[PDF] Analyse statistique de données issues de batteries en usage réel

View - Download Analyse statistique de données issues de batteries en usage réel

Previous PDF

Next PDF

THÈSE

Pour obtenir le grade de

DOCTEUR DE L"UNIVERSITÉ DE GRENOBLE

Spécialité :Signal, Image, Parole, Télécoms

Arrêté ministériel : 7 août 2006

Présentée par

Anthony BARRÉ

Thèse dirigée parDelphine RIU

et encadrée parFrédéric SUARDetMathias GÉRARD préparée au sein duLaboratoire d"Analyse des Données et d"Intelli- gence des Systèmes (CEA LIST) et duLaboratoire de Modélisation et de Monitoring (CEA LITEN) dans l"École Doctorale EEATS

Analyse statistique de données

issues de batteries en usage réel sur des véhicules électriques, pour la compréhension, l"estimation et la gestion des phénomènes de vieillissement

Thèse soutenue publiquement le17 Octobre 2014,

devant le jury composé de :

Latifa OUKHELLOU

HDR, Directrice de recherche, IFSTTAR, Rapporteur

Pascal VENET

Professeur, Université Claude Bernard, Lyon, Rapporteur

Marie-Cécile PÉRA

Professeur, Université de Franche-Comté, Belfort, Présidente du jury

Rody EL CHAMMAS

PhD Project leader, Toyota Motor Europe, Examinateur

Jean-Michel LOUBES

Professeur, IMT, Toulouse, Examinateur

Delphine RIU

HDR, Maître de Conférence, G2Elab, Grenoble, Directrice de thèse

Frédéric SUARD

PhD Ingénieur Chercheur, CEA LIST, Saclay, Encadrant de thèse

Mathias GÉRARD

PhD Ingénieur Chercheur, CEA LITEN, Grenoble, Encadrant de thèse

Remerciements

Je tiens en premier lieu à remercier chacun de mes encadrants, Frédéric Suard et Mathias Gérard, pour avoir proposé ce sujet de recherche passionnant, pour leur com- plémentarité et leur confiance commune. Ces trois années auprès de vous m"ont permis de me développer et d"évoluer dans de parfaites conditions. Je souhaitais remercier Anthony Larue pour m"avoir accordé sa confiance à l"issue des entretiens préliminaires. Je remercie ma directrice de thèse, Delphine Riu pour son suivi régulier de l"évolution de mes travaux. Je remercie sincèrement Latifa Oukhellou et Pascal Venet d"avoir accepté de rap- porter cette thèse, pour le temps consacré à la lecture attentive de mes travaux et pour les remarques pertinentes en ayant découlé. mas pour avoir accepté de composer le jury et de participer à la soutenance et pour nos discussions constructives. Merci à vous, et aux personnes lisant ce manuscrit, pour l"intérêt porté à cette thèse. Il est important pour moi de remercier ici les personnes m"ayant permis de me à Angers et à Toulouse qui ont été à la base de ces travaux. L"occasion m"est donnée de remercier tous les membres des équipes LIST et LITEN que j"ai rencontré lors de ces trois années. Merci aux personnes ayant de près ou de loin participé à mes travaux. Je voudrais remercier de manière plus personnelle Frédéric et Mathias pour avoir fait en sorte de toujours travailler dans la bonne humeur. Merci aussi pour les plaisirs de la vie quotidienne à Yannick, Zoulficar, Aurélie, Lucile, Crédo, Khrykhry, Philippe, Julie, Sawsan, Étienne... pour le partage réussi de nos bureaux successifs, ou pour nos rigolades indispensables. Je souhaite également remercier mes amis et ma famille ayant fait le déplacement pour me faire l"honneur d"assister à ma soutenance. Donc un grand merci à Yannick, Julie, Aurélie, Ramon, Maha et bien sûr à mes parents. Sur cette note plus personnelle je remercie mes parents pour leurs encouragements et pour leur confiance sans faille au fil de ces années, merci pour tout! Enfin, merci à Maha pour son aide pratique et morale sans lesquelles ses travaux, entre autres, n"auraient pu être possibles. 1 2

Table des matières

Acronymes

7

Liste des symboles

9

Introduction générale

11

1 Contexte et problématique

15

1.1 Les véhicules électriques - Transports

16

1.1.1 Essor des véhicules électriques

16

1.1.2 Limitations des véhicules électriques

19

1.2 Les batteries lithium-ion

22

1.2.1 Présentation et fonctionnement

23

1.2.2 Données caractéristiques d"une batterie

25

1.2.3 Phénomènes de vieillissement

28

1.2.4 Facteurs globaux de vieillissement

30

1.3 Estimation du vieillissement

34

1.3.1 Indicateurs de vieillissement

34

1.3.2 Modélisation des phénomènes de vieillissement

35

1.3.3 Bilan de l"estimation des phénomènes de vieillissement

42

1.4 Conclusiondesproblématiquesliéesàl"estimationduvieillissementd"une

batterie 44

1.4.1 Point de vue utilisateur sur le vieillissement

44

1.4.2 Bilan des solutions existantes

46

1.4.3 Orientation des travaux

46

2 Analyse hors ligne des données de batterie

49

2.1 Objectifs et problématiques

50

2.2 Présentation des données

50

2.2.1 Expérimentation ForeWheel

50

2.2.2 Expérimentation AX - SAXO

53

2.2.3 Synthèse des expérimentations

55

2.2.4 Données descriptives

57

2.3 Analyse des causes de vieillissement

59

2.3.1 Méthodologie d"analyse des données

60

2.3.2 Application aux données ForeWheel

66

2.3.3 Conclusion de l"analyse des données

71

2.4 Vers un estimateur du niveau de dégradation

71
3

4TABLE DES MATIÈRES

2.4.1 Modèle statistique

71

2.4.2 Résultats et interprétations

73

2.5 Déduction du temps de vie restant d"une batterie

77

2.5.1 Méthodologie

77

2.5.2 Application et résultats

78

2.6 Conclusions - Discussions

79

3 Analyse en ligne des données d"une batterie

83

3.1 Problématique de l"analyse en ligne

84

3.2 Étude de signaux issus de mesures embarquées

84

3.2.1 Analyse des signaux

84

3.2.2 Extraction de motifs

87

3.2.3 Interprétation visuelle

90

3.3 Approche de classification de l"état de santé d"une batterie

92

3.3.1 Choix d"une méthodologie de comparaison des signaux adaptée

93

3.3.2 Méthodes de classification

99

3.3.3 Résultats des méthodes de classification

102

3.4 Vers une estimation continue de l"état de santé d"une batterie

107

3.4.1 Méthodologie

107

3.4.2 Résultats

109

3.5 Déduction du temps de vie restant d"une batterie

112

3.5.1 Méthodologie

112

3.5.2 Application et résultats

114

3.6 Conclusion - Discussion

117

4 Vers le suivi d"une flotte de véhicules électriques

119

4.1 Objectifs et problématique

120

4.2 Classification des usages

121

4.2.1 Méthodologie

121

4.2.2 Application de la classification

127

4.3 Aide aux préconisations d"usages

130

4.3.1 Méthodologie

130

4.3.2 Application de cette méthodologie

133

4.4 Mise en oeuvre de modèles d"estimation sur une flotte

138

4.4.1 Modèles

139

4.4.2 Résultats sur une flotte

140

4.5 Gestion de la santé des batteries d"une flotte

145

4.5.1 Méthodologie de prise en compte de check-up

146

4.5.2 Stratégies d"optimisation

148

4.5.3 Exemple d"application

151

4.5.4 Perspectives

154

4.6 Conclusion - Discussion

155

Conclusion générale

157

Bibliographie

165

Valorisations liées aux travaux

177

TABLE DES MATIÈRES5

Annexes

180

A Cellules A123 Systems

181

B Cellules LiFeBatt

183

C Relevance Vector Machines

185

D Filtered Shape Averaging

187

D.1 Introduction

187

D.2 Contexte

187

D.2.1 Distance euclidienne

188

D.2.2 Dynamic Time Warping

188

D.2.3 Méthodes de moyenne

189

D.2.4 Motivation

190

D.3 Méthode proposée

190
D.3.1 Moyenne basée sur la Dynamic Time Warping 190

D.3.2 Fonction de lissage par noyau Gaussien

192

D.3.3 Complexité

192
D.4 Expérimentations sur la base de données UCR 193

6TABLE DES MATIÈRES

Acronymes

pdfProbability Density Function

ACP Analyse en Composantes Principales

ANN Artificial Neural Networks

ARMA Auto-Regressive Moving Average

BEV Battery Electric Vehicle

BMS Battery Management System

CAH Classification Ascendante Hiérarchique

CEA Commissariat à l"Énergie Atomique et aux

Énergies Alternatives

CU Check-Up

DFT Density Functional Theory

DOD Depth Of Discharge

DTW Dynamic Time Warping

EC Ethylene Carbonate

EEL Estimation En Ligne

EHL Estimation Hors Ligne

EIS Electrochemical Impedance Spectroscopy

EKF Extended Kalman Filter

EOL End Of Life

FSA Filtered Shape Averaging

GA Global Alignment

GDTW Gaussian Dynamic Time Warping

GPS Global Positioning System

IEA Electric Vehicles Initiative

KMC Kinetic Monte Carlo

kNN k-Nearest Neighbors 7

8ACRONYMES

LARS Least Angle Regression

LASSO Last Absolute Shrinkage and Selection Ope-

rator

LFP Lithium Fer Phosphate

Li-ion lithium-ion

LMO Lithium Manganèse Oxyde

NiMH nickel-metal

NN Neural Networks

PF Filtre Particulaire

PKE Positive Kinetic Energy

RBPF Rao-Blackwellized Particle Filter

RUL Remaining Useful Life

RVM Relevance Vector Machine

SEI Solid Electrolyte Interphase

SOC State Of Charge

SOF State Of Function

SOH State Of Health

SROT Silver"s Rule Of Thumb

SVM Support Vector Machine

TGA Triangular Global Alignment

VE Véhicule Électrique

Liste des symboles

B trainBase d"apprentissageBtrain= f(x1;t1);:::;(xn;tn)gcomposée denmotifs xassociés à leurs ciblest B testBase de testBtest=f(x1;t1);:::;(xm;tm)gcom- posée demmotifsxassociés à leurs cibles t Bat

1Batterie n1

Bat

2Batterie n2

Bat

3Batterie n3

BNombre d"échantillons générés par boots- trap C nCapacité nominale d"une batterie C jClusterj corr(X;Y) Coefficient de corrélation entre deux va- riablesXetY

C-rate Régime de charge ou décharge

d

DTWDistance Dynamic Time Warping

d

GADistance Global Alignment

d

DTWSCDistance DTW adaptée avec les contraintes

de Sakoe & Chiba dquotesdbs_dbs25.pdfusesText_31

[PDF] batteries pour ordinateur portable - Anciens Et Réunions

[PDF] BATTERIES SHIDO LITHIUM ION - Anciens Et Réunions

[PDF] Batteries SRX Ni-Cd

[PDF] Batteries stationnaires étanches au plomb à recombinaison de - France

[PDF] batteries tableau d`affectations vl - Porsche

[PDF] batteries tashima power-plus - Anciens Et Réunions

[PDF] Batteries-ENERSYS

[PDF] Batteries… Tout l`art de stocker l`énergie - Anciens Et Réunions

[PDF] Batterietrennschalter

[PDF] batters cookie dough pâte à biscuits - Anciens Et Réunions

[PDF] Battersea Power Station FR - Gestion De Projet

[PDF] battery backup module 12/24 - Anciens Et Réunions

[PDF] Battery Backup System Système de secours à

[PDF] Battery Charger - Sterling Power Products - Le Style Et La Mode

[PDF] battery charger automatic 12a – 6v/12v