Un chef d'orchestre pour batteries : quand les vieilles piles se mettent à jouer juste express
Les batteries de voitures électriques en fin de vie se comportent comme des musiciens capricieux : l'une joue plus fort, l'autre plus doucement, une troisième se désaccorde sans raison. Les assembler au hasard pour en faire une batterie, c'est s'exposer à une cacophonie : certaines cellules se surchargent, d'autres restent inactives, et le système tombe rapidement en panne.
Des ingénieurs ont transformé ce problème en un défi pour chef d'orchestre. L'algorithme passe en revue les différentes dispositions des cellules afin que leurs écarts de capacité, de débit de courant et d'autodécharge s'annulent mutuellement — comme des fausses notes qui se fondent en un accord. Le repère, ce sont la tension et la puissance requises. L'algorithme ne craint pas les erreurs de mesure : il prévoit le pire scénario. Sur de vraies cellules usagées pour un accumulateur domestique (10 kWh), l'optimisation a toujours donné une batterie fonctionnelle, contrairement aux tris simples. Étonnamment, le mélange délibéré de cellules « mauvaises » et « bonnes » a réduit les disparités internes de 76 à 87 % — comme dans un orchestre où les maîtres couvrent les débutants.
Cette approche réduit l'empreinte carbone et aide à stocker l'énergie des panneaux solaires : moins il y a de désordre dans l'assemblage, plus il dure longtemps.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.12951
The growing supply of retired electric vehicle batteries presents an opportunity for second-life stationary energy storage, but assembling heterogeneous retired cells into reliable packs is challenging due to substantial variation in capacity, DC internal resistance (DCIR), and self-discharge. This paper proposes a robust optimization framework for cell-to-pack assembly of second-life batteries. A topology-screening stage first identifies minimum-cell series-parallel configurations satisfying inverter and energy requirements, reducing the dimensionality of the subsequent assignment problem. For each candidate topology, a mixed-integer linear program selects cells and assigns them along the series string, enforcing power, voltage, and energy requirements as hard constraints while minimizing a normalized, weighted sum of DCIR spread, capacity spread, and self-discharge imbalance. Additionally, measurement uncertainty in capacity and DCIR is modeled as bounded intervals to guarantee feasibility under worst-case parameter deviations. The framework is evaluated on four heterogeneous inventories for a 10 kW/10 kWh stationary backup application. The proposed method satisfies all feasibility requirements in every case, while single-metric sorting heuristics each fail on at least one inventory. Relative to the best single-metric baseline by objective value, it reduces the normalized mismatch objective by 76-87%, demonstrating that jointly optimizing cell matching with application-level feasibility requirements improves heterogeneous second-life pack assembly under screening uncertainty.
D'ici 2030, les batteries usagées de véhicules électriques pourraient accumuler plus de 200 GWh d'énergie — de quoi assurer l'alimentation de secours de toute une métropole.