Système de management de batterie (BMS)

Pour certaines applications alimentées par batterie, le module de stockage (plusieurs cellules) est doté d’un système de gestion et de distribution d’énergie appelé système de management de batterie (BMS). Dans le but d’optimiser ses performances par rapport aux demandes de la mission tout en limitant les risques de dégradation de la batterie, ce système interface avec les autres modules embarqués et fonctionne en temps réel pour le contrôle du charge/décharge [40] [15] [19].

Durant toute la mission, un BMS a pour rôle d’assurer les taches suivantes : - Collection des informations des capteurs installés sur les cellules de la

batterie (tensions, courant, température, état de thermostat…etc.).

- Contrôle de la charge batterie pour assurer une phase de charge la plus courte possible à des conditions seines, sur la base d’algorithmes intégrés dans le BMS [41].

- La gestion du rééquilibrage (Balancing) des cellules afin d’aboutir à des performances optimales du module batterie. Ce rééquilibrage est nécessaire dans les batteries à plusieurs cellules (sérié/parallèle) ou avoir une cellule stressée (qui se comporte comme une charge) limite la performance de l’ensemble du module. Le BMS contrôle ce rééquilibrage des cellules à travers une instrumentation installée et une stratégie (algorithme) prédéterminée et implémentée dans le BMS [42].

- La protection de la batterie des risques en évitant la surcharge ou la sur décharge excessive ou d’autres anomalies majeures (e.g, l’augmentation de la température pour les Li-Ion) qui peuvent se produire en cas de défaillance de la batterie ou des équipements dans l’environnement qui l’entoure. Cette protection peut être physique, par relai pour arrêt d’urgence ou par envoi d’alarme (rapport à l’utilisateur).

- Monitoring l’état de la batterie et communication d’information (SOC, DOD, température, alarmes, jauge…etc.).

- Le Contrôle thermique de la batterie a pour but de maintenir les batteries dans une plage d’opération sécurisée. Ce contrôle peut aller d’une simple mesure de la température afin de revoir la stratégie des équipements auxiliaire à mettre en servie comme c’est le cas pour des batteries VRLA, jusqu’au réchauffage ou le refroidissement de la batterie à travers un

USTO-MB. LEPESA Page 40

contrôle thermique active (radiateur active, réchauffeur, thermostat…etc.) dans le cas des batteries Ni-MH et/ou Li-Ion. un système de ventilation peut être envisagé pour dégager les gaz hasardeux générés par la batterie. - La commination (TM/TC) avec l’ordinateur de bord (OBC) de l’application

selon des protocoles de communication standard (I2_{C, RS-232, CAN ou Os-} link…etc.).

Figure 2.17 Diagramme générique d’un BMS.

Contrôleur de charge Algorithme de contrôle de charge/décharge Communication Bus CAN, Rs232, …etc. Algorithme de d’estimation de l’état des cellules

SOC, SOH Contrôle Thermique Unité de contrôle « BMS» Algorithme de rééquilibrage des cellules Périphériques (LEDs, LCD, RS- 232, USB) Charge I/O analogique ADC, CAN Relais de déconnexion % SOC % SOC % SOC

Cell 1/1 Cell2/1 Celln/1

% SOC % SOC % SOC

Cell 1/2 Cell2/2 Celln/2

% SOC % SOC % SOC

Cell 1/p Cell2/p Celln/p

+ - Balance 1/1 Balance 2/1 Balance, « T° et Vcell » 2/1 Sonde de courant ib °C Convertisseur DC/DC Mémoire externe « EEPROM »

Source d’alimentation externe GPV, secteur 240V ou autre

V °C

USTO-MB. LEPESA Page 41

2.8. Conclusion

L’identification de l’état de batterie et plus particulièrement l’état de charge est critique pour des applications comme le spatial, HEV et EV, les risques et les attendus imposent de maintenir le SOC à un certain niveau (dans un intervalle) pour délivrer la puissance requise durant la mission. Avec une limite de DOD afin de ne pas provoquer de sur décharge ou réduire la durée de vie de la batterie. Aussi un seuil plafonné de SOC qui permet la régénération de l’énergie stockée et un profil de charge optimisé qui minimise le risque de surcharge.

Les exigences (protection et performance) de la mission pour son unité de stockage sont traduites dans le système BMS adapté. Par conséquent, les précisions attendues sont dépendantes de l’approche adaptée dans MBS, modèle et méthode d’identification des paramètres.

Malgré l’histoire de la recherche et du développement engagés dans les différents domaines d’application des batteries, il n'existe à l'heure actuelle aucun modèle chimique, mathématique ou électrique permettant de reproduire assez précisément et dans divers cas de figure son fonctionnement. Les seuls modèles disponibles n’offrent pas assez de précision ou bien seulement utilisables dans certaines conditions étroitement cadrées.

Sur la base des connaissances acquises sur l’évolution de la batterie en opération et/ou en stockage, on proposera, par la suite, une solution qui combine l’utilisation de modélisation à paramètres évolutifs qui seront à estimer d’une façon continu afin d’identifier l’état de la batterie.

Chapitre 3

Modélisation &

Estimation.

3.

USTO-MB. LEPESA Page 42

3.1. Introduction

De nombreux problèmes, où un système doit réagir en fonction des mesures effectuées, nécessitent la représentation du phénomène mesuré sous la forme d’un modèle mathématique dépendant d’un certain nombre de paramètres. La forme du modèle se déduit de l’aspect physique du phénomène étudié et tient souvent en compte des simplifications de manière à éviter de concevoir des implémentations excessivement complexes. En générale, le modèle ne reflète pas toute la réalité car les mesures sont la plupart du temps entachées d’un bruit ; et même l’utilisation d’un modèle trop compliqué ne présenterait plus d’intérêt pratique qu’un modèle simplifié.

Pour estimer un paramètre il faut pour cela définir un critère de correction et essayer de le minimiser, exemple « critère quadratique ».

Pour l’ajustement de paramètre on a plusieurs stratégies. On peut réaliser un ensemble d’expérience et enregistrer les résultats pour les différentes moments, ensuit on appliquera alors les algorithmes de minimisation de critère sur l’ensemble des données simultanément. On parle souvent de « Méthodes globales » de minimisation ; qui sont en générale les plus robustes mais elle présente l’inconvénient d’attendre la fin des mesures pour calculer les paramètres or dans certains applications du type « temps réel » on préfère effectuer un ajustement récursif pour la poursuite des paramètres à estimer, (voir Figure 3.1).

USTO-MB. LEPESA Page 43