BetaWA — Battery Pack Optimizer

Erreurs courantes dans l'appariement des cellules de batterie : influence de la distribution des capacités et de la configuration

Enseignements pratiques tirés de quatre expériences d'optimisation réalisées avec deux jeux de 84 cellules lithium-ion synthétiques et le moteur BetaWA Pascal Core.

Cellules lithium-ion 18650 et 21700 dans leurs supports
Cellules lithium-ion 18650 et 21700. Photo illustrative ; les données expérimentales sont synthétiques. Photo : Sevenethics / Wikimedia Commons · CC0 1.0

La réutilisation de cellules lithium-ion provenant de véhicules électriques et d'autres systèmes de batteries peut constituer une solution intéressante pour fabriquer des systèmes de stockage d'énergie de seconde vie. Toutefois, des cellules présentant des caractéristiques nominales similaires ne forment pas nécessairement une batterie bien équilibrée.

Même lorsque la capacité de chaque cellule a été mesurée, le résultat final ne dépend pas uniquement de la différence entre la capacité maximale et la capacité minimale.

La distribution des capacités, le nombre de cellules connectées en parallèle et la méthode de regroupement peuvent tous influencer le résultat.

Pour le démontrer, nous avons testé deux jeux de données contenant chacun 84 cellules lithium-ion synthétiques à l'aide du moteur d'optimisation BetaWA Pascal Core utilisé dans l'application.

Les deux jeux présentaient les mêmes capacités minimale, maximale et moyenne. Seule la distribution des valeurs différait.

Nous avons ensuite testé chaque jeu dans deux configurations : 14S3P et 14S4P.

Les résultats mettent en évidence plusieurs erreurs fréquentes dans l'appariement des cellules et montrent pourquoi un changement de configuration peut parfois améliorer considérablement l'équilibrage des capacités.

1. Erreur : supposer que des plages de capacités similaires donnent des résultats similaires

Imaginons deux lots de cellules lithium-ion usagées.

Chaque lot contient 84 cellules dont les capacités mesurées sont comprises entre 24 et 30 Ah, avec une capacité moyenne de 27 Ah.

À première vue, les deux lots semblent comparables.

Pourtant, leurs distributions sont différentes.

Jeu A : distribution progressive

Les capacités sont réparties de manière relativement uniforme sur l'ensemble de la plage de 24 à 30 Ah.

Jeu B : deux groupes de capacités distincts

Un premier groupe contient des cellules dont les capacités se situent approximativement entre 24 et 25,5 Ah. Un second groupe se situe entre 28,5 et 30 Ah.

Un intervalle important sépare ces deux groupes.

Bien que les deux lots possèdent les mêmes valeurs minimale, maximale et moyenne, les combinaisons possibles pour constituer des groupes parallèles sont très différentes.

C'est pourquoi l'examen de ces trois statistiques seulement peut conduire à des conclusions trompeuses.

Un histogramme des capacités permet de révéler des caractéristiques du lot qui ne sont pas visibles à partir des seules valeurs minimale, maximale et moyenne.

Comparaison des distributions de capacité des jeux A et B
Figure 1. Comparaison des distributions de capacités des jeux de données synthétiques A et B.

2. Erreur : ignorer le nombre de cellules par groupe parallèle

Dans une configuration de batterie S×P :

Par exemple :

La capacité totale d'un groupe parallèle correspond approximativement à la somme des capacités de ses cellules, à condition que celles-ci soient compatibles et utilisées dans des conditions appropriées.

Lorsque les groupes sont connectés en série, la capacité utilisable de l'ensemble est limitée par les groupes qui atteignent les premiers leurs limites de charge ou de décharge.

Il est donc important d'obtenir des capacités totales proches entre les groupes parallèles.

Cependant, modifier P change les combinaisons disponibles.

Un lot difficile à équilibrer avec des groupes de trois cellules peut être beaucoup plus facile à optimiser avec des groupes de quatre.

Nos expériences en donnent un exemple concret.

3. Quatre expériences avec le moteur d'optimisation réel

Nous avons utilisé les deux mêmes jeux de données et le même moteur BetaWA Pascal Core.

Chaque jeu contenait 84 cellules synthétiques présentant les caractéristiques suivantes :

ParamètreValeur
Nombre de cellules84
Capacité minimale24 Ah
Capacité maximale30 Ah
Capacité moyenne27 Ah
Tolérance demandée0,20 %
Chimie sélectionnéeNMC/NCA

Pour la configuration 14S3P, nous avons demandé deux batteries complètes. Pour 14S4P, nous en avons demandé une.

Les résultats ci-dessous ont été produits par le moteur d'optimisation opérationnel de BetaWA. Les assemblages n'ont pas été constitués manuellement.

Résultats des expériences

IndicateurA : 14S3PB : 14S3PA : 14S4PB : 14S4P
Batteries complètes2111
Cellules dans les batteries complètes84425656
Cellules dans les groupes incomplets0392828
Cellules non utilisées0300
Dispersion des capacités0,0891 %5,6001 %0,0000 %0,0002 %
Tolérance atteinteOuiNonOuiOui

La dispersion des capacités (Capacity Spread) est calculée séparément pour chaque batterie complète :

Dispersion (%) = (capacité maximale des groupes − capacité minimale des groupes) / capacité moyenne des groupes × 100 %.

Le tableau reprend les valeurs affichées par l'interface BetaWA.

Jeu A : excellent résultat avec 14S3P

Avec la distribution progressive, BetaWA a constitué deux batteries complètes 14S3P en utilisant les 84 cellules.

Les deux batteries ont atteint une dispersion des capacités d'environ 0,0891 %, nettement inférieure à la tolérance demandée de 0,20 %.

Les capacités des groupes parallèles étaient comprises entre environ 80,9639 et 81,0361 Ah.

Ce résultat montre qu'une sélection de cellules aux capacités complémentaires peut permettre de former des groupes présentant des capacités totales très proches, même lorsque les cellules individuelles diffèrent sensiblement.

Jeu B : résultat insuffisant avec 14S3P

Le jeu présentant deux groupes de capacités distincts a donné un résultat très différent.

BetaWA n'a constitué qu'une seule batterie complète 14S3P, utilisant 42 cellules. Trente-neuf autres cellules ont été affectées à des groupes incomplets et trois sont restées inutilisées.

Plus important encore, la batterie complète présentait une dispersion des capacités de 5,6001 %, bien supérieure à la tolérance demandée de 0,20 %.

Les capacités de ses groupes parallèles variaient entre environ 78,7318 et 83,2682 Ah.

Ce résultat illustre les difficultés qu'une distribution fortement regroupée peut poser à un algorithme et à une configuration donnés.

Il ne prouve cependant pas qu'une meilleure solution 14S3P soit mathématiquement impossible.

Il indique uniquement le résultat trouvé par le moteur BetaWA dans les conditions de cet essai.

Cette distinction est importante lorsque des logiciels d'optimisation servent d'aide à la décision technique.

Jeu A : 14S4P avec une dispersion affichée nulle

Après le passage du jeu A à la configuration 14S4P, BetaWA a constitué une batterie complète utilisant 56 cellules.

Les 14 groupes parallèles présentaient chacun une capacité affichée de 108 Ah, avec une dispersion de 0,0000 %.

Les 28 cellules restantes ont été affectées à des groupes incomplets.

La structure symétrique du jeu de données synthétiques a permis à l'algorithme de combiner des cellules de faible et de forte capacité afin d'obtenir des sommes identiques.

Ce résultat particulièrement favorable est lié aux caractéristiques des données de test construites pour l'expérience. Il ne constitue pas une garantie pour des cellules usagées réelles.

Jeu B : amélioration spectaculaire en passant à 14S4P

Le résultat le plus remarquable est apparu lorsque nous avons modifié la configuration du jeu B de P=3 à P=4.

Avec 14S4P, BetaWA a constitué une batterie complète dont les capacités des groupes parallèles étaient comprises entre environ 107,9999 et 108,0001 Ah.

La dispersion affichée est descendue à environ 0,0002 %, atteignant ainsi la tolérance demandée.

Dans cette configuration, les combinaisons de cellules provenant des deux groupes de capacités ont permis de compenser beaucoup plus efficacement leurs différences.

Cependant, cette batterie complète utilisait 56 cellules, alors que deux batteries complètes 14S3P auraient nécessité les 84 cellules.

Un meilleur appariement des capacités ne signifie pas automatiquement davantage de batteries complètes ni une meilleure utilisation de l'ensemble du lot.

Dispersion des capacités pour quatre optimisations BetaWA
Figure 2. Comparaison de la dispersion des capacités lors des quatre essais. La ligne horizontale indique la tolérance demandée de 0,20 %.

4. Erreur : considérer la tolérance demandée comme un résultat garanti

La tolérance définie dans un logiciel d'optimisation constitue un objectif, et non une garantie.

Dans nos expériences, nous avons demandé une dispersion maximale des capacités de 0,20 %.

Trois configurations ont atteint cet objectif. Une ne l'a pas atteint.

Pour le jeu B en configuration 14S3P, le logiciel a produit une batterie complète présentant une dispersion de 5,6001 %.

C'est pourquoi les résultats d'optimisation doivent indiquer les valeurs réellement obtenues, plutôt que de simplement signaler que le calcul s'est terminé correctement.

Une exécution réussie du logiciel ne signifie pas nécessairement que l'assemblage obtenu satisfait aux exigences techniques de l'utilisateur.

BetaWA affiche séparément la tolérance demandée et la dispersion des capacités réellement obtenue, permettant ainsi d'évaluer le résultat.

5. Pourquoi un BMS ne peut pas remplacer l'appariement des capacités

Un système de gestion de batterie (Battery Management System, BMS) est essentiel au fonctionnement sûr de nombreux systèmes de batteries lithium-ion.

Selon sa conception, un BMS peut surveiller les tensions des groupes de cellules, les températures et le courant, gérer les limites de charge et de décharge, assurer des fonctions de protection et équilibrer les différences d'état de charge.

Cependant, l'équilibrage de l'état de charge et l'appariement des capacités ne sont pas la même chose.

Considérons deux groupes connectés en série, dont les capacités mesurées sont de 40 et 50 Ah.

Même si les deux groupes sont initialement complètement chargés, celui dont la capacité est la plus faible atteindra généralement sa limite de décharge en premier, dans des conditions comparables.

Un BMS conventionnel peut équilibrer les différences d'état de charge, mais il ne peut pas restaurer les 10 Ah de capacité physique manquants.

C'est pourquoi la sélection de groupes présentant des capacités utilisables similaires reste importante.

Le même principe s'applique à la réutilisation de modules de batterie complets. La présence d'une électronique intégrée ne garantit pas automatiquement leur compatibilité avec un nouveau système de batteries.

Certaines architectures avancées utilisent des transferts actifs d'énergie ou des convertisseurs de puissance individuels afin de gérer plus souplement les différences entre cellules. Ces systèmes peuvent modifier l'impact des écarts de capacité, mais nécessitent des composants électroniques supplémentaires, une commande plus complexe et entraînent des pertes énergétiques.

Dans les batteries conventionnelles associant des connexions en série et en parallèle, l'appariement des capacités et les fonctions de protection du BMS remplissent des rôles distincts et complémentaires.

BetaWA est un outil d'appariement des capacités, et non un substitut au BMS ou à la validation de la sécurité d'un système de batteries.

6. Erreur : ignorer la résistance interne et l'autodécharge

La capacité n'est qu'une des caractéristiques d'une cellule lithium-ion usagée.

Deux cellules présentant des capacités mesurées presque identiques peuvent se comporter différemment sous charge en raison de résistances internes différentes.

Une cellule dont la résistance interne est élevée peut subir une chute de tension plus importante et produire davantage de chaleur.

De même, une cellule présentant une autodécharge excessive peut perdre sa charge plus rapidement que les autres pendant le stockage ou l'utilisation.

Un bon résultat d'optimisation basé sur la capacité ne démontre donc pas, à lui seul, que les cellules sélectionnées conviennent à une réutilisation.

L'évaluation de cellules destinées à une seconde vie nécessite également des contrôles appropriés de la résistance interne, de l'autodécharge, de l'état physique, du comportement thermique et d'autres caractéristiques importantes pour la sécurité et les performances.

Des cellules de chimies différentes, présentant des plages de tension incompatibles ou des caractéristiques électriques inadaptées, ne doivent pas être considérées comme interchangeables simplement parce que leurs capacités sont proches.

7. Ce que ces expériences démontrent réellement

Les quatre essais permettent de tirer plusieurs observations pratiques.

Premièrement, des lots possédant des capacités minimale, maximale et moyenne identiques peuvent produire des résultats d'optimisation très différents.

Deuxièmement, le nombre de cellules par groupe parallèle peut modifier considérablement les combinaisons disponibles.

Troisièmement, une faible dispersion des capacités doit être évaluée en tenant compte du nombre de batteries complètes et du nombre de cellules qui les composent.

Enfin, les résultats dépendent à la fois de l'algorithme d'optimisation et des données d'entrée. Une solution qui n'a pas été trouvée n'est pas nécessairement impossible.

Les expériences reposaient sur des jeux de données synthétiques construits volontairement. La symétrie de leurs valeurs permet des combinaisons exceptionnellement précises, notamment avec P=4.

Les cellules réelles de seconde vie peuvent présenter des variations supplémentaires, des incertitudes de mesure, des différences de vieillissement et des contraintes électriques.

Ces expériences illustrent donc le comportement de l'algorithme et la sensibilité aux configurations choisies. Elles ne prédisent pas les performances typiques obtenues dans des conditions réelles.

8. Liste de vérification avant l'appariement de cellules usagées

Avant de concevoir une batterie de seconde vie :

  1. Mesurer la capacité de chaque cellule ou module dans des conditions d'essai cohérentes et appropriées.
  2. Examiner l'ensemble de la distribution des capacités, et pas seulement la moyenne et la plage de valeurs.
  3. Écarter les composants incompatibles, endommagés ou autrement inadaptés avant l'optimisation.
  4. Comparer plusieurs configurations S×P réalistes plutôt que de supposer que la première configuration choisie est optimale.
  5. Vérifier la dispersion des capacités réellement obtenue pour chaque batterie complète.
  6. Examiner le nombre de batteries complètes, de groupes incomplets et de cellules inutilisées.
  7. Vérifier la chimie, les limites de tension, la résistance interne, l'autodécharge, le comportement thermique, la compatibilité du BMS et les exigences de protection.
  8. Considérer les résultats d'optimisation comme des éléments d'aide à la décision technique, et non comme une certification de sécurité de la batterie.

Conclusion : un meilleur appariement commence par de meilleures décisions

Un même lot de 84 cellules peut donner des résultats très différents selon la distribution des capacités et la configuration choisie.

Dans nos expériences, la distribution progressive a permis à BetaWA de constituer deux batteries 14S3P présentant des capacités de groupes très proches.

Le jeu comportant deux groupes de capacités distincts a donné un résultat insuffisant en 14S3P, mais le passage à 14S4P a réduit la dispersion affichée à environ 0,0002 %.

Cela ne signifie pas que quatre cellules en parallèle soient toujours préférables à trois.

L'enseignement principal est le suivant :

La distribution des capacités, la configuration de la batterie et la méthode d'optimisation doivent être examinées conjointement.

Pour les ingénieurs, les spécialistes de la réparation et les professionnels du stockage d'énergie de seconde vie, comparer plusieurs configurations avant l'assemblage peut révéler à la fois des possibilités intéressantes et des limites importantes.

Analysez votre propre lot de cellules

BetaWA utilise un moteur d'optimisation basé sur Pascal pour regrouper des cellules ou modules de batterie dont les capacités ont été mesurées en assemblages série-parallèle, puis affiche la dispersion des capacités réellement obtenue.

Essayer BetaWA Battery Pack Optimizer

Articles associés :

Note sur les expériences : toutes les capacités d'entrée étaient synthétiques. Les regroupements et les résultats d'optimisation présentés ont été générés par le moteur opérationnel BetaWA Pascal Core. L'appariement des capacités ne constitue pas, à lui seul, une preuve de sécurité, d'aptitude à l'utilisation ou de conformité réglementaire d'une batterie.