Il existe plusieurs types de chimie de batterie présentant des caractéristiques différentes. Toutes ces batteries ont toutefois un point commun : leur intégrité chimique se détériore avec le temps (durée calendaire), le nombre et la profondeur des cycles (cyclage) et les températures extrêmes.

Le but de nos travaux est d’analyser ces effets en relevant des données d’usage, électriques et de température. Cette collecte a pour objectif de démontrer qu’il est possible d’allonger la durée de vie d’une batterie en modifiant ses paramètres de gestion au fur et à mesure de son vieillissement, pour éviter sa détérioration précoce.
En effet, l’état chimique des batteries induit des utilisations différentes lorsqu’elles sont neuves et qu’elles vieillissent, à l’image du fonctionnement d’un cerveau humain. Nous cherchons à identifier précisément les indicateurs qui pourraient déclencher les paramètres de gestion appropriés.

Dans un avenir proche, le BMS MLA deviendra le BMS AIA (Artificial Intelligence Appliance), en utilisant l’Intelligence Artificielle pour optimiser le coût total de possession (TCO). Cela permettra une utilisation plus responsable de nos ressources naturelles et augmentera considérablement la rentabilité du stockage d’énergie.