnent le mieux », explique Luo Wenguang. « Grâce à cette optimisation, nous avons pu réduire le consommation énergétique sans compromettre la sécurité – un équilibre difficile à trouver avec des méthodes traditionnelles. »
Stratégie de recharge en quatre étapes : plus rapide et plus efficace
La recharge des batteries basse tension est un autre défi : la méthode classique, recharge à courant constant et tension constante (CC-CV), est lente, surtout lorsque la batterie est presque pleine, et génère des pertes énergétiques sous forme de chaleur. Pour y remédier, les chercheurs ont développé une stratégie de recharge en quatre étapes à courant constant, adaptée au SOC de la batterie.
Cette méthode utilise quatre courants différents : des courants élevés dans les premières phases (lorsque la batterie peut absorber beaucoup d’énergie rapidement) et des courants plus faibles dans les phases finales (pour éviter le surchauffage). Contrairement à la CC-CV, elle élimine la phase de tension constante, ce qui accélère le processus.
Dans les simulations, une batterie de 12 V avec une capacité de 22 Ah a été rechargée de 35 % à 95 % SOC en 410 secondes avec cette nouvelle stratégie, contre 490 secondes avec la CC-CV – une réduction de 16 %. De plus, l’efficacité de recharge a augmenté, car moins d’énergie a été perdue en chaleur.
Validation par simulations : résultats dans différents cycles de conduite
Pour vérifier l’efficacité de leurs stratégies, les chercheurs ont utilisé des logiciels de simulation AVL-Cruise (pour la dynamique du véhicule) et MATLAB-Simulink (pour la modélisation des systèmes électriques), créant un modèle virtuel d’un VEP. Ils l’ont testé dans quatre cycles de conduite standards :
- NEDC (Nouveau Cycle Européen de Conduite) : simule une combinaison de conduite urbaine et extra-urbaine.
- CLTC (Cycle Chinois pour Véhicules Légers) : adapté aux conditions de circulation chinoises, avec plus de phases de ralentissement.
- WLTC (Cycle Mondial Harmonisé pour Véhicules Légers) : inclut des vitesses plus variées, de l’urbain à l’autoroute.
- Conduite à 60 km/h constante : situation de consommation stable.
Les résultats ont été concluants : dans tous les cycles, la stratégie optimisée a réduit le consommation énergétique. La plus grande amélioration a été observée dans le cycle CLTC (-3,34 %), suivie du NEDC (-1,30 %). Même dans la conduite à 60 km/h, le consommation a diminué de 0,81 %.
« Ces chiffres montrent que notre approche fonctionne dans des situations réelles de conduite, pas seulement en laboratoire », souligne Peng Fan. « Chaque pourcentage de réduction du consommation se traduit par une autonomie accrue et des arrêts de recharge moins fréquents – des avantages concrets pour les conducteurs. »
Impact sur l’industrie automobile et les utilisateurs
Pour les constructeurs, cette recherche offre une voie économique pour améliorer les VEP : optimiser la gestion basse tension coûte moins cher que de modifier les systèmes haute tension, tout en offrant des gains tangibles en efficacité. Pour les utilisateurs, cela signifie une autonomie plus grande, une durée de vie de batterie prolongée et des temps de recharge réduits – des facteurs clés pour l’acceptation des véhicules électriques.
« La gestion basse tension est souvent un afterthought dans le développement des VEP, mais elle est cruciale pour la satisfaction des clients », explique Luo Wenguang. « Notre travail montre qu’avec des stratégies intelligentes, on peut obtenir des améliorations significatives sans révolutionner l’architecture du véhicule. »
Les chercheurs prévoient de poursuivre leurs travaux en testant ces stratégies sur des véhicules réels, dans des conditions variées (températures extrêmes, terrains accidentés). Ils étudieront également comment intégrer l’apprentissage automatique pour adapter la gestion énergétique aux habitudes individuelles des conducteurs – par exemple, augmenter la priorité de la climatisation pour un conducteur qui l’utilise constamment, ou réduire les charges de divertissement pour ceux qui en ont peu besoin.
Conclusion
À l’heure où l’electromobilité doit gagner en accessibilité et en fiabilité, des innovations comme celle de Peng Fan et Luo Wenguang sont essentielles. En combinant classification intelligente des charges, optimisation par algorithmes génétiques et stratégie de recharge adaptative, leur travail offre une solution complète pour améliorer la gestion basse tension dans les VEP. Les résultats montrent qu’il est possible de réduire le consommation énergétique, d’accélérer la recharge et de prolonger la durée de vie des batteries – tous des atouts majeurs pour les constructeurs et les utilisateurs.
Cette recherche n’est pas seulement une avancée scientifique ; elle est un pas vers des véhicules électriques plus efficaces, plus économiques et plus respectueux de l’environnement. Dans un contexte où la transition énergétique est une priorité mondiale, des solutions concrètes comme celle-ci seront déterminantes pour le succès de l’electromobilité.
À propos des auteurs :
Peng Fan et Luo Wenguang sont chercheurs à la School of Automation et au Guangxi Key Laboratory of Automobile Components and Vehicle Technology, à l’Université des Sciences et Technologies du Guangxi (Liuzhou, Chine).
Référence de la publication :
Peng Fan, Luo Wenguang. « Study on optimal strategy of low-voltage power supply management for pure electric vehicles. » Journal of Guangxi University of Science and Technology, Vol. 35, N° 2, juin 2024. DOI : 10.16375/j.cnki.cn45-1395/t.2024.02.008.