Proposition de thèse : Identification temporelle de modèles de batterie par approche fractionnaire


L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Identification temporelle de modèles de batterie par approche fractionnaire

Ce projet serait sous la direction de Thierry Poinot du LIAS à l’Université de Poitiers

Co-directeurs renseignés : Benoît Huard /

Les financements sont : bourse

Le début de la thèse est prévu pour : 10/2020

Mots clés du sujet : Identification, Modèles fractionnaires, Modèles Linéaires à Paramètres Variant, Batteries

Présentation du sujet : Dans ce travail de thèse, on s’intéresse à l’identification de modèles fractionnaires de batteries à partir de données temporelles. L’objectif est de caractériser les batteries dans différentes conditions d’utilisation (température, nombre de cycles de charge et décharge,…) afin d’estimer leur état de charge et leur état de santé.

Objectifs : Le LIAS a développé au cours de ces dernières années des modèles fractionnaires (ou modèles d’ordre non entier) capables de décrire le comportement physique d’une batterie aussi bien dans le domaine fréquentiel que dans le domaine temporel [1-5]. Les essais fréquentiels classiques par spectroscopie d’impédance peuvent être longs à mener en très basse fréquence et nécessitent une instrumentation spécifique et coûteuse. En revanche, l’intérêt de réaliser l’étude dans le domaine temporel réside dans la rapidité des essais à mener pour caractériser la batterie. Ceci permet d’envisager d’intégrer des modèles dans les systèmes de management des batteries (ou BMS : Battery Management System) afin d’estimer l’état de charge (ou SoC : State of charge) de la batterie ainsi que son état de santé (ou SoH : State of Health). L’objectif de ce travail de thèse est donc de poursuivre ces travaux en s’intéressant tout d’abord au modèle fractionnaire et à l’identification de ses paramètres. Par la suite, on étudiera l’influence du SoC sur le modèle puis celles de la température et du vieillissement de la batterie.

Description du sujet : Dans un premier temps, le travail portera sur la consolidation des résultats obtenus lors d’une précédente thèse, notamment sur les points suivants :
– Un travail théorique sera mené sur l’initialisation des algorithmes d’identification des modèles de batteries ; on envisagera également les possibilités d’introduire des informations a priori dans le processus d’estimation paramétrique afin d’en faciliter la convergence.
– Toujours dans un souci d’amélioration du processus d’identification, un deuxième travail théorique sera mené sur l’étude de la sensibilité paramétrique du modèle de batterie.
– Les premiers résultats expérimentaux d’identification ont montré des évolutions paramétriques en fonction du SoC de la batterie. Il sera nécessaire de valider ces résultats à partir d’une étude de répétabilité, et ceci en assurant une maîtrise des conditions expérimentales telles que la température.
– Cette dernière étude pourra conduire à la construction d’un modèle fractionnaire dont les paramètres seront fonction du SoC de la batterie. On parle alors de modèle Linéaire à Paramètres Variant (LPV). La détermination d’un tel modèle pourra ainsi permettre de retrouver l’état de charge d’une batterie grâce à son modèle.

Dans un deuxième temps, on s’intéressera à l’étude des variations paramétriques en fonction des conditions d’utilisation de la batterie comme par exemple la température mais également en fonction de son vieillissement (nombre de cycles de charge et de décharge précédents). Un des objectifs d’une telle modélisation est de pouvoir renseigner à partir d’un essai temporel rapide de charge et/ou de décharge (de l’ordre d’une dizaine de seconde), sur l’état de vieillissement actuel de la batterie, et de pouvoir ainsi envisager des gestions optimalisées de réseaux de batterie.

Compétences acquises à l’issue de la thèse : Maitrise des méthodes d’identification appliquées aux modèles fractionnaires.
Capacités d’analyse et de synthèse.
Compétences en programmation des algorithmes développés.
Capacités à mener un travail d’équipe.
Capacités à mener un travail expérimental.
Compétences en écriture d’articles scientifiques et d’un mémoire.
Développement des capacités de présentation devant un public scientifique.

Présentation de l’équipe d’accueil : Dans le cadre de l’identification des systèmes, l’équipe s’intéresse à la modélisation et l’identification des systèmes non linéaires à temps continu régis par des équations différentielles ordinaires ou des équations aux dérivées partielles. L’objectif est de fournir une connaissance du système que l’on souhaite analyser, commander, observer ou surveiller. Les nombreux développements conduits au LIAS permettent de proposer de nouveaux algorithmes, de faciliter leur utilisation, d’améliorer leur convergence et d’accéder à la connaissance physique. Voir le site web https://www.lias-lab.fr/.

Compétences souhaitées pour les candidats : Le candidat devra posséder des connaissances en mathématique appliqué, en automatique et plus spécifiquement en identification des systèmes. Une bonne connaissance de Matlab est nécessaire. Un bon niveau en français et en anglais est fondamental.

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 01/22/2020 à 15 h 45 min




ED SISMI