Projet BIG LEAP: Faire progresser les systèmes de gestion des batteries et l'intégration des batteries de seconde vie

Les batteries sont l’une des technologies clés identifiées pour guider la transition vers l’énergie propre, en particulier dans l’automobile et le stockage de l’énergie. Mais il reste des défis à relever, comme le manque d’interopérabilité entre leur chimie et leur architecture, ou l’absence de norme pour leur reconfiguration. Le projet BIG LEAP entend y remédier en développant des solutions pour les systèmes de stockage d’énergie (ESS) par batteries de seconde vie (SLB). BIG LEAP rassemble un consortium de 16 partenaires internationaux sous la houlette du Brussels Research and Innovation Center for Green Technologies (BRING).

Impact positif tout au long de la chaine de valeur des batteries

Les avancées technologiques ambitionnées pour les systèmes de gestion des batteries comprennent une architecture à trois niveaux afin de garantir l’interopérabilité, la sécurité et la fiabilité. Elle sera complétée par un système de stockage d’énergie adaptable qui facilitera l’intégration des BMS et étendra les applications potentielles des SLB. Le projet doit également optimiser et normaliser le processus de reconfiguration des batteries, le rendant moins couteux et plus rapide.

La méthodologie de développement comprend la collecte de données des batteries de véhicules électriques, de navires maritimes à propulsion électrique et de systèmes de stockage d’énergie. Les essais se dérouleront sur trois sites de démonstration. L’objectif est de confirmer l’efficacité et la compatibilité de ces BMS et des ESS innovants afin de faciliter leur montée en puissance sur le marché. Cette solution devrait avoir un impact positif sur l’économie européenne tout au long de la chaine de valeur des batteries grâce à ses avantages en terme de durabilité.

La BFH se concentrera sur une analyse innovante de l’impédance des batteries. Celle-ci permettra d’évaluer les baisses de puissance/capacité en vue de développer un algorithme de l’état de santé (SoH) et de l’état de puissance (SoP). La BFH mettra également au point un algorithme basé sur l’apprentissage automatique appliqué à un format de données réduit (le cadre de données statistiques de la BFH) afin d’estimer le SoH.