Smart BMS: Advanced SOC Estimation & Active Balancing
Emove Véhicules · Intelligence batterie, matériel embarqué et redistribution active d'énergie
Étude de cas ciblée sur l'ingénierie algorithmique et matérielle d'un système de gestion de batterie intelligent (BMS). Les travaux portent sur l'estimation robuste de l'état de charge (SOC) sous profils de charge dynamiques et sur une architecture d'équilibrage actif basée sur un transfert d'énergie bidirectionnel par convertisseur Flyback synchrone.
Problématique
Les observations sur le terrain de la flotte de scooters électriques ont révélé des anomalies de performance critiques, notamment :
Coupures d'Alimentation Prématurées
Le véhicule subissait des pertes d'alimentation brutales, bien que l'indicateur d'état de charge (SOC) au tableau de bord affichât encore environ 20 % de capacité restante.
Instabilité Sévère du SOC
Le SOC estimé présentait des chutes rapides et erratiques lors de profils de décharge à fort courant (ex. fortes accélérations), révélant une instabilité majeure de l'algorithme de jauge.
Causes Probables
Une analyse des causes profondes a permis d'identifier trois facteurs principaux à l'origine de ces défaillances :
1. Hétérogénéité des Cellules
Des variations intrinsèques de capacité et de résistance interne entre les cellules entraînent la limitation prématurée du pack batterie entier par l'élément en série le plus faible.
2. Capacité d'Équilibrage Insuffisante
Les mécanismes d'équilibrage passif traditionnels s'avèrent inadaptés pour compenser les dérives de capacité importantes au fil du temps.
3. Estimation Non Robuste du SOC
L'algorithme d'estimation de base échoue à suivre de manière dynamique et précise le véritable état de charge sous des conditions de charge transitoires.
Périmètre du Projet
Les travaux d'ingénierie qui en découlent se concentrent spécifiquement sur l'atténuation de la Cause n°3 (Estimation Non Robuste du SOC), tout en intégrant simultanément une architecture d'équilibrage actif à hautes performances pour pallier l'hétérogénéité des cellules.
Flux d'Ingénierie
Modélisation et Développement Algorithmique
Le cycle d'ingénierie a débuté par le développement d'un modèle de batterie virtuel haute fidélité (Jumeau Numérique). Cela a facilité la conception rigoureuse, le réglage et les tests en boucle fermée des algorithmes d'estimation du SOC dans l'environnement MATLAB/Simulink, en faisant abstraction des contraintes matérielles lors des premières phases de développement.
Validation par Simulation (MiL)
Afin de garantir la robustesse algorithmique sous divers profils de charge hautement dynamiques, une suite complète de 12 scénarios de tests rigoureux a été exécutée via simulation Model-in-the-Loop (MiL). Trois scénarios critiques sont détaillés ci-dessous :
Scénario A : Profil Dynamique Nominal
Ce scénario évalue la réponse de l'estimateur sous un profil de courant nominal mais hautement dynamique. Les résultats confirment une stabilité d'estimation exceptionnelle sous de fortes charges dynamiques, atteignant une erreur quadratique moyenne (RMSE) de seulement 0,23 % et une erreur d'estimation finale de 0,61 %.
Scénario B : Vieillissement de la Batterie (80 % SOH)
Ce scénario évalue la robustesse algorithmique face à la dégradation de la batterie, en simulant spécifiquement un état de santé (SOH) de 80 %. Le SOC estimé suit précisément le SOC réel malgré la réduction de capacité disponible. Démontrant une RMSE de 0,89 % et une erreur finale de 1,33 %, ce scénario valide la capacité de l'architecture à maintenir une estimation hautement fiable en présence d'une perte de capacité modérée.
Scénario C : Biais des Capteurs et Bruit de Mesure
Pour évaluer la sensibilité aux imprécisions de mesure, des biais réalistes ont été introduits dans les lectures de tension et de courant. Malgré ces perturbations, la fusion UKF-LSTM, régie par la logique de supervision, a réussi à atténuer l'impact de l'incertitude des capteurs. Le système a maintenu un suivi étroit avec une RMSE de 0,49 % et une erreur finale de seulement 0,25 %.
Prototypage Matériel (HiL)
Suite à l'obtention de métriques de simulation concluantes, le pipeline algorithmique a été porté sur un prototype simplifié Hardware-in-the-Loop (HiL) pour une validation empirique. Cette configuration comprenait un Front-End Analogique (AFE) sur mesure pour l'acquisition précise des tensions des cellules (via des ponts diviseurs de précision), du courant du pack (via un shunt de 0,22Ω) et des températures (via des thermistances NTC).
Fait crucial, cette phase a permis de valider avec succès l'architecture de protection de puissance : une topologie à double interrupteur "high-side" utilisant des MOSFET à canal P (IRF5210), pilotés en toute sécurité par un étage d'adaptation de niveau à transistor NPN (2N3904) pour faire l'interface avec la logique du microcontrôleur.
Architecture Matérielle Industrielle
Le prototype validé a par la suite été converti en un routage PCB industriel complet de 6 couches sous Altium Designer. L'architecture s'articule autour d'un microcontrôleur haute performance STM32H743VIT6, exploitant sa FPU, son DMA et sa double horloge (32,768 kHz / 25 MHz) pour garantir l'exécution en temps réel des réseaux ECM, UKF et LSTM.
La carte intègre un Front-End Analogique BQ76952PFBR pour la protection matérielle autonome primaire, et un contrôleur d'équilibrage actif LTC3300-1 pour permettre le transfert bidirectionnel d'énergie. Des contraintes strictes de CEM et d'intégrité des signaux ont été appliquées, notamment une isolation galvanique (TME 0505S) et une interface bus CAN dédiée pour l'intégration dans le véhicule.
Conclusion et Perspectives
L'architecture du BMS intelligent proposée atténue avec succès les coupures de courant prématurées et maximise l'extraction de l'énergie utilisable. Les futures directives d'ingénierie impliquent une validation complète en temps réel sur des packs LFP à l'échelle réelle, sous des conditions d'exploitation réelles du véhicule, afin de certifier le système pour une production de masse.
Intéressé(e) par ce projet ?
Consultez mon CV, connectez-vous sur LinkedIn, ou contactez-moi pour discuter de modélisation de batteries, de systèmes embarqués et d'ingénierie de la mobilité électrique.