Etude et développement d'un système intelligent pour la surveillance de l'état de charge SOC et de santé SOH des batteries de véhicules électriques

Résumé

La transition vers une mobilité durable place les batteries lithium-ion, et notamment les cellules lithium Fer Phosphate (LFP), au coeur des véhicules électriques (VE). Le vieillissement irréversible de ces batteries, se manifestant par une perte de capacité (SOH) et une augmentation de la résistance interne, constitue un enjeu majeur pour l’autonomie, la sécurité et le coût des VE. Les méthodes classiques d’estimation du SOC et du SOH montrent leurs limites face à la variabilité des conditions réelles d’utilisation. Cette thèse propose un système intelligent de surveillance en temps réel du SOC et du SOH pour batteries LFP, dont les contributions principales sont : (1) le développement d’un algorithme LM-BPNN optimisé et d’un modèle hybride CNN-TCN-DNN en série pour une prédiction robuste de l’état de charge ; (2) Estimation de l’état de santé (SOH) se concentre sur la prédiction instantanée de la capacité restante, indicateur clé du SOH. Après définition du SOH Cbat, plusieurs configurations de notre modèle CNN-TCN-DNN (séries et parallèles) et l’impact de l’enrichissement des signaux d’entrée sont passés en revue. Nous montrons que l’architecture en série conserve une MSE < 0,01 en présence de bruit, mais que ses performances chutent sur des cycles réels non vus, et discutons des pistes d’amélioration pour fiabiliser l’estimation en conditions opérationnelles réelles ; (3) Estimation du SOH avec une approche hybride IA/modélisation multi-physique présente notre approche novatrice combinant intelligence artificielle et modélisation multiphysique, et décrit deux stratégies d’ajustement dynamique des paramètres internes (résistances, capacités) : minimisation de l’erreur de tension et minimisation de l’écart SOC. En conclusion, cette approche hybride ouvre la voie à des systèmes de gestion de batterie (BMS) plus fiables, adaptatifs et performants, capables d’estimer finement le SOC et de suivre dynamiquement le SOH des VE.

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 4

Téléchargements : 0