Thèse soutenue

Contribution au pronostic de la durée de vie des piles à combustible PEM

FR  |  
EN
Auteur / Autrice : Dacheng Zhang
Direction : Catherine CadetChristophe Bérenguer
Type : Thèse de doctorat
Discipline(s) : Automatique - productique
Date : Soutenance le 18/01/2018
Etablissement(s) : Université Grenoble Alpes (ComUE)
Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
Partenaire(s) de recherche : Laboratoire : Grenoble Images parole signal automatique (2007-....)
Jury : Président / Présidente : Daniel Hissel
Examinateurs / Examinatrices : Nadia Yousfi Steiner, Piero Baraldi
Rapporteurs / Rapporteuses : Rachid Outbib, Mitra Fouladirad

Résumé

FR  |  
EN

Dans le contexte de la transition énergétique, la pile à combustible devient l'une des sources d'énergie alternatives les plus prometteuses. Récemment, la recherche a mis l’accent sur les piles à combustible, et plus particulièrement sur celles à membrane échange de protons (Proton Exchange Membrane Fuel Cell ou Polymer Electrolyte Membrane Fuel Cell ou PEMFC) qui est l'une des meilleures candidates pour les applications stationnaires et transport. Même si cette technologie évolue constamment, elle n'est pas encore prête pour un déploiement industriel à grande échelle en raison de sa durabilité et de sa fiabilité limitées. Le "Prognostics and Health Management" (PHM) est une approche récente pour gérer et prolonger la durée de vie des systèmes. Les techniques de pronostic sont capables de fournir une estimation de l'état de santé (State of Health ou SOH) des piles à combustible et une prédiction de leur durée de vie résiduelle (Remaining Useful Life ou RUL) afin d’aider les fabricants à améliorer les performances et à gérer leur durée de vie de ces systèmes.Ce travail a pour objectif de développer de nouvelles méthodes d’estimation de la durée de vie adaptée à la complexité des systèmes PEMFC. En effet, ces systèmes sont multi-échelle et multi-physique, et présentent divers défis sont à relever:1. La définition du SOH pour construire un indicateur de dégradation.2. La coexistence de phénomènes de dégradation à la fois réversibles et irréversibles.3. La prise en compte des différentes causes de détérioration et des effets des conditions opératoires.Dans la première partie, nous effectuons une analyse bibliographique de l’utilisation du PHM pour les PEMFCs, dans le but de proposer une définition de SOH et de construire un indicateur de dégradation. Etant donné que les mesures PEMFC sont peu nombreuses, nous avons également exploré l'état de l'art sur les batteries au lithium, qui sont d'autres cellules électrochimiques.Dans la deuxième partie, nous développons un algorithme de pronostic basé sur le filtrage particulaire utilisant la mesure de puissance de la PEMFC. Les premiers résultats montrent que l'algorithme de pronostic est perturbé par la dégradation réversible existante. L’ambiguïté peut être levée en estimant la dégradation irréversible grâce à des tests de caractérisation, tels la spectroscopie d'impédance électrochimique (Electrochemical Impedance Spectroscopy ou EIS), appliquée de temps en temps. Nous proposons donc un algorithme de pronostic étendu et adapté, prenant en compte deux indicateurs : la dégradation de la puissance et le SOH estimé à partir de la caractérisation EIS. La performance de l'algorithme proposé est évaluée par différentes indicateurs de performance, et les résultats montrent l'intérêt de cette approche.Dans la troisième partie, les problèmes sont abordés d'un point de vue plus théorique. En effet, l’évolution de la dégradation d'un système est souvent corrélée à des covariables internes et externes qui sont généralement difficiles d'accès en raison des coûts de mesure élevés. Par conséquent, nous avons d'abord développé une approche comprenant des inspections en ligne de la covariable de dégradation à un autre niveau, puis nous avons proposé une approche d’estimation de la RUL basée sur un ensemble de modèles en utilisant différentes sources à différents niveaux. Les RULs prédites par les deux modèles sont agrégées dynamiquement sur la base des performances évaluées sur les données historiques. Par conséquent, la précision de la prédiction est améliorée car les inconvénients des deux modèles ont été surmontés en tirant parti de leurs avantages. Dans la dernière partie, le problème est étendu au pronostic multi-niveaux qui ouvre de nouveaux aspects pour la recherche future sur le pronostic et la gestion de la PEMFC.