Développement d'une stratégie de gestion de l'énergie basée sur le pronostic pour le système hybride à pile à combustible dans des conditions environnementales extrêmes.

Development of a prognostic-based energy management strategy for fuel cell hybridsystem in extreme environment conditions.

• Auteur / Autrice : Luis Perez archila
• Direction : Samir Jemei, Javier Solano, Loïc Boulon
• Type : Projet de thèse
• Discipline(s) : Génie électrique
• Date : Inscription en doctorat le 16/12/2021
• Etablissement(s) : Besançon, Université Marie et Louis Pasteur en cotutelle avec Université du Québec à Trois-Rivières
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
• Partenaire(s) de recherche : Equipe de recherche : Département Énergie
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)

Mots clés

Mots clés libres

Hybridation

Vieillissement

Batterie

Piles à combustible

Énergie hydrogène

Intelligence Artificielle

Hybridization

Fuel Cell

Artificial Intelligence

Ageing

Battery

Hydrogen energy

Résumé

La durabilité des vecteurs d'énergie actuellement disponibles, à savoir les batteries et les piles à combustible PEM alimentées à l'hydrogène, constitue un obstacle majeur à la réalisation des véhicules électriques. Ces composants électrochimiques sont, grâce à leur nature même, sujets à des phénomènes de dégradation irréversible pendant le stockage ou le mode de fonctionnement, ce qui entraîne des pertes de performance accélérées et une réduction de la durée de vie. Cela devient encore plus critique dans des conditions opérationnelles difficiles, notamment dans les régions où l'hiver est extrêmement froid (Canada) ou le climat tropical humide (Colombie). Par conséquent, il existe une demande croissante pour améliorer la durabilité des sources d'énergie dans les applications automobiles et stationnaires. Différents efforts ont été faits : travailler sur les matériaux, réduire les causes de dégradation, améliorer la conception des structures, mettre en place de nouveaux modes de supervision et de gestion, etc. La dernière solution semble être d'un grand intérêt, et de nombreuses études ont prouvé qu'il est possible d'exercer un contrôle actif sur les conditions de fonctionnement et d'atténuer ainsi certains effets délétères de la dégradation. Dans ce contexte, deux contributions principales seront apportées. La première étape consiste à déployer une méthode de pronostic qui peut être utilisée dans le système hybride basé sur l'intelligence artificielle (IA). Le pronostic et la gestion de la santé (PHM) permettent de surveiller et de prédire le comportement futur d'un système et sa durée de vie utile résiduelle (RUL) afin de prendre des décisions appropriées sur le contrôle pour contrer les états de fonctionnement défectueux. Ensuite, une deuxième étape sur l'aspect gestion de la santé du PHM est proposée. Comme la répartition de la puissance demandée dans un système hybride est gérée par une stratégie de gestion de l'énergie (EMS), l'orientation de cette étape est de développer une EMS qui tiendra compte de la durée de vie utile résiduelle (RUL) de chaque composant.

A central issue holding back the critical achievement of electric vehicles is the durability of the currently available energy carriers: namely, battery packs and hydrogen-fuelled PEM fuel cells. These electrochemical components are, by their very nature, prone to irreversible degradation phenomena during storage or operation mode, leading to accelerated performance losses and shortened lifetime. That becomes even more critical under difficult operational conditions, especially in regions with extreme cold winter (Canada) or wet tropical climate (Colombia). Therefore, there is an increasing demand for improving the durability of energy sources in vehicle and stationary applications. Various efforts have been made: working on the materials, reducing the causes of degradation, improving structural design, implementing new supervision and management designs, etc. The last solution appears to be of great interest, and numerous studies have proved that it is possible to exercise an active control over the operating conditions and in turn to mitigate some deleterious effects of degradation. In this context, two main contributions will be made. The first stage is to deploy a prognostic's method that can be used in the hybrid system based on Artificial Intelligence (AI). Prognostics and Health Management (PHM) allows monitoring and predict the future behavior of a system and its Residual Useful Lifetime RUL in order to take appropriate decisions on control to counteract the faulty operation states. Then, a second stage on the health management aspect of PHM is proposed. As the split of demanded power in a hybrid system is managed by an energy management strategy (EMS), the orientation of this stage is to develop an EMS that will consider the (RUL) of each component.