Porsche Engineering peaufine son jumeau de batterie numérique
L’année dernière, Porsche Engineering a commencé à développer des jumeaux numériques pour les batteries haute tension. La filiale d'ingénierie du constructeur allemand de voitures de luxe fait désormais état de progrès rapides, avec notamment une première fonction baptisée « Repair Prediction ».
Porsche Engineering est une filiale en propriété exclusive de Porsche AG dont le siège social est à Weissach, en Allemagne et, comme Porsche Consulting, propose des services pour des tiers. Comme sa sœur conseil, Porsche Engineering a ses racines au sein de l’entreprise mais se spécialise depuis de nombreuses années dans les services de développement technique pour un large éventail de clients.
Dans la perspective de l’ère électrique qui s’annonce, Porsche Engineering considère les batteries comme l’élément décisif des véhicules électriques – entre autres parce qu’elles ont une influence significative sur la valeur résiduelle. Pour comprendre en détail comment vieillissent les cellules et les systèmes de batterie et quelle influence le comportement d’utilisation a sur leur durée de vie, l’entreprise développe depuis 2023 ce qu’on appelle un jumeau numérique – et annonce aujourd’hui les premiers résultats intermédiaires.
«Nous devons comprendre comment les cellules se comporteront sur le terrain à long terme, sans pouvoir nous appuyer sur de nombreuses années d'expérience, comme c'est le cas pour le moteur à combustion», explique Joachim Schaper, responsable IA et Big Data chez Ingénierie Porsche. Le jumeau a donc vocation à donner un aperçu du futur, la représentation numérique de la batterie se comportant exactement comme l'originale et renseignant ainsi sur le processus de vieillissement attendu. La filiale d'ingénierie affirme que le jumeau numérique peut également être utilisé pour améliorer la durée de vie et les performances de la batterie.
Les experts en IA de Porsche Engineering en Allemagne et en République tchèque rapportent qu'ils ont désormais créé des prototypes de modèles électrochimiques et thermiques qui sont désormais combinés avec des analyses d'IA. Les travaux sur le Digital Battery Twin ont déjà abouti à une première fonction de prédiction de réparation, basée sur un algorithme d'apprentissage automatique qui surveille les données de la batterie et avertit des signes d'usure ou d'anomalies.
Pour créer un jumeau numérique de la batterie, plusieurs sources de données sont nécessaires. Un module dit de performance sert de base pour décrire le comportement électrique de la batterie de manière simplifiée et peut s'appuyer sur des approches établies (telles que le modèle résistance-condensateur). De plus, il existe un modèle électrochimique plus complexe qui simule les processus dans la cellule de la batterie. Un autre pilier est le modèle thermique, qui peut être utilisé pour prédire comment la batterie réagit au froid ou à la chaleur.
Dans le cas de Porsche Engineering, ces modèles reposent principalement sur des tests en laboratoire avec des cellules individuelles ou des modules de cellules et ne peuvent prédire que dans une mesure limitée le comportement de la batterie dans le véhicule. C'est pourquoi on utilise des données réelles de terrain provenant de véhicules d'essais ou de bancs d'essais sur lesquels les cellules sont mesurées. Celles-ci sont complétées par les données de la flotte si les clients participent à un programme d'échange de données. Les données de terrain sont utilisées pour entraîner les algorithmes d’IA à reconnaître les modèles de comportement d’utilisation des clients. Des écarts de température ou de tension dans des cellules individuelles, par exemple, peuvent indiquer une usure prématurée et des anomalies.
Cependant, Porsche Engineering précise qu'une IA ne peut reconnaître que les aspects pour lesquels il existe une base de données sur le terrain. Il ne peut pas se prononcer sur les effets du vieillissement à long terme, car pratiquement aucun véhicule électrique en circulation n’a plus de quatre ans. C'est pourquoi les ingénieurs de Porsche Engineering réunissent les deux mondes : « Le succès réside dans la combinaison de composants existants basés sur des modèles avec des méthodes d'IA », explique Adrian Eisenmann, ingénieur de développement chez Porsche Engineering.
Certaines start-up se concentrent déjà exclusivement sur l’analyse des données des batteries. Mais du point de vue de Porsche Engineering, il ne suffit pas d'examiner les cellules et les modules : « Il faut également une connaissance approfondie des processus dans le véhicule », souligne le directeur Joachim Schaper, qui considère son entreprise comme chez elle dans les deux mondes : « Par exemple , les ingénieurs ont développé de grandes parties du système de gestion de batterie pour les véhicules électriques Porsche ainsi que des inverseurs d'impulsions pour la transmission. Parallèlement, Porsche Engineering emploie des data scientists hautement spécialisés en matière de batteries.
L'objectif à long terme de l'entreprise n'est pas seulement de créer à l'avenir un Digital Battery Twin général, mais également une représentation numérique des batteries individuelles des véhicules. "Il pourrait fonctionner dans le cloud et, sur demande, fournir aux clients des informations sur la manière dont leur comportement peut prolonger la durée de vie de la batterie sans compromettre les performances de conduite", explique Porsche Engineering. Certains facteurs qui ont un effet positif sur la durabilité sont largement connus : l'état de charge (SoC) doit être maintenu constant entre 30 et 70 pour cent et les températures extérieures extrêmes doivent être évitées. Mais ce ne sont là que quelques-uns des nombreux facteurs. Porsche Engineering souligne que le vieillissement de la batterie est une interaction complexe de nombreux facteurs difficiles à séparer, en particulier sur le terrain.
Du point de vue des ingénieurs Porsche, il est même concevable que le sosie numérique puisse être utilisé à l’avenir pour personnaliser le véhicule. « Sur demande, nous pourrions analyser le style de conduite du client et modifier les paramètres du système de gestion de la batterie afin de minimiser l'usure », rapportent-ils. Les jumeaux numériques pourraient également fournir des informations importantes pour le développement de nouvelles batteries à l’avenir – peut-être même en dehors de l’industrie automobile. Une collecte complète de données sur l'usure des batteries permet également une meilleure utilisation dans des applications de seconde vie telles que le stockage stationnaire, comme celui entrepris par la société Voltfang ou The Mobility House. Scharper note également : « Les connaissances sur les cellules pourraient également être transférées aux camions, aux vélos électriques et aux bateaux. »
