Contribution to the state of health estimation of lithium ion batteries for remaining useful life prediction. Application : electric vehicles
Contribution à l'estimation de l'état de santé en vue de la prédiction de la durée de vie utile résiduelle des batteries au lithium ion. Application : véhicules électriques
Résumé
Résumé en anglais Lithium ion batteries are considered to be one of the main vectors of energy transition. They have a high energy density combined with a low memory effect. Thanks to these advantages, Li-ion technology is widely preferred for on-board storage applications, especially in electric vehicles. However, the successful integration of Li-ion batteries faces a major challenge, which is the ageing of these elements. Indeed, the performance of these batteries degrades over time and usage. This results in a decrease in the amount of energy and loss of power delivered by the battery. In this context, two main objectives are targeted through this work. On the one hand, the experimental study of the behaviour and ageing of Li-ion batteries under different operating conditions. On the other hand, the development of a new approach for the estimation of the state of health of batteries. Thus, an intense characterization activity is carried out after the handling of a new experimental device of an industrial scale. Then, the question of SoH estimation is addressed. First, an exhaustive synthesis of existing methods is carried out. Then, two solutions are proposed in order to best meet the requirements of an on-line application. The first experimental campaign was conducted to study the behaviour of a key battery parameter which is the open circuit voltage. The latter comes into play during the development of simulation models. Thus, two battery technologies were tested at several temperature levels. This study has brought a new evaluation of the impact of the variations of the OCV under the effect of temperature on the behaviour of the elements of the equivalent circuit of the battery. The second experimental campaign was devoted to the deployment of accelerated battery ageing. The test protocol was developed by alternating dynamic sollitation phases emulating two modes of operation in all-electric and hybrid vehicles. Then, a reference test was carried out in order to measure the characteristics of the batteries and thus quantify their degradation levels. A new degradation estimation method was developed in this work. It consists in the combination of a behaviour model in the form of an equivalent circuit and a degradation evolution model which is the Wiener process. In this configuration, the first model provides the second with information on the current state of the internal parameters of the battery. The latter provides a future projection of the evolution of the state of the battery. This new combination achieves two objectives at once. First, the RUL can be predicted by estimating the evolution of the degradation offered by the Wiener process. The latter has always been used in an offline way, where its parameters are updated based on information that is not obtained in real time. With the proposed solution, degradation information is acquired through the equivalent circuit to update the Wiener process in real time. This is the second objective achieved. In short, the two models complement each other to get the maximum benefit from their respective properties. Finally, an improvement of the machine learning techniques for the estimation of the degradation of Li-ion batteries is proposed. In particular, attention has been paid to the features that represent the degradation signatures. First, a large number is extracted encompassing for the first time all the features cited in the literature in a single estimation model. Then, we integrated the "best subset" method to extract the most relevant information from the features. This reduced the error in estimating battery degradation.
Les batteries au lithium ion sont considérées comme un des vecteurs principaux de la transition énergétique. Elles sont dotées d’une importante densité d’énergie, combinée avec un faible effet de mémoire. Grâce à ces avantages, la technologie Li-ion est largement privilégiée pour des applications de stockage embarqué, notamment à bord des véhicules électriques. Cependant, l’intégration réussite des batteries Li-ion est confrontée à un défi majeur qui est le vieillissement de ces éléments. En effet, les performances de ces batteries se dégradent au fil du temps et d’usage. Ceci se traduit par la diminution de la quantité d’énergie et la perte de la puissance délivrée par la batterie. Dans ce cadre, deux objectifs principaux sont visés à travers ce travail. D’une part, l’étude expérimentale du comportement ainsi que du vieillissement des batteries Li-ion sous différentes conditions d’opération. Et d’autre part, l’élaboration d’une nouvelle approche pour l’estimation de l’état de santé des batteries. Ainsi, une intense activité de caractérisation est conduite après la prise en main d’un nouveau dispositif expérimental d’une échelle industrielle. Ensuite, la question de l’estimation du SoH est abordée. D’abord, une synthèse exhaustive des méthodes existantes est réalisée. Puis, deux solutions sont proposées afin de répondre au mieux aux exigences d’une application en ligne.La première campagne expérimentale a été menée pour étudier le comportement d’un paramètre clé des batteries qui est la tension en circuit ouvert. Ce dernier rentre en jeu lors de l’élaboration des modèles de simulation. Ainsi, deux technologies de batteries ont été testées à plusieurs niveaux de températures. Cette étude a permis d’apporter une nouvelle évaluation de l’impact des variations de l’OCV sous l’effet de la température sur le comportement des éléments du circuit équivalent de la batterie. La deuxième campagne expérimentale était consacrée à la mise en place du vieillissement accéléré des batteries. Le protocole des tests est élaboré en alternant des phases de sollicitions dynamiques émulant deux modes d’opération en véhicule tout électrique et hybride. Ensuite, un test de référence fut réalisé afin de mesurer les caractéristiques des batteries et ainsi quantifier leurs niveaux de dégradation.Une nouvelle méthode d’estimation de la dégradation est développée dans ce travail. Elle consiste en la combinaison d’un modèle de comportement sous forme de circuit équivalent et un modèle d’évolution de la dégradation qui est le processus de Wiener. Dans cette configuration, le premier modèle fourni au deuxième l’information sur l’état actuel des paramètres internes de la batterie. Ce dernier délivre une projection future de l’évolution de l’état de la batterie. Cette nouvelle combinaison permet de réaliser deux objectifs à la fois. D’abord, la RUL peut être prédite grâce à l’estimation de l’évolution de la dégradation qu’offre le processus de Wiener. Ce dernier a été toujours employé d’une façon hors ligne, où ses paramètres sont mis à jour en se basant sur une information qui n’est pas obtenue en temps réel. Grâce à la solution proposée, l’information sur la dégradation est acquise à travers le circuit équivalent pour mettre à jour le processus de Wiener en temps réel. Ceci est le deuxième objectif réalisé. En somme, les deux modèles se complètent pour tirer le maximum de profits de leurs propriétés respectives.Enfin, une amélioration des techniques d’apprentissage automatique pour l’estimation de la dégradation des batteries Li-ion est proposée. En particulier, l’attention a été protée aux caractéristiques qui représentent les signatures de la dégradation. D’abord, un grand nombre est extrait englobant pour la première fois toutes les caractéristiques citées en littérature dans un seul modèle d’estimation. Ensuite, nous avons intégré la méthode du « meilleur sous ensemble » pour tirer l’information la plus pertinente des caractéristiques.
Domaines
Energie électrique
Fichier principal
sygal_fusion_28707-el_jebbari-hamza_619e11e402ccc.pdf (7.11 Mo)
Télécharger le fichier
Origine : Version validée par le jury (STAR)