Diagnostic et pronostic de l'état de santé d'une batterie lithium-ion par réflectométrie

Les batteries lithium-ion sont actuellement le moyen de stockage d'énergie électrique le plus utilisé dans les systèmes embarqués ou les véhicules électriques et peuvent aussi être employés en complément des énergies renouvelables. L'estimation de leur état de santé est essentielle pour d'une part, les dimensionner au mieux afin qu'elles puissent répondre à l'usage demandé et d'autre part améliorer leur sûreté de fonctionnement. L'estimation et le suivi de l'impédance électrochimique d'une batterie lithium-ion est l'un des moyens connus qui permettent de caractériser son état de santé. Cependant, dans tous les travaux proposés jusqu'à présent, cette estimation se limite à une analyse en basse fréquence inférieur à 1 MHz. Le comportement de la batterie en haute fréquence est très peu étudié dans la littérature. La réflectométrie est une technique qui permet de détecter des changements d'impédance dans des structures plus ou moins complexes en utilisant des signaux large bande. C'est une méthode non destructive qui peut être facilement embarquable. Une première étude sur la faisabilité de l'application de la réflectométrie pour le diagnostic des batteries nous a permis de détecter et de localiser une cellule défaillante dans un pack de batterie constitué de plusieurs cellules montées en série. Le premier objectif de cette thèse consiste à appliquer la réflectométrie pour une estimation précise de l'état de santé (SOH : State Of Health) d'une cellule de batterie (une batterie comprenant plusieurs cellules en série ou/et parallèle). Jusqu'à présent, les techniques proposées dans la littérature se limitent à une plage fréquentielle réduite (basse fréquence). L'un des points innovants de cette thèse sera de caractériser l'évolution de la dégradation de la batterie sur une bande fréquentielle assez importante pouvant aller jusqu'à plusieurs centaines de MHz. Une approche basée sur des données expérimentales de réflectométrie sera utilisée pour construire des descripteurs reflétant l'état de la batterie, en vue de prédire son évolution et d'estimer la durée de vie restante (RUL pour Remaining Useful Life) par des outils d'intelligence artificielle (IA). Le deuxième objectif sera, dans un premier temps, d'identifier la ou les cellules défaillantes dans un pack batterie et dans un deuxième temps d'estimer la durée de vie globale du pack batterie en fonction de l'état de santé de chaque cellule. La thèse se déroulera à Saclay. Déplacements prévus à Villeurbanne