Percer le mystère de la charge de la batterie

Vous avez déjà vécu cela : cette petite pointe d’angoisse lorsque la batterie de votre téléphone ou de votre ordinateur portable tombe à 5 %, et que vous vous précipitez pour terminer un message ou réserver un billet, sans vraiment savoir s’il vous reste 30 secondes ou dix minutes. C’est parce que le chiffre affiché à l’écran n’est pas aussi fiable qu’il n’y paraît. Votre téléphone peut indiquer 20 % de batterie à un moment donné et être complètement à plat dix minutes plus tard, ou bien rester bloqué à 1 % pendant ce qui semble être une heure, refusant de s’éteindre.

Ce n’est pas le fruit de votre imagination. Il s’agit d’une limite fondamentale de la manière dont nous estimons l’état de charge des batteries.

Il n’existe en réalité aucun moyen direct de mesurer le niveau de charge réel d’une batterie. Son « énergie » restante, ou état de charge, ne peut être estimée qu’indirectement, à l’aide de mesures telles que la tension et le courant, qui sont traitées par des modèles permettant d’estimer le chiffre réel. Pour les batteries au lithium fer phosphate (LFP) (qui s’imposent de plus en plus comme la norme pour le stockage d’énergie à grande échelle), ces estimations peuvent présenter un écart pouvant atteindre 20 %. Pour votre téléphone, c’est un simple désagrément. Pour une batterie à grande échelle raccordée au réseau électrique, cela peut coûter très cher.

Quand une estimation devient une promesse non tenue

Les batteries à grande échelle raccordées au réseau électrique ne se contentent pas de stocker de l’énergie. Elles participent aux marchés de l’électricité, où l’énergie est achetée et vendue de la même manière que l’on achète et vend des pommes de terre ou du blé sur un marché des matières premières. Elles s’engagent à fournir ou à absorber une certaine quantité d’énergie à un moment donné. De plus, elles s’engagent à être prêtes, en quelques secondes, à contribuer à maintenir l’équilibre entre l’offre et la demande du réseau, un service appelé « réserves de fréquence ».

Ces deux engagements dépendent de la capacité de l’opérateur de la batterie à connaître le niveau de charge réellement disponible. Si l’état de charge réel diffère de ce que l’exploitant estime, disons avec un écart de 15 %, ces engagements ne peuvent pas être tenus. Pour une batterie négociée sur les marchés de l’électricité, cela se traduit par des pénalités financières pour non-respect des engagements. Pire encore, en cas d’urgence, cela peut signifier que la batterie ne dispose tout simplement pas de suffisamment d’énergie pour soutenir le réseau au moment où cela est le plus nécessaire.

Deux communautés distinctes s’attaquent à ce problème, chacune de son côté. Les chimistes spécialisés dans les batteries et les data scientists s’attaquent au problème à la source, en utilisant de meilleurs capteurs, de meilleurs modèles internes du comportement de la batterie, davantage de données et des algorithmes d’estimation plus intelligents. Ce travail est essentiel et les résultats ne cessent de s’améliorer, mais même les meilleurs estimateurs comportent encore une erreur réelle et inévitable. La chimie d’une batterie LFP ne révèle tout simplement pas son état interne facilement.

Les exploitants de batteries, quant à eux, considèrent ce chiffre incertain comme une donnée acquise et s’en prémunissent. Si vous ne pouvez pas vous fier entièrement à votre estimation de charge, vous intégrez une marge de sécurité. Vous ne faites jamais d’offres sur le marché comme si vous disposiez de 100 % de la capacité nominale de la batterie. Au lieu de cela, vous en réservez une partie, au cas où. Cela fonctionne, mais c’est un outil peu précis. Une marge trop étroite risque de vous faire manquer à vos engagements. Une marge trop large signifie laisser de la capacité utilisable, et donc des revenus, sur la table, toute la journée, tous les jours.

Concilier les deux mondes

Au sein d’un groupe de recherche de l’ETH Zurich et du NCCR Automation, nous avons étudié précisément ce problème, en partant du point clé qui fait le lien entre les deux perspectives : l’ampleur de l’erreur d’estimation n’est pas fixe. Elle dépend de la manière dont la batterie est utilisée. L’erreur a tendance à s’accumuler progressivement lors d’un fonctionnement quotidien à charge moyenne, ce qui correspond exactement à la période pendant laquelle une batterie passe la majeure partie de son temps lorsqu’elle fournit des réserves au réseau. Mais elle disparaît lorsque la batterie est amenée à un état proche de la charge maximale ou de la décharge complète : la valeur indiquée et la valeur réelle se recoupent alors à nouveau.

En d’autres termes, les décisions de l’opérateur et le problème d’estimation du chimiste ne sont absolument pas dissociés. La manière dont vous exploitez la batterie influe directement sur le degré de fiabilité des informations qu’elle vous fournit.

En collaborant étroitement avec des professionnels qui négocient réellement des batteries sur les marchés de l’électricité, nous avons développé une stratégie d’enchères qui exploite directement ce lien. Sur ces marchés, les enchères sont généralement calculées automatiquement par un algorithme, et non ajustées manuellement heure par heure par un trader. Nous avons ajouté à cet algorithme une prise en compte de l’incertitude : au lieu de s’appuyer sur une marge de sécurité fixe (et élevée), nous avons fait en sorte que l’algorithme soit conscient que ses propres décisions influencent le degré d’incertitude de son estimation ultérieure. Il met en balance le profit immédiat d’une décision et l’intérêt de pousser occasionnellement la batterie vers un état de charge maximale ou minimale afin d’affiner l’estimation, ce qui lui permet de réduire la marge de sécurité.

Par rapport aux marges de sécurité fixes, cette approche tenant compte de l’incertitude préserve la fiabilité de la batterie tout en générant des revenus nettement supérieurs. Lors de notre simulation de six mois, à un niveau de fiabilité similaire en matière de réserve, la stratégie tenant compte de l’incertitude a généré environ un tiers de revenus supplémentaires par rapport à une marge de sécurité fixe. La différence réside dans la manière dont la marge de sécurité est utilisée. Une marge fixe la consacre partout, tout le temps. La nôtre ne la consacre que là où elle est réellement nécessaire, et la supprime partout ailleurs.

La prochaine fois que la batterie de votre téléphone se comportera de manière inexplicable, rappelez-vous ceci : quelque part, une batterie bien plus grande traverse exactement la même crise d’identité. La différence, c’est qu’avec notre approche, celle-ci peut être exploitée de manière suffisamment intelligente pour savoir quand faire confiance à sa propre estimation, et quand agir pour améliorer cette estimation.