BattMo -- Battery Modelling Toolbox

Cet article présente BattMo, une boîte à outils de volumes finis flexible basée sur MATLAB pour la simulation de diverses cellules de batteries électrochimiques qui prend en charge les géométries 3D, les modèles thermiques et de dégradation couplés, ainsi qu'une paramétrisation conforme aux principes FAIR, tout en permettant une optimisation efficace par gradient grâce à la dérivation automatique.

L'essentiel

Imaginez que vous essayiez de construire une meilleure batterie, mais qu'au lieu de fabriquer des prototypes physiques à base de métaux et de produits chimiques (ce qui est coûteux, lent et salissant), vous vouliez les construire dans un ordinateur. C'est exactement ce que fait BattMo.

Considérez BattMo comme un « jeu de Lego pour les chercheurs en batteries ».

Voici comment cela fonctionne, décomposé en idées simples :

1. Le Plan (le système « JSON » et « Graphe »)

Habituellement, modifier la conception d'une batterie dans un programme informatique, c'est comme essayer de réécrire tout le dictionnaire juste pour changer un seul mot. BattMo est différent.

• La fiche recette : Vous indiquez au logiciel à quoi ressemble votre batterie et de quoi elle est composée à l'aide d'un simple fichier texte (appelé JSON). C'est comme remplir un formulaire où vous dites : « Je veux une batterie cylindrique faite de ce type spécifique de lithium. »
• L'organigramme : À l'intérieur de l'ordinateur, la batterie n'est pas juste un bloc de code ; elle est construite comme un organigramme ou un graphe de calcul. Imaginez un arbre généalogique où les « parents » sont les lois de la physique et les « enfants » sont les résultats. Si vous voulez changer la façon dont la batterie chauffe, il vous suffit de remplacer une branche de l'arbre sans casser toute la famille. Cela permet de mélanger et d'associer facilement différentes idées.

2. Le Simulateur (le « Laboratoire Virtuel »)

Une fois que vous avez construit votre batterie virtuelle, BattMo agit comme un simulateur ultra-rapide.

• Modélisation 3D : Il ne se contente pas d'examiner une tranche plate de la batterie ; il construit un modèle complet en 3D. Que votre batterie soit une pièce plate, un rouleau (jelly roll) ou un gros bloc rectangulaire, BattMo peut la visualiser en 3D.
• Le facteur « Chaleur » : Il ne suit pas seulement l'électricité ; il suit aussi la chaleur. Il simule la façon dont la batterie chauffe pendant la charge et se refroidit lorsqu'elle est au repos, tout cela en même temps.
• La surveillance du « Vieillissement » : Il peut même prédire comment la batterie vieillit. Il simule des phénomènes comme l'accumulation d'une fine couche de résidus (appelée couche SEI) à l'intérieur, ou la façon dont les matériaux au silicium gonflent comme une éponge lorsqu'ils absorbent de l'énergie.

3. Le « Tuteur Intelligent » (Calibration et Optimisation)

L'une des parties les plus difficiles de la science des batteries est de deviner les bons chiffres pour les matériaux.

• L'ajusteur automatique : BattMo possède un « tuteur intelligent » intégré qui utilise une technique appelée différentiation automatique. Imaginez que vous essayez de régler une radio pour obtenir le signal le plus clair possible. BattMo peut calculer instantanément exactement quels boutons tourner pour obtenir la correspondance parfaite entre votre modèle informatique et les expériences du monde réel. Cela évite aux chercheurs de passer des semaines à tâtonner et à tester.

4. À qui cela s'adresse-t-il ?

• Les experts : Les concepteurs de batteries qui veulent tester 50 formes différentes en une heure plutôt que de construire 50 prototypes physiques.
• Les étudiants : Les débutants qui veulent voir comment l'électricité et la chaleur se déplacent à l'intérieur d'une batterie sans avoir besoin d'un doctorat pour comprendre le code.
• Les développeurs : Les personnes qui souhaitent intégrer cet outil dans leurs propres flux de travail logiciels.

5. Qu'est-ce qui le rend spécial ?

Bien que d'autres outils existent (comme PyBaMM), BattMo est unique car :

• Il a été conçu dès le départ pour gérer les formes 3D et la chaleur ensemble.
• Il repose sur une fondation appelée MRST (une boîte à outils initialement utilisée pour les réservoirs pétroliers), ce qui signifie qu'il est très performant pour résoudre des problèmes mathématiques complexes rapidement.
• Il est ouvert et flexible. Vous pouvez remplacer le « moteur » (les équations mathématiques) facilement, tout comme on change le moteur d'une voiture, pour tester de nouvelles compositions chimiques de batteries.

En résumé

BattMo est un atelier numérique où vous pouvez concevoir, construire et tester des batteries en 3D. Il utilise un système modulaire basé sur des blocs qui permet aux scientifiques de remplacer facilement des pièces, de prédire comment les batteries vieillissent et d'ajuster automatiquement leurs conceptions pour qu'elles correspondent à la réalité — le tout sans avoir besoin de construire la moindre batterie physique dans le monde réel.

Note : Ce logiciel est actuellement utilisé dans de grands projets de recherche européens (comme HYDRA et BATMAX) pour concevoir de nouveaux types de batteries pour les véhicules électriques et le stockage d'énergie, mais l'article se concentre sur l'outil lui-même, et non sur les produits spécifiques qu'il créera à l'avenir.

Résumé technique

Résumé technique de BattMo : Battery Modelling Toolbox

Énoncé du problème
Le développement de systèmes électrochimiques de haute performance, en particulier pour les batteries Li-ion et post-Li-ion, est crucial pour la transition énergétique électrique. Cependant, la création de flux de travail numériques rigoureux pour réduire le prototypage physique et extraire des informations à partir des données reste un défi. Les modèles physiques existants peinent souvent avec le calibrage des paramètres, et bien que des cadres open-source comme PyBaMM, cideMOD et LIONSIMBA existent, ils font face à des limitations spécifiques. Par exemple, PyBaMM n'a récemment (au cours de l'année 2025) permis les simulations 2D et 3D et repose généralement sur un package externe (PyBOP) pour le calibrage et l'optimisation. De même, cideMOD prend en charge les simulations 3D mais manque de différenciation automatique, ce qui rend difficile la gestion des systèmes non linéaires complexes et l'optimisation de la conception. Il existe un besoin pour un cadre flexible prenant en charge nativement les simulations électro-chimiques-thermiques 3D entièrement couplées, le calibrage efficace des paramètres via des méthodes adjointes, et une architecture modulaire pour l'extension des modèles.

Méthodologie
BattMo est un cadre de modélisation de continuum par volumes finis flexible, implémenté en MATLAB® (avec des efforts de compatibilité pour Octave). Il exploite le MATLAB Reservoir Simulation Toolbox (MRST) pour le maillage, la résolution de systèmes non linéaires de grande taille et la visualisation, en utilisant des méthodes fondamentales de volumes finis robustes et d'ordre faible ainsi qu'une discrétisation temporelle entièrement implicite.

• Architecture du modèle : Le cadre utilise une conception hiérarchique basée sur les graphes. Chaque modèle correspond à un graphe de calcul où les nœuds représentent les variables et les arêtes dirigées représentent les relations fonctionnelles. Cette structure permet la modularité ; le couplage des modèles est réalisé en créant un nouveau modèle de couplage qui contient les modèles existants sous forme de sous-graphes, en ajoutant des arêtes pour les mécanismes de couplage tout en laissant les sous-modèles largement inchangés.
• Entrée et interopérabilité : Les entrées de simulation, incluant les paramètres matériels et les descriptions géométriques, sont spécifiées via des schémas JSON. Cette approche respecte les directives de la Battery Interface Ontology (BattINFO) pour soutenir l'interopérabilité sémantique et les principes FAIR.
• Physique et chimie : Le modèle central est basé sur l'approche Doyle-Fuller-Newman (DFN). BattMo inclut des simulations thermiques entièrement couplées et prend en charge divers mécanismes de dégradation, tels que la croissance de la couche SEI (en utilisant les modèles Safari et Bolay) et le dépôt de lithium (lithium plating). Il gère également les matériaux composites (par exemple, les mélanges Silicium-Graphite) et le gonflement du silicium.
• Solveur et optimisation : Le solveur utilise la différenciation automatique pour supporter le calcul adjoint. Cette capacité permet le calcul efficace des dérivées de la fonction objectif par rapport à tous les paramètres, permettant des routines d'optimisation basées sur le gradient pour calibrer les modèles par rapport aux données expérimentales.
• Géométrie : La boîte à outils prend en charge les géométches 1D, 2D et 3D, incluant des conceptions paramétrées pour des cellules cylindriques, prismatiques, boutons (coin), jelly roll et multi-poches avec diverses configurations de bornes (tabs).

Contributions clés

• Simulation 3D native et couplée : Contrairement à certains prédécesseurs, BattMo est conçu dès la base pour des simulations électro-chimiques-thermiques couplées en 3D sans nécessiter de packages externes pour les fonctionnalités de base.
• Calibrage basé sur l'adjoint : L'intégration de la différenciation automatique et du calcul adjoint fournit une méthode efficace pour calibrer des modèles de batteries complexes à partir de données expérimentales, répondant à un goulot d'étranglement courant dans la modélisation physique.
• Conception modulaire basée sur les graphes : L'approche par graphe de calcul facilite l'extension et le couplage des modèles, permettant aux chercheurs de modifier facilement les équations sous-jacentes et d'intégrer de nouveaux modèles de dégradation ou de matériaux.
• Entrée standardisée : L'utilisation de schémas JSON alignés sur BattINFO garantit que les définitions de modèles sont structurées, reproductibles et interopérables.
• Écosystème : Le papier présente la « famille BattMo », qui comprend la version MATLAB, une version Julia (BattMo.jl), un wrapper Python (PyBattMo) et une application web (BattMoApp).

Résultats et capacités
Le papier présente BattMo comme une boîte à outils fonctionnelle dotée d'une bibliothèque de géométries de batteries paramétrées et d'une suite d'exemples documentés. Il démontre la capacité de :

• Simuler diverses chimies de batteries (NMC, NCA, LFP, LNMO, SiGr) et formats (bouton, pouch, cylindrique).
• Effectuer l'optimisation de la conception sur la géométrie et les paramètres.
• Prendre en charge les protocoles de test standards (CC, CV, CCCV) et les entrées de séries temporelles.
• Modéliser des phénomènes spécifiques incluant la croissance de la SEI, le dépôt de lithium et le gonflement du silicium.
• Étendre les fonctionnalités à d'autres systèmes électrochimiques, tels que les électrolyseurs à membrane alcaline et les modèles de membranes céramiques à protons.

Signification et impact
Les auteurs positionnent BattMo comme un outil pour le développement reproductible de cellules de batterie dans la recherche et l'éducation. Sa signification réside dans sa capacité à soutenir à la fois les concepteurs expérimentés optimisant des conceptions virtuelles et les débutants cherchant à comprendre les processus fondamentaux. Le logiciel a déjà été utilisé dans plusieurs projets commerciaux et non commerciaux, notamment des initiatives financées par l'UE telles que HYDRA, BATMAX, IntelLiGent, BIG-MAP et DigiBatt. Dans ces contextes, il a été utilisé pour modéliser de nouvelles cellules LNMO ainsi que des cellules commerciales LFP et NMC dans des configurations 1D et 3D. En combinant un cadre modulaire avec des entrées standardisées et des capacités d'optimisation avancées, BattMo vise à réduire la dépendance au prototypage physique et à améliorer la validité et la reproductibilité des résultats de la recherche sur les batteries.