Les incendies de batteries suscitent des inquiétudes en raison de l’adoption des VE – L’IA peut-elle aider à prévenir la dérive thermique ?

Une équipe d’ingénieurs dirigée par un doctorant de l’Université de l’Arizona a présenté une méthode novatrice pour empêcher les batteries de véhicules électriques de surchauffer. La méthode utilise des algorithmes d’IA pour prédire les zones à risque avant qu’elles ne deviennent dangereuses. Beaucoup considèrent cette étude comme une percée dans l’industrie, surtout compte tenu de la demande croissante de VE. Voici tout ce que vous devez savoir sur le rôle futur de l’IA dans la prévention de la dérive thermique.

Batteries lithium-ion (LIB)

Il y a quelques points clés à comprendre pour saisir l’ampleur de cette recherche. Tout d’abord, les batteries lithium-ion (LIB) sont les batteries les plus couramment utilisées dans les VE d’aujourd’hui. Ces batteries intègrent des ions lithium chargés pour transférer l’énergie à travers l’unité, produisant du courant pour vos besoins électriques. Ce qui rend les LIB si populaires, c’est qu’elles peuvent être rechargées en inversant temporairement la polarité et en renvoyant les ions vers la borne négative de l’unité.

Les VE d’aujourd’hui dépendent de ces dispositifs pour de nombreuses raisons, notamment parce qu’ils ont une durée de vie décente, sont relativement légers comparés aux alternatives, et offrent une densité énergétique exceptionnelle. Il est notamment courant que ces batteries utilisent des cellules regroupées pour créer le pack complet du VE. En effet, la plupart des packs de batteries de VE contiennent des milliers de cellules.

Qu’est-ce que la dérive thermique ?

La structuration actuelle à plusieurs cellules des LIB permet aux batteries de se charger plus rapidement et d’atteindre une plus longue durée de vie. Cependant, elle peut créer des points chauds à l’intérieur du pack de batteries pouvant entraîner une défaillance catastrophique. Lorsqu’une cellule unique commence à mal fonctionner, elle peut chauffer rapidement, provoquant une augmentation de la température des cellules environnantes et pouvant conduire à d’autres défaillances. Cet effet domino est appelé dérive thermique, et c’est l’un des principaux problèmes auxquels les VE sont confrontés aujourd’hui.

La dérive thermique (DT) peut réduire les performances, provoquer la décomposition de la batterie, voire des explosions. En tant que telle, elle représente une véritable préoccupation aujourd’hui pour les propriétaires de VE. La dérive thermique peut être causée par plusieurs facteurs, notamment des défaillances de batterie telles que la fusion du séparateur, la décomposition de la cathode ou une réaction défavorable du Li-électrolyte.

Problèmes de sécurité

Ces courts-circuits peuvent survenir rapidement et entraîner des blessures chez les personnes à proximité en raison d’incendies et d’explosions. De nombreuses histoires racontent des personnes se réveillant face à des incendies domestiques ou d’autres moments terrifiants à cause de l’ignition de la batterie de leur VE. Ainsi, résoudre ce problème est devenu une préoccupation majeure pour les chercheurs du monde entier.

Augmentation de la température

Le besoin de réduire la DT est devenu plus important ces dernières années en raison de plusieurs facteurs. L’augmentation de l’utilisation des VE et la hausse des températures mondiales ont créé un scénario dangereux avec davantage de vies en jeu que jamais. Ces facteurs rendent le maintien des batteries au frais essentiel pour atteindre un avenir plus vert.

Étude IA sur la dérive thermique

Une étude publiée dans le Journal of Power Sources montre comment un algorithme IA avancé couplé à des capteurs pourrait être la clé pour éliminer définitivement la dérive thermique. L’étude, dirigée par Basab Goswami, utilise des simulations de données de conducteurs pour imiter l’utilisation des batteries de VE dans des conditions de conduite quotidiennes.

Des modèles multiphysiques et d’apprentissage automatique qui exploitaient des sous-modèles thermiques, électrochimiques et de dégradation ont été utilisés pour déterminer les moments clés où la DT devenait perceptible. À partir de là, les systèmes IA ont renforcé les données, leur permettant de prédire et d’identifier les cellules en surchauffe plus rapidement que toute solution optique.

Test IA de dérive thermique

Les chercheurs ont cherché à mieux comprendre comment une interface électrolytique solide se dégrade sur une électrode négative sous diverses conditions. L’équipe a utilisé de vraies données de conducteurs et des états de batterie tels que la charge/décharge constante et les cycles de conduite pour tester la signature thermique de la batterie. Pour accomplir cette tâche, l’équipe a créé une batterie dotée de capteurs thermiques spéciaux enveloppés autour d’elle.

Les capteurs de température ont fourni des données détaillées de température spatiale et temporelle qui ont ensuite été combinées avec des données historiques et alimentées à l’algorithme IA. Ces données comprenaient des situations clés, des environnements, des activités de conduite et des problèmes techniques.

Algorithme de Goswami

L’Algorithme de Goswami est unique à bien des égards. Tout d’abord, c’est le premier modèle d’apprentissage automatique IA utilisé pour prédire la DT. Ce modèle multiphysique n’a été rendu possible que grâce aux nouveaux systèmes IA tels que la modélisation vectorielle. Ces systèmes avancés peuvent analyser d’énormes quantités de données et mettre en évidence des corrélations ou des motifs complexes bien au-delà des capacités humaines. En conséquence, la méthode de modélisation a permis à l’équipe de créer des données réalistes sur le comportement de conduite des VE.

Résultats du test IA de dérive thermique

Les résultats de l’étude sont impressionnants. D’une part, l’équipe a réussi à atteindre son objectif de prédire avec précision et constance la DT dans les LIB. L’IA était très précise et pouvait même déterminer où la dérive thermique avait commencé, alertant du danger et empêchant d’autres dommages. Maintenant, l’équipe cherche à étendre ses recherches, ce qui pourrait un jour aider à créer des VE plus sûrs pour tous.

Avantages de l’IA contre la dérive thermique

Cette recherche apporte de nombreux avantages au marché. Tout d’abord, l’algorithme IA est bien moins coûteux que l’utilisation d’autres méthodes pour prévenir la dérive thermique. Par le passé, les ingénieurs, y compris ceux de cette étude, ont proposé des méthodes de mesure optiques. Ces tactiques étaient efficaces mais nécessitaient des caméras coûteuses et une surveillance constante. L’IA libère les efforts de l’équipe et fournit de meilleurs résultats.

Haute précision

La capacité de prédire la température du thermocouple et l’emplacement des points chauds avec précision est une étape vitale pour créer des batteries plus durables et performantes à l’avenir. Les ingénieurs peuvent utiliser cette approche pour déterminer où leurs produits peuvent être améliorés et quelles pièces doivent être mises à jour ou modifiées afin de prévenir de futures DT.

Atteindre les émissions Net Zéro

Un autre avantage de cette recherche est qu’elle facilite l’atteinte de l’objectif mondial de réduction du carbone et des polluants. Les VE sont un moyen d’aider à réduire les émissions automobiles et toute méthode améliorant leur efficacité et leur performance aura un impact majeur sur le marché automobile à l’avenir. En 2023, les ventes de véhicules électriques ont augmenté de 35 % à l’échelle mondiale. Les analystes prévoient que cette croissance se poursuivra, faisant de la sécurité de la DT une priorité pour la plupart des fabricants.

Facilement intégré

Cette technologie peut être intégrée aux chaînes d’approvisionnement et aux processus de fabrication avec un effort minimal. Le modèle IA s’améliorera à mesure que davantage de données, de meilleurs capteurs et des modèles supplémentaires seront introduits dans le système de gestion de batterie de chaque véhicule électrique.

Chercheurs

L’étude a été menée à l’Université de l’Arizona par Vitaliy Yurkiv, Farzad Mashayek, Yasaman Abdisobbouhi, Hui Du et Todd A. Kingston. Le projet a été rendu possible grâce à une subvention de 599 808 $ du programme Defense Established Program to Stimulate Competitive Research du Département de la Défense. Notamment, Goswami et Yurkiv ont publié un autre article en janvier de cette année démontrant une méthode optique de détection des points chauds. Cette dernière étude est l’aboutissement de ces recherches et d’un désir de fournir une option plus abordable et accessible.

Deux entreprises qui pourraient bénéficier de cette recherche

Plusieurs entreprises pourraient tirer des bénéfices immédiats de cette étude. La demande de VE est en hausse, et les fabricants entrent sur le marché pour répondre à ce besoin. La capacité à offrir des alternatives plus sûres que les options actuelles aidera ces fabricants à se hisser en tête du marché. Voici deux entreprises qui pourraient mettre en œuvre cette technologie dès aujourd’hui et voir leurs résultats financiers s’améliorer.

1. Rivian

RIVN Graphique du prix

Rivian a été fondée en 2009 sous le nom de Mainstream Motors. Après plusieurs années et changements de nom, l’entreprise est officiellement devenue Rivian en 2011. Aujourd’hui, Rivian reste l’un des plus grands fabricants de VE en Amérique du Nord. L’entreprise se spécialise dans les véhicules utilitaires sport électriques et a son siège en Californie avec des opérations de fabrication en Illinois.

Rivian a déclaré un chiffre d’affaires de 4,43 milliards de dollars en 2023 avec 16 milliards de dollars d’actifs totaux. Ces dernières années, l’entreprise a déployé des efforts considérables pour atteindre la neutralité carbone d’ici 2040. Ces facteurs, combinés à la demande croissante pour ses produits, font de Rivian une recommandation solide « hold » pour les investisseurs recherchant des alternatives à Tesla (TSLA ).

2. Xiaomi

Le fabricant chinois de VE Xiaomi est considéré comme le principal concurrent de Tesla Motors dans la course aux VE. L’entreprise continue de gagner des parts de marché à l’échelle mondiale grâce à de nombreux facteurs. D’une part, la marque XIAMI est bien connue et a été une puissance du secteur électronique depuis des décennies. Ainsi, elle bénéficie d’une forte fidélité et confiance des consommateurs comparées aux options plus récentes.

Xiaomi possède une capitalisation boursière de 462,55 milliards de dollars et affiche actuellement une marge bénéficiaire de 6,12 %. L’entreprise continue d’étendre sa part de marché et sa technologie VE, ce qui maintient l’action très demandée à l’échelle mondiale. Ceux qui recherchent une action de fabrication de VE à forte croissance devraient envisager Xiaomi.

Dérive thermique et jamais revenir

Il faut saluer cette équipe pour avoir créé une méthode fiable et précise permettant de déterminer les étapes exactes d’un scénario de dérive thermique. Désormais, ces données peuvent être affinées et utilisées pour améliorer encore la détection. Dans les mois à venir, votre VE pourrait s’appuyer sur une technologie similaire grâce au travail acharné de ces ingénieurs. Ainsi, il est judicieux de suivre cette découverte à l’avenir.

Découvrez d’autres projets d’intelligence artificielle sympas maintenant.