Diagnostic de batteries lithium ion dans des applications embarquées

 

Doctorant : Dinh Vinh Do

Directeur de thèse : Christophe Forgez, Guy Friedrich

Soutenance de thèse : 5 juillet 2010

 

Les membres du Jury :

Charles Delacourt
Christophe Forgez (directeur de thèse)
Guy Friedrich
Serge Pelissier (rapporteur)
Pascal Venet (rapporteur)

 

Résumé :

Dans les véhicules hybrides ou électriques, un système de surveillance des batteries est indispensable pour optimiser la gestion de l'énergie électrique embarquée. L'état de charge et l'état de santé sont des paramètres essentiels pour caractériser l'état des systèmes de stockage d'énergie électrique, surveiller la bonne utilisation de ceux ci, et contribuer ainsi à prolonger leur durée de vie.

Le travail effectué dans cette thèse repose sur la mise en œuvre de techniques d'observation temps réel afin de surveiller les paramètres clés de l'accumulateur. Un filtre de Kalman étendu aux paramètres d'un modèle à constantes localisées de l'accumulateur a été utilisé. La structure du modèle a été définie afin de prendre en compte les principaux phénomènes électrochimiques (transfert de charge, diffusion). Ce modèle a été couplé à un modèle thermique afin de prendre en compte l'évolution des caractéristiques de la batterie en fonction de la température.

Une stratégie de réglage du filtre de Kalman est proposée et montre comment obtenir une convergence rapide et précise de l'observation de l'état de charge. L'observateur a été étendu aux paramètres du modèle électrochimiques afin de prendre en compte leurs évolutions liées au vieillissement.

Les modèles électrochimique et thermique développés, ont été simplifiés dans l'optique future d'une implantation aisée au sein de processeurs embarqués sur véhicule. L'observateur d'état de charge a été validé en temps réel sur une cellule lithium ion, pour différentes conditions de fonctionnement.

Abstract :

For the hybrid and electric vehicles, a battery management system is required to supervise and optimize the electrical energy management.

State of charge and state of health are key parameters to supervise the good use and to contribute to enhance the life time of the battery.

This work consists in implementing a real time observer in order to supervise key parameters of the battery. An extended Kalman filter based on a lumped battery model is used to achieve this goal. A lumped model has been defined to consider the electrochemical phenomena, and has been linked with a thermal model to take into account the influence of the temperature. A strategy to set up the Kalman filter has been proposed to get a fast and accurate convergence of the state of charge observation despite bad initialisations. Extensions have been implemented to take into account the influence of the aging on the battery's dynamic model.

All the models have been simplified in order to be implementable on an embedded digital signal processor. The real time state of charge observer has been validated on a lithium ion cell for different operating conditions.