par Bob Beckwith – Responsable des applications de groupe – BESS
Alors que le déploiement des systèmes de stockage d'énergie à batterie au lithium fer phosphate (LFP) continue de prendre de l'ampleur, l'estimation précise de l'état de charge (SOC) reste un défi constant. Il s'agit d'un paramètre essentiel pour un fonctionnement fiable, mais la chimie du LFP introduit des complexités uniques qui doivent être prises en compte. Ce document présente les principaux problèmes qui affectent la précision du SOC dans les systèmes LFP et décrit les principales stratégies à discuter pour trouver la meilleure façon de relever ces défis.
Principaux défis
Problème de plateau de tension. Les cellules LFP présentent une courbe de tension en circuit ouvert (OCV) par rapport au SOC particulièrement plate entre environ 20 % et environ 80 %. Dans cette plage, la tension ne varie que d'environ 100 mV sur 60 % du SOC, ce qui rend l'estimation basée sur la tension très peu fiable. Cette platitude limite l'efficacité des algorithmes SOC traditionnels basés sur la tension, en particulier dans le fonctionnement à moyenne portée. Comment pouvons-nous mieux exploiter les indicateurs alternatifs ou améliorer les modèles basés sur la tension afin d'améliorer la précision du SOC à moyenne portée ?
Dérive de l'intégration actuelle. Le comptage de Coulomb , bien que largement utilisé, est sujet à la dérive en raison de l'imprécision des capteurs et de l'efficacité de charge/décharge dépendante de la température. Même une petite erreur (par exemple, 0,1 % par cycle) peut entraîner un écart significatif du SOC au fil du temps. Nos protocoles actuels d'étalonnage des capteurs et de correction de la dérive sont-ils suffisants ? Devrions-nous explorer des techniques d'intégration ou des stratégies de redondance plus robustes ?
Effets de la température et du vieillissement. Les cellules LFP ont une faible résistance interne, mais cette résistance varie en fonction de la température et du vieillissement des cellules. L'estimation du SOC basée sur l'impédance devient moins fiable à mesure que les cellules vieillissent, ce qui a un impact sur la précision à long terme. Recueillons-nous actuellement suffisamment de données sur les tendances en matière de température et de vieillissement ? Pouvons-nous améliorer nos modèles prédictifs afin de tenir compte de ces variables de manière plus dynamique ?
Des mesures SOC inexactes n'affectent pas seulement les performances ; elles peuvent avoir des conséquences réelles sur l'exploitation et la maintenance ainsi que sur les résultats commerciaux. Une sous-estimation du SOC entraîne une capacité inutilisée, tandis qu'une surestimation risque d'entraîner une décharge profonde, voire d'endommager les cellules. L'un ou l'autre de ces problèmes, voire les deux, peuvent entraîner de graves inefficacités dans la distribution. Une déclaration erronée du SOC peut entraîner le non-respect des objectifs de livraison d'énergie ou des obligations de service et entraîner une non-conformité au réseau. Des violations injustifiées peuvent être déclenchées par des données SOC inexactes et entraîner des risques en matière de garantie. Des cellules déséquilibrées soumises à des cycles répétés sans calibrage SOC approprié peuvent accélérer le vieillissement et entraîner une dérive de capacité. Ce phénomène est connu sous le nom de « cycle mismatch » (inadéquation des cycles). Les données sont ici primordiales. Avec un grand nombre de systèmes déployés qui transmettent constamment des données, il ne serait certainement pas difficile de quantifier l'impact.
Stratégies d'atténuation
Pour relever ces défis, quatre stratégies principales se dessinent :
Algorithmes hybrides d'estimation SOC. Le comptage de Coulomb est combiné à des approches basées sur des modèles tels que le filtrage de Kalman étendu ou le filtrage particulaire. L'ajout de paramètres dynamiques pour la température et le vieillissement peut être très utile. Les fabricants de cellules et de BMS ont-ils la capacité de mettre en œuvre ces algorithmes dans leur architecture BMS actuelle ? S'agit-il d'un effort d'intégration important ?
Calibrage complet périodique. Des cycles de charge/décharge complets programmés permettent de réinitialiser la dérive du SOC. Les plateformes EMS avancées peuvent automatiser cette opération, mais la disponibilité du système peut être temporairement affectée. À quelle fréquence les calibrages complets doivent-ils être effectués ? Une fois toutes les deux semaines est-ce suffisant ou excessif ? Est-il possible d'optimiser cette fréquence sans compromettre le temps de fonctionnement ?
Fonctionnalités BMS améliorées. Des techniques telles que la spectroscopie d'impédance électrochimique (EIS) et les modèles prédictifs basés sur l'IA offrent des perspectives prometteuses. Ces méthodes estiment le SOC à partir de réponses dynamiques plutôt que de tensions statiques. La feuille de route actuelle du BMS est-elle alignée sur ces capacités ? Quels partenariats ou efforts de R&D pourraient être nécessaires pour accélérer son adoption ?
Intégration des jumeaux numériques. Les modèles de simulation en temps réel qui apprennent à partir des données historiques peuvent améliorer considérablement la précision des prévisions SOC. Ces modèles s'adaptent aux conditions réelles, offrant un cadre d'estimation plus résilient. Les technologies des jumeaux numériques ont-elles été suffisamment explorées ? Existent-elles à grande échelle ?
Conclusion
Le LFP restera la technologie chimique dominante pour le stockage à l'échelle du réseau à court terme, grâce à son profil de sécurité, sa rentabilité et sa longue durée de vie. Cependant, les défis liés à l'estimation du SOC nous obligent à faire évoluer nos outils et nos stratégies au-delà de ce qui était suffisant pour les systèmes NCM/NCA. Une estimation précise du SOC n'est pas seulement une subtilité technique, elle est essentielle pour protéger les revenus, garantir la conformité et prolonger la durée de vie des actifs.
