Diagnostic de l’état de vieillissement des systèmes de stockage de l'énergie électrique : application : véhicule électrique
Institution:
CaenDisciplines:
Directors:
Abstract EN:
This thesis presents a diagnosis and aging study for electrical energy storage systems used in vehicular applications. It develops different online diagnosis methods for supercapacitors and Lithium-ion batteries state of health and state of charge estimation. A large aging storage systems database was elaborated under various stress conditions using a test bench developed in our laboratory. The storage systems characterizations were also taken at each aging step and under different constraints. This work has implemented a prediction aging model for supercapacitors calendar life. Unlike other aging models, where the supercapacitor capacity loss is assumed linear with the aging time, the proposed model takes advantage of the chemical reaction showing the parameters causing the aging process. Based on the experimental data, a comparison between the experimental results of the different aging models presented in the literature highlights the precision of the proposed calendar aging model in various operating conditions. Then, different models are proposed for the diagnosis of the state of charge and the state of health of supercapacitors and Lithium-ion batteries. Indeed, three online supercapacitors aging diagnostic models are presented. The proposed strategies capitalize the estimation capabilities of three observers, well-known tools for theirs particularities and performances to study nonlinear parameters estimation, namely: - The extended Kalman filter, - The sliding mode observer, - The adaptive observer. On the other hand, a hybrid diagnostic model for the diagnosis of the state of charge and the state of health of the Lithium-ion batteries is proposed considering the variation of the surface temperature. The proposed strategy is based on the performance of the extended Kalman filter to estimate the state of charge, while the adaptive estimation technique is used to a robust estimation of the state of health.
Abstract FR:
Ce mémoire présente une étude sur le diagnostic et le vieillissement des éléments de stockage de l’énergie électrique au bord du véhicule électrique/hybride. Il développe des modèles permettant le diagnostic en ligne de l’état de santé et de l’état de charge des supercondensateurs et des batteries Lithium-ion. Le banc de test développé dans notre laboratoire a permis d’élaborer une base de données importante sur le vieillissement des systèmes de stockage sous différentes conditions de stress. Des caractérisations ont été aussi réalisées à chaque étape de vieillissement et pour différentes contraintes. Ces travaux ont mis en œuvre un modèle de vieillissement calendaire des supercondensateurs. Contrairement à d'autres modèles de vieillissement, où la perte de capacité est supposée linéaire par rapport au temps de vieillissement, le modèle proposé tire profit de la réaction chimique mettant en évidence les paramètres provoquant le processus de vieillissement. En se basant sur la base des données expérimentale, une comparaison entre les résultats expérimentaux des différents modèles de vieillissement met en évidence la haute précision de l'estimation pour modèle de vieillissement calendaire proposé dans diverses conditions de fonctionnement. Ensuite, différents modèles sont proposés pour le diagnostic de l’état de santé et de l’état de charge des supercondensateurs et des batteries Lithium-ion. En effet, trois modèles de diagnostic de vieillissement des supercondensateurs en ligne sont présentés. Les stratégies proposées capitalisent les capacités d’estimation de trois observateurs connus pour leur performance dans l’estimation en ligne, à savoir : - Le filtre de Kalman étendu, - L’observateur à modes glissants, - L’observateur adaptatif. De l’autre côté, un modèle de diagnostic hybride pour l’estimation de l’état de charge et de l’état de santé des batteries Lithium-ion est présenté en considérant la variation de leur température de surface. La stratégie proposée se base sur les performances du filtre de Kalman étendu pour estimer l’état de charge, pendant que la technique d'estimation adaptative est utilisée pour une estimation robuste de l’état de santé.