Méthodes non-intrusives d’identification des mécanismes de dégradation des batteries lithium-ion pour la prévision de leur durée de vie

par Ruben Brunetaud

Thèse de doctorat en Electronique

Sous la direction de Jean-Michel Vinassa et de Olivier Briat.

Soutenue le 15-11-2022

à Bordeaux , dans le cadre de École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde) , en partenariat avec Puissance (équipe de recherche) et de Laboratoire de l'intégration du matériau au système (Talence, Gironde) (laboratoire) .

Le président du jury était Yann Bultel.

Le jury était composé de Mathieu Morcrette, Delphine Riu, Armande Capitaine, Karrick Mergo Mbeya.

Les rapporteurs étaient Yann Bultel, Stéphane Rael.

mots clés

• Batterie Li-Ion
• État de santé
• Diagnostic non-intrusif
• Méthodes différentielles
• Capacité incrémentale
• Tension différentielle
• Batteries lithium-ion
• Diagnostic non invasif
• Matériaux -- Détérioration
• Durée de vie (ingénierie)

Résumé

Cette thèse propose une méthodologie non-intrusive innovante de diagnosticdu vieillissement des batteries lithium-ion. Celles-ci pourront donc autant êtreimplantées dans les BMS pour accéder à des indicateurs plus précis du vieillissementdes cellules que de permettre l’amélioration de leur conception grâce à la compréhensionfine des mécanismes pendant le vieillissement.L’étude, menée sur deux types de batteries industrielles Saft, peut s’appliquer surn’importe quelle technologie li-ion. Les batteries testées sont le VL30PFM, constituéed’une électrode positive de LMFP contre une électrode de graphite, et le LP28MTi,d’une électrode de NMC contre une électrode de LTO. Le grand intérêt de ces batteriesest la composition en mélange de matières actives (dit blend) de leurs électrodespositives.Des campagnes d’essais sont mises en place sur les deux technologies de batteries.Les démarches expérimentales qui constituent la procédure de caractérisation électriqueexhaustive sont définies pour obtenir des données électrochimiques utiles à lacompréhension fine des mécanismes de vieillissement.Les méthodes de diagnostic développées sont regroupées. Parmi celles-ci, la CapacitéIncrémentale (ICA) et la Tension Différentielle (DVA) mettent en lumière lesmodes de dégradation qui surviennent comme la réduction de lithium cyclable ou encoreles pertes de matières actives. Basé sur les mesures demi-piles, un algorithmed’optimisation du positionnement relatif des électrodes dans les éléments permet laquantification précise de ces modes, et de nouvelles voies de diagnostic.

mots clés

• Li-Ion battery
• State of Health
• Non intrusive diagnosis
• Differential Methods
• Incremenal Capacity
• Differential Volatge

Titre traduit

Non intrusive methods for the aging mechanism identification in lithium-ion batteries and predict their lifespan

Résumé

This thesis proposes an innovative non-intrusive methodology for thediagnosis of lithium-ion battery aging. It can be implemented into the BMS to computeaccurate indicators of cell aging and to improve their design through a detailedunderstanding of the aging mechanisms.The study, conducted on two types of industrial batteries provided by Saft, can beapplied to any li-ion technology. The application case batteries are the VL30PFM,consisting of a positive LMFP electrode vs. a graphite one, and the LP28MTi, anNMC electrode vs. a LTO electrode. The great interest of these batteries is the compositionof their positive electrodes, a mixture of active materials called blend.Aging campaigns on the two cell technologies are set up. The experimental stepsthat constitute the exhaustive electrical characterization procedure, named ReferencePerformance Test, are defined to obtain electrochemical data which then allow understandingin detail the aging mechanisms.The developed daignosis methods are gathered. Among them, the Incremental CapacityAnalysis (ICA) and the Differential Voltage Analysis (DVA) highlight the degradationmodes that occur, such as the reduction of lithium inventory or the loss ofactive materials. Based on half-cell measurements, a cell balancing optimization al