Etude expérimentale des méthodes de démarrage à froid sans assistance de PEMFC à cathode fermée à refroidissement liquide et modélisation par réseau de neurones

Experimental study of unassisted cold-start methods for liquid-cooled closed-cathode PEMFCs and neural network modeling

• Auteur / Autrice : Jérémy Villaume
• Direction : Samir Jemeï, Elodie Pahon, Alexandre Ravey
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 15/12/2023
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : FEMTO-ST : Franche-Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies (Besançon) - Franche-Comté Électronique Mécanique- Thermique et Optique - Sciences et Technologies (UMR 6174) / FEMTO-ST
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)
• Jury : Président / Présidente : Loïc Boulon
• Jury : Rapporteur / Rapporteuse : Hamid Gualous, Catherine Cadet

Mots clés

Mots clés contrôlés

Véhicules électriques

Réseaux neuronaux (informatique)

Modélisation des données (informatique)

Piles à combustible à membrane échangeuse de protons

Mots clés libres

Pile à combustible PEM

Démarrage à froid

Modélisation basée données

Réseau de neurones

PEM fuel cell

Cold start

Data-based modeling

Neural network

Résumé

Pour décarboner les transports, l’utilisation du vecteur énergétique hydrogène combiné à une pile à combustible (PAC) devient une solution de plus en plus mature. Pour preuve, de nombreux constructeurs automobiles mondiaux fabriquent et commercialisent aujourd’hui leur propre véhicule pile à combustible. Néanmoins, le triptyque coût-performance-durabilité est essentiel pour rendre la PAC compétitive face à d’autres solutions plus conventionnelles. Une entrave majeure pour leur utilisation dans le secteur des transports est sa sensibilité aux températures négatives, et plus particulièrement lors des phases de redémarrage après un arrêt. Cette sensibilité est principalement dû au fait que la réaction électrochimique au sein de la pile à combustible a comme sous-produit de réaction de l’eau. Si cette dernière gèle, la pile à combustible n’est plus en mesure de fonctionner et est susceptible de subir des dégradations. Afin de permettre l’utilisation de ce type de véhicule dans tous les milieux, il est nécessaire de développer une stratégie pour démarrer une pile à combustible dans une température négative. Il est apparu dans ces travaux de recherche de la nécessité du développement d’une méthode utilisant l’énergie thermique produite par la pile à combustible afin d’élever la température de cette dernière à une valeur positive. Une telle stratégie permet de ne pas complexifier le système avec des éléments chauffants de minimiser la consommation énergétique. Une stratégie en deux étapes a donc été développée. Une première phase de purge préalable à l’arrêt de la pile à combustible afin d’évacuer l’eau résiduelle pour empêcher qu’elle ne gèle et une seconde consistant en un contrôle potentiostatique de la charge électrique afin de maximiser la réaction exothermique. Cette méthode a été validée expérimentalement et une base de données a été constituée. Afin de modéliser cette phase de démarrage, tout en s’affranchissant des simplifications et hypothèses des modélisations consistant à résoudre des équations physiques, le choix a été fait d’utiliser un réseau de neurones pour modéliser la réponse de la pile à combustible lors de la phase de démarrage à froid. Ce choix est justifié par la volonté d’intégrer ce modèle dans le contrôleur de la gestion énergétique d’un système pile à combustible embarqué. Afin de réaliser l’entrainement de ce modèle, les données issues de l’expérimentation ont été utilisées.

To decarbonize transport, the use of hydrogen as an energy carrier, combined with a fuel cell, is becoming an increasingly mature solution. As proof of this, many of the world's automakers are now manufacturing and marketing their own fuel cell vehicles. Nevertheless, the cost-performance-durability triptych is essential to make fuel cells competitive with other, more conventional solutions. A major impediment to their use in the transport sector is their sensitivity to negative temperatures, particularly during restart phases after a stop. This sensitivity is mainly due to the fact that the electrochemical reaction within the fuel cell has water as a reaction by-product. If water freezes, the fuel cell is no longer able to operate and is susceptible to damage. To enable this type of vehicle to be used in all environments, it is necessary to develop a strategy for starting a fuel cell at negative temperature. This research has shown the need to develop a method using the thermal energy produced by the fuel cell to raise its temperature to a positive value. Such a strategy avoids complicating the system with heating elements and minimizes energy consumption. A two-stage strategy was therefore developed. The first phase consists of purging the fuel cell prior to shutdown, to evacuate residual water and prevent it from freezing, while the second consists of potentiostatically controlling the electrical charge to maximize the exothermic reaction. This method has been validated experimentally and a database has been compiled. In order to model this start-up phase, while avoiding the simplifications and assumptions of modeling by solving physical equations, we chose to use a neural network to model the response of the fuel cell during the cold start-up phase. This choice is justified by the desire to integrate this model into the energy management controller of an on-board fuel cell system. In order to train this model, data from the experiment were used.