Intégration du facteur vieillissement dans la gestion d'une batterie lithium-ion

Integration of aging phenomena in the management of a lithium-ion battery

• Auteur / Autrice : Mbala Junior Francisco
• Direction : Jocelyn Sabatier
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance le 24/05/2016
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'intégration du matériau au système (Talence, Gironde)
• Jury : Examinateurs / Examinatrices : Agnieszka Noury, Xavier Moreau, Loïc Lavigne, Franck Guillemard, Luc Dugard
• Jury : Rapporteurs / Rapporteuses : Thierry Poinot, Hamid Gualous

Mots clés

Mots clés contrôlés

Courbes contrainte-déformation

Équilibrage (mécanique industrielle)

Résistance des matériaux

Détérioration

Batteries lithium-ion

Mots clés libres

Batterie

Lithium-Ion

Vieillissement

Identification

Capacité

Résistance Interne

Tension à vide

Equilibrage

Système de gestion de la batterie

Battery

Lithium-Ion

Aging

Identification

Capacity

Internal resistance

Open circuit voltage

Balancing

Battery management system

Résumé

Au sein d’une chaîne de traction électrique ou hybride, la batterie Lithium-Ion constitue un réservoir de puissance et d’énergie. Le pilotage de la batterie en vue d’alimenter le moteur électrique, nécessite d’embarquer dans le BMS (Battery Management System), des algorithmes calculant la puissance et l’énergie disponibles en conditions d’exploitation réelles.En effet, la puissance et l’énergie réellement disponibles dépendent de deux facteurs clefs intervenant au niveau de chaque cellule individuelle. Ces facteurs sont d’une part les limites de fonctionnement en tension, en courant et en température ; et d’autre part l’ampleur des phénomènes dits de vieillissement. Les algorithmes considérés sont ceux reposant sur un modèle interne de la cellule Lithium-Ion. Le modèle interne de chaque cellule nécessite ainsi des identifications (c.-à-d. mises à jour) en ligne à mesure que la cellule vieillit.L’objectif scientifique de la thèse est de développer des stratégies d’identification en ligne du modèle interne d’une cellule Lithium-Ion. Le contexte applicatif de la thèse a conduit à rechercher des approches algorithmiques capables d’être embarquées sur un calculateur.A partir d’une recherche bibliographique, il a été juge nécessaire de développer en premier lieu un algorithme d’identification de la courbe de tension à vide et de la capacité. Les développements ont ensuite porté sur l’identification des paramètres dynamiques de la cellule à savoir la résistance interne et un paramètre caractéristique de la diffusion. Les limites des techniques d’identification des paramètres dynamiques en présence de fluctuations de température et de bruit de mesure sont également discutées. Des techniques d’aide à la décision sont ensuite explorées dans le but de surveiller la validité du modèle embarqué.Les travaux sur l’identification du modèle interne ont conduit à une reformulation du problème d’équilibrage d’une batterie. Il est montré que le paradigme consistant à égaliser toutes les tensions ou tous les Etats-de-Charge (SOC) des cellules en série est trop conservatif et que, du fait du vieillissement, un certain niveau de déséquilibre peut-être toléré dans des limites définies sans diminuer la puissance et l’énergie réellement disponibles.

Within an electric or hybrid powertrain, the Lithium-Ion battery delivers electrical power and energy. Controlling the battery to power the electric motor requires embedding in the BMS (Battery Management System), algorithms calculating the actual power and energy available under real operating conditions.Indeed, the power and the energy actually available depend on two key factors affecting each individual cell. These factors are on the one hand the operating limits in voltage, current and temperature; and on the other hand the impact of cell aging phenomena. The algorithms considered are those based on an internal model of the Lithium-Ion cell. The internal model of each cell thus requires an online identification as the cell ages.The objective of this thesis is to develop strategies for the online identification of the internal model of a Lithium-Ion cell. The thesis focuses the research on algorithmic approaches capable of being embedded on an automotive ECU (Electronic Control Unit).Based on a bibliographical search, it was deemed necessary to first develop an algorithm for the identification of the open circuit voltage curve and the cell capacity. The developments then focused on the identification of the dynamic parameters of the cell model which are the internal resistance and a characteristic diffusion parameter. The limitations of the techniques used for identifying the dynamic parameters are discussed in the presence of temperature fluctuations and measurement noise. Further techniques are then explored in order to monitor the validity of the embedded model.The work on the identification of the internal model led to a reformulation of the battery balancing problem. It is shown that the paradigm consisting in equalizing all the voltages or all the States-of-Charge (SOC) of the cells in series is too conservative and that, due to aging, a certain level of imbalance within given limits can be tolerated without reducing the power nor the energy actually available.