Retour à Blogue

Méthodes de modélisation des batteries pour la validation des véhicules électriques et des systèmes de stockage sur le réseau électrique

Énergie

09 / 21 / 2026

Méthodes de modélisation des batteries pour la validation des véhicules électriques et des systèmes de stockage sur le réseau électrique

Principaux enseignements

  • La précision du modèle doit correspondre à l'objectif de validation, car l'ajout de modèles physiques supplémentaires allonge le temps de calcul sans pour autant améliorer le résultat recherché.
  • Les modèles de circuit équivalent permettent de prédire ce que perçoit le système de gestion de la batterie, tandis que les modèles électrochimiques permettent de prédire le comportement interne de la cellule.
  • Les paramètres liés au vieillissement et à la température doivent être recalibrés par rapport aux mesures effectuées sur site, faute de quoi un régulateur validé en laboratoire indiquera un état de santé trop optimiste.

Un modèle de batterie trouve sa place dans la validation lorsqu'il reproduit exactement le comportement auquel votre contrôleur réagit, et rien de plus.

Les équipes chargées de développer des groupes motopropulseurs pour véhicules électriques et celles chargées de développer des systèmes de stockage sur réseau ont recours aux mêmes outils, mais constatent ensuite que les modèles ne sont pas transposables. Les ventes mondiales de voitures électriques ont dépassé les 20 millions en 2025, soit environ un quart de toutes les voitures neuves vendues, et chaque bloc-batterie est couplé à un système de gestion de batterie que quelqu’un a validé par rapport à un modèle. La pression ne porte pas sur la sophistication du modèle, mais sur le choix de la représentation qui répond à la question posée, à la vitesse à laquelle fonctionne votre banc d’essai.

La modélisation des batteries se divise en deux catégories qui répondent à des questions différentes. Les modèles de circuits équivalents offrent rapidité et simplicité de paramétrage. Les modèles électrochimiques permettent de visualiser des états internes qu’aucun capteur ne signale. Le choix repose sur l’identification du mode de défaillance que vous cherchez à cerner, car un modèle optimisé pour la précision de la tension aux bornes vous induira en erreur dès que vous vous poserez des questions sur le dépôt de lithium.

L'importance de la modélisation des batteries pour la validation des véhicules électriques et du réseau électrique

La modélisation des batteries consiste à représenter une cellule ou un pack à l'aide d'équations permettant de prédire la tension, le courant, la température et l'état de santé sous un profil de charge donné. Le modèle remplace le matériel physique, ce qui permet de tester le logiciel de contrôle bien avant la mise au point d'un pack de série.

Un banc d'essai de validation BMS l'illustre clairement. Le contrôleur mesure la tension et le courant, estime l'état de charge et décide quand limiter la puissance ou ouvrir un contacteur. Si l'on remplace le bloc-batterie physique par un modèle fonctionnant avec un pas de 50 microsecondes, le contrôleur ne fait pas la différence, à condition que le modèle reproduise la signature à laquelle il s'attend.

C'est justement là tout l'intérêt de cette substitution. Elle permet de simuler des situations de surcharge, de déséquilibre entre les cellules et de perte de signal des capteurs des centaines de fois sans endommager le matériel. Un modèle qui reproduit la tension aux bornes valide efficacement un estimateur d'état de charge, mais ne fournit aucune information sur la vitesse à laquelle une cellule s'échauffe à 3C.

La principale différence entre les modèles de circuit équivalent et les modèles électrochimiques

La principale différence entre un circuit équivalent et un modèle électrochimique réside dans ce qu'ils modélisent en interne. Un circuit équivalent reproduit le comportement aux bornes d'une cellule à l'aide de résistances et de condensateurs ajustés en fonction des données expérimentales. Un modèle électrochimique modélise les mécanismes physiques du transport du lithium à l'intérieur des électrodes et de l'électrolyte.

Sur un cycle de conduite de deux heures en temps réel, un modèle de circuit équivalent du premier ordre comprenant une résistance en série, une branche RC et une courbe de tension en circuit ouvert correspond à la tension aux bornes mesurée à quelques millivolts près sur toute la plage d'état de charge utilisable. Un modèle pseudo-bidimensionnel de cette même cellule permet de déterminer les gradients de concentration en lithium au niveau de chaque électrode et de prédire à quel moment le potentiel de surface de l'anode chute suffisamment pour que le dépôt commence.

Le modèle de circuit indique ce que le BMS va détecter. Le modèle physique décrit le comportement interne de la cellule. Les équipes rencontrent des difficultés lorsqu’elles poussent un modèle de circuit au-delà de la plage pour laquelle il a été conçu et qu’elles interprètent ses résultats comme des indications sur la sécurité de la cellule.

« Le modèle de circuit vous indique ce que le BMS va détecter. Le modèle physique vous indique ce qui se passe au niveau de la cellule elle-même. »

Choix du niveau de fidélité du modèle pour la question de validation que vous vous posez

La fidélité du modèle doit suivre le chemin le plus court vers la réponse dont vous avez besoin. Un test de synchronisation du contrôleur nécessite le modèle le plus simple possible, capable de s'exécuter de manière déterministe au sein de l'étape de votre solveur. Une étude de sécurité des cellules nécessite une résolution que le modèle de circuit ne peut pas fournir. Tout ce qui va au-delà vous coûte du temps de calcul et des efforts de paramétrage sans aucun bénéfice en retour.

Ce compromis apparaît clairement dès lors que l'on compare les différentes options.

Approche de la modélisation Ce qu'il rend bien Combien cela vous coûte
Modèle de résistance interne Il reproduit la tension aux bornes sous une charge stable sans réglage. Il manque de relâchement et présente des dérives lors des transitoires.
Modèle de circuit du premier ordre Il suit en temps réel la réponse en tension tout au long des cycles de conduite. Il faut actualiser les tables de correspondance à chaque changement de température.
Circuit du second ordre avec couplage thermique Il permet de mesurer la relaxation rapide et lente ainsi que l'échauffement cellulaire. Cela double l'effort de paramétrage et la charge du solveur.
Modèle à particule unique avec électrolyte Il indique les limites de concentration qui signalent un risque de dépôt. Il faut pour cela des données de démontage dont la plupart des équipes ne disposent pas.
Modèle électrochimique pseudo-bidimensionnel Il prédit des états internes qu’aucun capteur de la meute ne mesure. Il s'adapte rarement à un pas en temps réel sans réduction.

L'exécution en temps réel impose une limite stricte. Un modèle dont le calcul prend 200 microsecondes ne peut pas fonctionner sur un banc d'essai dont le pas est de 50 microsecondes ; les équipes sont donc amenées à simplifier le modèle physique jusqu'à ce qu'il s'adapte, et chaque simplification supprime, sans qu'on s'en rende compte, un mécanisme. Nous avons vu une erreur d'état de charge faire l'objet d'une recherche pendant des semaines, avant qu'on ne découvre qu'elle provenait d'un terme thermique supprimé lors de la simplification.

Comment le vieillissement et la dégradation sont pris en compte dans les modèles de batteries

Le vieillissement se traduit, dans un modèle de batterie, par une modification progressive de ses paramètres. La perte de capacité réduit la plage de charge utilisable et l'augmentation de la résistance entraîne une hausse de la chute de tension sous charge ; ces deux phénomènes évoluent en fonction de la température, de l'état de charge et de l'historique des cycles, plutôt qu'en fonction du temps écoulé seul.

Une installation de stockage sur réseau soumise à un cycle par jour pendant 10 ans accumule environ 3 650 cycles complets, et sa garantie est établie en fonction d’une courbe de conservation de la capacité. La validation de l’algorithme d’évaluation de l’état de santé implique l’exécution d’un modèle de vieillissement alimenté par les facteurs de contrainte auxquels l’unité sera réellement soumise.

Un modèle vieillissant a besoin d'un ensemble spécifique de données d'entrée pour rester fiable tout au long de cette période.

  • Nombre de cycles de charge/décharge et profondeur de décharge pour chaque groupe de cellules
  • Le temps passé à un niveau de charge élevé, qui détermine la dégradation due au temps
  • Évolution de la température dans l'ensemble du bloc plutôt qu'à l'entrée du liquide de refroidissement
  • Répartition du taux de charge, car la recharge rapide accélère le dépôt de lithium
  • Contrôles périodiques de la capacité effectués par les unités déployées sur le terrain afin de réajuster le modèle

Les modèles de vieillissement évoluent, ce qui est tout à fait normal. Il est donc judicieux de les recalibrer à intervalles réguliers en fonction des données de terrain mesurées, plutôt que de se fier à une courbe ajustée lors de la mise en service. Les équipes qui négligent cette étape valident un système de gestion de batterie (BMS) par rapport à une batterie qui n’existe plus, et l’estimateur indique un état de santé supérieur de plusieurs points à la réalité.

Le couplage thermique et son incidence sur la précision du modèle

Le couplage thermique est important car chaque paramètre électrique d'un modèle de batterie dépend de la température. La résistance interne peut plus que doubler entre 25 degrés Celsius et moins 10, de sorte qu'un modèle isotherme fournit des informations erronées sur la puissance disponible précisément lorsque la batterie est soumise à une contrainte.

La charge rapide illustre bien ce phénomène : en effet, un bloc de batteries absorbant 150 kW se réchauffe de manière inégale, et les cellules situées près de la sortie du liquide de refroidissement atteignent une température supérieure de plusieurs degrés à celle des cellules situées à l'entrée. Un seul nœud thermique concentré fait la moyenne de cet écart et indique que le bloc reste dans les limites autorisées, tandis que l'unité physique subit une réduction de puissance parce qu'un module a atteint son seuil.

Il existe trois niveaux de précision pratiques pour les modèles thermiques. Un modèle à nœud unique, simplifié, ne coûte presque rien et convient aux tests de la logique du contrôleur. Un réseau au niveau des modules permet de modéliser les gradients qui déclenchent le déclassement. Un modèle par éléments finis permet de modéliser la propagation d’une cellule à l’autre, mais fonctionne rarement en temps réel. Choisissez le niveau de précision le plus grossier qui permette de reproduire le gradient auquel votre contrôleur réagit.

« Choisissez le grain le plus grossier qui permette de reproduire le dégradé auquel votre contrôleur réagit. »

Les modèles de stockage sur réseau reposent sur des hypothèses différentes de celles des modèles de véhicules électriques

Les modèles de stockage sur réseau reposent sur des hypothèses différentes de celles des modèles de véhicules électriques

Les applications de stockage sur réseau et de véhicules électriques soumettent un modèle de batterie à des contraintes selon différents axes. Les batteries embarquées subissent de brefs pics de puissance et d’importantes variations de température. Les installations fixes, quant à elles, sont soumises à des cycles longs et peu profonds, à un contrôle thermique rigoureux et à des profils de fonctionnement déterminés par les signaux du marché plutôt que par un conducteur.

Aux États-Unis, la capacité de stockage par batterie à grande échelle a atteint près de 52 GW en juin 2026, après avoir enregistré une croissance annuelle moyenne de 70 % sur trois ans, et ce parc effectue des cycles de réponse en fréquence et d’arbitrage auxquels aucun profil automobile ne peut se comparer. Un modèle BESS doit conserver sa précision aux faibles intensités de courant, là où l’adaptation au circuit est la plus faible. Les équipes d’ingénieurs utilisant les simulateurs OPAL-RT associent les modèles de batteries RT-LAB à du matériel BMS physique, de sorte qu’une même version de micrologiciel soit testée sur des profils d’utilisation automobile et stationnaire sur le même banc d’essai.

La réutilisation d'un modèle de cellule de véhicule électrique pour un projet de stockage sans réajuster la plage de décharge à faible courant est le raccourci le plus courant que nous observons. Le modèle semble précis lors d'une décharge à 1C, mais présente un écart de 3 % à 5 % lors d'un cycle d'arbitrage à 0,2C, qui est le point de fonctionnement sur lequel repose le scénario de rentabilité. Découvrir cette erreur après la mise en service coûte bien plus cher que de procéder au réajustement.

Quand une validation rigoureuse des modèles de batterie porte ses fruits à long terme

Le choix d'un modèle de batterie relève d'un jugement sur la portée, et les équipes qui font le bon choix considèrent chaque modèle comme une hypothèse explicite quant aux mécanismes qui importent. Elles notent ce que le modèle ne prend pas en compte et revérifient cette liste chaque fois que la question de validation évolue.

Ce qui distingue les programmes performants de ceux qui peinent à s'imposer, c'est une habitude qui n'a rien de prestigieux. Les paramètres sont réajustés lorsque le fournisseur de cellules change de lot. Les hypothèses thermiques sont revérifiées lorsqu'on modifie la disposition d'un pack. Les courbes de vieillissement sont comparées aux retours de produits en service. C'est simplement un travail qui ne donne pas lieu à une démonstration, et qui finit donc par être négligé.

Les ingénieurs qui développent cette discipline constatent que le modèle devient une référence sur laquelle ils peuvent compter en situation de pression. C'est précisément l'objectif que poursuit OPAL-RT avec ses clients dans tous les domaines de l Énergie , de la production et du stockage d'énergie, où un même modèle de batterie doit faire ses preuves aussi bien lors d'un test de synchronisation du contrôleur le lundi que lors d'une étude de défaillance de sécurité le vendredi. Un modèle ne s'améliore pas simplement parce qu'il devient plus complexe. Il s'améliore parce que vous savez ce qu'il vous indique et ce qu'il ne vous indique pas.