Voici une étude de cas de détection de points chauds sur BESS, présentée comme un scénario illustratif : le site, les mesures et les coûts indiqués sont des valeurs représentatives, et non le résultat d’un client précis. L’essentiel ici est la marge de temps. La boucle fermée a donné l’alerte très en amont, et cette avance a suffi à transformer ce qui aurait pu être une urgence en une intervention de maintenance maîtrisée.
Ce scénario mérite d’être détaillé, car il montre ce que détecte réellement la combinaison d’agents d’IA et de drones autonomes. Il montre aussi pourquoi les capteurs internes seuls laissent un angle mort plus grand qu’on ne le croit.
La configuration
Le système était un BESS LFP de 50 MWh, colocalisé avec une centrale solaire de 35 MW dans le sud de l’Espagne. Il était en service depuis quatre ans. Le dernier test annuel de SoH était déjà terminé, et le tableau de bord du BMS semblait normal. Les paramètres du HVAC paraissaient normaux eux aussi, et aucune alarme n’était active.
Du point de vue de la supervision standard, tout semblait en ordre.
La supervision de la performance solaire par IA pour les portefeuilles de plus de 20 MW de ClearSpot tournait sur le site depuis environ huit mois. Pendant ce temps, elle avait construit des profils de référence de résistance interne pour les 12 racks répartis dans trois conteneurs.
Lors de la troisième semaine de juillet, en pleine chaleur estivale, l’agent a détecté quelque chose. Pas une alarme. Pas un dépassement de seuil. Un changement de tendance.
Le rack 7 du conteneur 2 affichait une légère hausse de sa résistance interne au cours des trois semaines précédentes. Prise isolément, la variation était faible et restait dans la plage normale. Mais l’agent a aussi relevé que l’unité HVAC du conteneur 2 perdait progressivement en capacité de refroidissement depuis plusieurs semaines.
Chaque tendance, prise séparément, n’avait rien de remarquable. Ensemble, elles révélaient une contrainte thermique dans un système qui fonctionnait déjà près de sa limite thermique.
L’agent a fait ce pour quoi il a été conçu : il a déclenché une inspection thermique autonome par drone sur l’extérieur du conteneur 2.
Ce que le drone a trouvé
Le drone a volé dès le lendemain matin, à 06h40, avant le pic de chaleur de la journée. Cela comptait, car le bruit thermique ambiant était faible.
La caméra thermique, d’une résolution de 640×512 et d’une sensibilité de 0,05 °C, a révélé un point chaud sur la face est du conteneur 2, à environ 1,2 mètre de l’angle nord. L’écart de température par rapport à la paroi du conteneur voisin était nettement significatif.
Ce n’est pas un détail, et il ne s’agit pas d’un gain solaire lié à l’angle d’incidence. C’est de la chaleur générée à l’intérieur et conduite à travers l’enveloppe du conteneur depuis la zone directement associée au rack 7.
Le capteur interne du BMS pour le rack 7 affichait une valeur qui paraissait encore normale. Pourtant, la paroi extérieure à cet endroit présentait une température de surface bien supérieure à celle attendue par un matin chaud. Le capteur interne ne voyait pas le problème, car la chaleur se concentrait dans une section du rack où l’air ne circulait pas correctement.
Les capteurs internes n’indiquaient aucune alarme. Le balayage thermique par drone montrait une anomalie nette.
C’est le modèle en boucle fermée sur lequel repose la plateforme d’IA agentique de ClearSpot pour les actifs solaires et de stockage : le SCADA et les données internes identifient la tendance, les drones confirment l’état physique, et les agents décident de la prochaine action.
L’intervention
Le Battery Health Surveillance Agent a classé la situation comme un possible blocage du canal de refroidissement, avec un risque accru de contrainte thermique sur le rack 7. Il a recommandé une inspection physique du canal de refroidissement et une révision du HVAC du conteneur 2.
Ce travail a été réalisé en quatre jours.
L’équipe de maintenance a trouvé un canal de refroidissement partiellement obstrué par l’accumulation de débris provenant d’un joint dégradé. L’obstruction couvrait une part importante de la section du canal. Elle ne suffisait pas à déclencher une alarme existante, mais elle suffisait à réduire le refroidissement effectif du rack 7 pendant la chaleur estivale.
L’inspection du HVAC a confirmé la perte de capacité de refroidissement que l’agent avait déjà signalée. Un ensemble de pales de ventilateur usées réduisait le débit d’air dans la partie haute du conteneur.
Les deux problèmes ont été corrigés en une seule visite, pour un coût très inférieur à celui de toutes les alternatives.
Dans ce scénario, le technicien qui a réalisé l’intervention résume ainsi la situation : si le problème avait persisté jusqu’en août, le site aurait pu subir une perte de capacité accélérée sur le rack 7 et, peut-être, une contrainte thermique au niveau des cellules.
Le calcul de ce qui ne s’est pas produit
Si le point chaud avait persisté en août, le résultat probable aurait été un mélange de perte évitable et de risque évitable.
Une période prolongée de contrainte thermique élevée sur le rack 7 aurait pu entraîner une perte accélérée de SoH sur ce rack et des coûts de remise en état anticipés.
Dans le pire des cas, l’actif aurait pu être bridé dans l’attente d’une enquête. Cela aurait représenté au moins deux semaines de revenus perdus, en plus du bridage de la centrale solaire colocalisée et de possibles conséquences sur l’assurance. Dans les deux cas, la facture aurait été bien supérieure à celle de la réparation, sans compter l’impact à long terme sur le portefeuille.
Ce que cela a réellement coûté : une seule visite de réparation.
Pourquoi la boucle fermée est déterminante
C’est pourquoi la combinaison d’agents et de drones compte autant. L’agent seul disposait d’un signal statistique, mais d’aucune confirmation visuelle. Le drone seul n’avait aucune raison de décoller. Ensemble, ils ont formé une boucle fermée qui a transformé un signal faible en décision de maintenance exploitable.
Telle est la valeur d’une supervision de la performance, d’agents et de drones fonctionnant comme une seule pile. C’est aussi la raison pour laquelle la couche de gestion d’actifs pour les portefeuilles solaires avec stockage est importante : elle donne aux exploitants une vision à l’échelle du portefeuille des problèmes avant qu’ils ne deviennent des pannes. Le même flux de planification de vol et de thermographie radiométrique est utilisé pour les modules photovoltaïques dans un programme d’inspection solaire par drone, de sorte qu’une même flotte de drones peut couvrir à la fois le champ solaire et le parc de batteries.
Ce que cela change
Le débat sur la sécurité des BESS se concentre généralement sur l’extinction d’incendie, l’emballement thermique et la couverture des capteurs internes. Tout cela est important. Mais tout cela est aussi réactif.
Ce qui a permis de détecter ce problème est d’une autre nature : une analyse continue des signaux internes par IA, combinée à l’imagerie thermique externe par drone. Pas un seuil fixe. Pas une alarme du BMS. Un motif qui n’est devenu évident qu’en reliant deux petits signaux.
C’est pourquoi la surveillance thermique externe ne doit pas être considérée comme optionnelle. Elle fait partie de la façon de voir ce que les capteurs internes ne détectent pas.
Les inspections par drone fonctionnent mieux comme une entrée d’un logiciel de supervision de BESS continu, qui suit aussi le SoC, le SoH et les alarmes. L’historique thermique qu’elles produisent alimente directement le suivi de la dégradation des batteries à grande échelle, car la chaleur soutenue est l’un des principaux facteurs de perte de capacité.
Questions fréquentes
Elle peut détecter des points chauds externes, des problèmes de HVAC et des anomalies thermiques à l’échelle du conteneur que les capteurs internes risquent de manquer.
Le problème était localisé, et l’air n’atteignait pas la zone concernée avec une intensité suffisante pour que le capteur interne déclenche une alarme critique.
La combinaison de l’analyse de l’agent et de l’inspection par drone a fourni une alerte précoce, avec assez de temps pour planifier une intervention avant que la situation ne s’aggrave.
Parce que l’agent formule l’hypothèse et que le drone confirme l’état physique. Cela évite d’envoyer des équipes inutilement et améliore la précision.
Non. La thermographie par drone observe l’extérieur du conteneur, tandis que les capteurs du BMS mesurent à l’intérieur des racks. Utilisées ensemble, et déclenchées par l’analyse de tendances, les deux sources détectent des problèmes que l’une ou l’autre manquerait seule.