Prévenir les incendies de batteries EV : l’IA au service de la sécurité thermique
ParisLes véhicules électriques (VE) apportent des solutions innovantes aux problèmes environnementaux, mais posent également des défis techniques, notamment la sécurité des batteries. L'un des principaux problèmes de sécurité des VE concerne la régulation de la température de leurs batteries. Les batteries au lithium-ion ont tendance à chauffer excessivement, ce qui peut provoquer des incidents graves tels que des incendies.
Des recherches dirigées par Basab Goswami, doctorant à l'Université d'Arizona, présentent une nouvelle méthode pour prédire et prévenir les augmentations soudaines de température dans les batteries de véhicules électriques (VE). Publiée dans le Journal of Power Sources, l'étude propose un système d'apprentissage automatique capable de détecter, prédire, et identifier avec précision les dangers potentiels liés aux événements de fuite thermique dans ces batteries.
Le phénomène de l'emballement thermique se produit lorsqu'une élévation de température déclenche une réaction qui accroît encore plus la chaleur, pouvant aboutir à des incendies ou des explosions. Les batteries des véhicules électriques actuels contiennent plus de 1 000 cellules, et si une seule d'entre elles subit un emballement thermique, ce dernier peut très vite se propager aux cellules voisines, engendrant des problèmes graves.
L'utilisation de capteurs thermiques sur les cellules de batterie représente une avancée majeure. Ces capteurs recueillent les données de température passées et les transmettent à un algorithme d'apprentissage automatique. L'algorithme peut ensuite prévoir :
- Tendances futures des températures
- Probabilité d'un événement de dérive thermique
- Lieu exact où une dérive est susceptible de commencer
L'algorithme de Goswami est précis. Les anciennes méthodes reposaient sur l'imagerie thermique nécessitant des équipements encombrants et coûteux. Cette nouvelle approche est plus légère, moins chère, et extrêmement fiable. Le professeur Vitaliy Yurkiv, chef de projet, affirme que l'algorithme prédit les températures et emplacements des points chauds mieux que n'importe quel être humain.
L'industrie des véhicules électriques traverse une période cruciale. En juillet, l'administration Biden a annoncé une enveloppe de 1,7 milliard de dollars pour la fabrication de véhicules électriques dans huit États. La demande mondiale pour ces véhicules a augmenté de 35 % en 2023 par rapport à l'année précédente. Toutefois, des préoccupations de sécurité freinent encore l'adoption plus large de ces véhicules.
Cette recherche peut renforcer la confiance du public dans les véhicules électriques en résolvant le problème crucial de la défaillance thermique. Elle démontre l'importance de continuer à perfectionner la technologie pour répondre aux exigences des consommateurs en matière de sécurité et de fiabilité des technologies vertes. Au fur et à mesure que le machine learning progresse, son utilisation dans des domaines comme la sécurité des VE se développera probablement, offrant des solutions plus avancées et précises.
L'intégration du cadre de Goswami dans les systèmes de gestion des batteries des véhicules électriques représente un progrès essentiel. Cela garantit la sécurité des conducteurs et des passagers tout en favorisant l'adoption des véhicules électriques par un plus grand nombre de personnes.
L'étude est publiée ici:
http://dx.doi.org/10.1016/j.jpowsour.2024.235015et sa citation officielle - y compris les auteurs et la revue - est
Basab Ranjan Das Goswami, Yasaman Abdisobbouhi, Hui Du, Farzad Mashayek, Todd A. Kingston, Vitaliy Yurkiv. Advancing battery safety: Integrating multiphysics and machine learning for thermal runaway prediction in lithium-ion battery module. Journal of Power Sources, 2024; 614: 235015 DOI: 10.1016/j.jpowsour.2024.23501518 novembre 2024 · 14:36
Étudier le comportement des souris avec précision grâce à l’IA et à moins d’animaux
18 novembre 2024 · 12:24
L'IA détecte rapidement les tumeurs cérébrales invisibles lors d'interventions chirurgicales
17 novembre 2024 · 11:45
L'IA prédictive cible les sites à risque pour une surveillance améliorée des eaux souterraines
Partager cet article