Modélisation et méthodes basées sur l'expérience pour l'estimation de l'état de santé des batteries lithium-ion

Modelling and Experiment-Based Methods for Lithium-Ion Batteries SoH estimation

• Auteur / Autrice : Brian Ospina Agudelo
• Direction : Éric Monmasson, Walter Zamboni
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique et électronique - Cergy
• Date : Soutenance le 28/07/2022
• Etablissement(s) : CY Cergy Paris Université en cotutelle avec Università degli studi (Salerne, Italie)
• Ecole(s) doctorale(s) : École doctorale Sciences et ingénierie (Cergy-Pontoise, Val d'Oise)
• Partenaire(s) de recherche : Laboratoire : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....)
• Jury : Examinateurs / Examinatrices : Éric Monmasson, Walter Zamboni, Ali Sari, Federico Baronti, Pierluigi Ritrovato, Gianmaria De Tommasi, Alin Tisan
• Jury : Rapporteurs / Rapporteuses : Ali Sari, Federico Baronti

Mots clés

Mots clés contrôlés

Batteries lithium-ion

Mots clés libres

Etat de santé

Batteries Lithium-Ion

Modèles d'impédance de batterie

Capacité Incrémentale

State-Of-Health

Lithium-Ion batteries

Battery impedance models

Incremental Capacity

Résumé

Cette thèse aborde plusieurs problèmes concernant la mise en œuvre embarquée de l'estimation de l'état de santé (SoH) des batteries lithium-ion (Li-ion). Même si dans la littérature plusieurs méthodes d'estimation de SoH basées sur des modèles et des expériences sont très bien explorées dans des conditions de laboratoire, leur aptitude à être mises en œuvre dans le cadre de systèmes de gestion de batterie (BMS) ou de chargeurs de batterie est toujours un sujet de recherche ouvert.Dans un premier temps, la thèse explore le thème de l'implémentation embarquée et de l'identification de modèles d'impédance de batterie. Tout d'abord, la question de l'ajustement des modèles d'impédance à partir des données de spectroscopie d'impédance électrochimique (EIS) est abordée, en proposant une méthode d'identification avec une procédure appropriée pour définir les valeurs initiales des paramètres du modèle d'impédance. Lorsqu'elle est testée sur des données expérimentales d'EIS, la méthode garantit la convergence du processus d'identification.Ensuite, des représentations en temps discret pour trois approximations de la réponse temporelle des modèles de batterie d'ordre fractionnaire sont proposées et évaluées en termes de performances et d'adéquation pour une implémentation embarquée. Des comparaisons ont été faites en termes de précision, de charge de calcul et de pertinence pour l'identification des paramètres d'impédance à partir de mesures dans le domaine temporel. L'étude a été réalisée dans un cadre de simulation et s'est concentrée sur un ensemble d'éléments ZARC, représentant la gamme de fréquences moyennes de l'impédance des batteries Li-ion. Il a été constaté que le multiple RC est l'approche la plus intéressante pour les applications de simulation de batterie en temps réel, tandis que l'approche Oustaloup a été identifiée comme la mieux adaptée aux applications nécessitant l'identification de paramètres d'impédance.L'analyse de capacité incrémentielle (IC) est proposée pour caractériser le SoH batterie vieillie par l'usage de motifs de cycle avec des courants pulsés générés aléatoirement. Les batteries sont périodiquement caractérisées à un courant 1C, une valeur élevée par rapport au test IC typique. Les corrélations entre le pic principal de IC et la pleine capacité de 28 batteries LCO ont été évaluées, a été trouvé que l'aire sous le pic principal est une caractéristique générale pour l'évaluation de SoH dans les tests de courant élevé et, par conséquent, il peut être utilisé comme indicateur de santé de la batterie dans des applications pratiques. Les résultats sont confirmés par une analyse complémentaire réalisée sur deux jeux supplémentaires de batteries de technologies différentes, vieillies avec un profil de conduite fixe et utilisant des régimes de charge rapide. De plus, la performance de l'aire sous le pic en tant qu'indicateur de santé a été comparée à une approche d'estimation basée sur la résistance ohmique.Enfin, plusieurs modèles linéaires multicaractéristiques pour l'estimation du SoH de la batterie sont proposés et leurs performances sont évaluées. Les modèles combinent des caractéristiques de IC à courant élevé et résistance dynamique. Les modèles sont construits en incluant des ensembles fixes de caractéristiques ou en appliquant des procédures de sélection de caractéristiques basées sur des critères statistiques. Les modèles proposés sont ajustés et évalués avec des données provenant de deux ensembles de données de batteries accessibles au public, y compris des batteries cyclées avec de profils de conduite et aléatoires. Comme résultat principal de cette analyse, un modèle simple à deux caractéristiques est proposé comme le meilleur compromis entre l'amélioration de l'estimation par rapport aux modèles à une seule caractéristique et la réduction de la colinéarité.

This thesis addresses multiple issues regarding the on-board implementation of Lithium-Ion (Li-ion) batteries State-of-Health (SoH) estimation. Even if in the literature multiple model and experiment-based SoH estimation methods are very well explored under laboratory conditions, their suitability for implementation in the framework of Battery Management Systems (BMSs) or battery chargers is still an open research topic.Initially, the thesis explores the topic of on-board implementation and identification of battery impedance models. First the issue of impedance models fitting from Electrochemical Impedance Spectroscopy (EIS) data is addressed, by proposing an identification method with a suitable procedure for setting the initial values of the impedance model parameters. When tested using experimental EIS data, the method guaranties the convergence of the identification process.Then, discrete time representations for three approximations of fractional-order battery models time response are proposed and evaluated in terms of performance and suitability for on-board implementation. Comparisons were made in terms of accuracy, computational burden and suitability for the identification of impedance parameters from time-domain measurements. The study was performed in a simulation framework and focused on a set of ZARC elements, representing the middle frequency range of Li-ion batteries' impedance. It was found that the multiple RC is the most interesting approach for real-time battery simulation applications, while the Oustaloup approach was identified as the better suited for applications requiring the identification of impedance parameters.Then, the Incremental Capacity (IC) analysis is proposed for characterising the SoH of batteries aged by using cycling patterns with randomly selected pulsed current levels and duration. The batteries are periodically characterised at 1C current, a high value with respect to the typical IC test. The high-current IC generation process includes two filtering stages, one for the input voltage and one for the IC curve smoothing, which are optimised for the application on the basis of the data characteristics. The correlations between the IC main peak features and the battery full capacity for 28 LCO batteries were evaluated, finding that the main peak area is a general feature for the evaluation of the SoH under high current tests and random usage patterns, and, therefore, it can be used as a battery health indicator in practical applications. The results are confirmed by a further analysis performed over two additional sets of cells with different technologies, aged with a fixed driving profile and using fast charging regimes. Additionally, the performance of the peak area as a health indicator was compared with an ohmic resistance-based estimation approach.Finally, several linear multifeature models for battery SoH estimation are proposed and their performance is evaluated. The models combine high current IC and dynamic resistance features, obtainable during partial constant current charges and discharges respectively. The models are constructed by including fixed sets of features or by applying features selection procedures based on statistical criteria. The proposed models are fitted and evaluated with data from two publicly available battery datasets, including batteries cycled using driving and randomised profiles. During the test process, the estimation improvement introduced by each multifeature model is evaluated by computing the reduction on the MSE for the SoH estimation with respect to two reference single-feature models already used in recent literature. The collinearity for each model is quantified through the variance inflation factor to indicate the prediction reliability of each model. As main result of this analysis, a simple two-features model is proposed as the best compromise between estimation improvement with respect single feature models, and collinearity reduction.