Développement d'algorithmes adaptatifs embarqués et débarqués du système de gestion batterie pour l'estimation des états de la batterie en usage automobile

par Kodjo Mawonou

Projet de thèse en Automatique

Sous la direction de Didier Dumur et de Emmanuel Godoy.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec L2S - Laboratoire des signaux et systèmes (laboratoire) et de CentraleSupélec (établissement de préparation de la thèse) depuis le 01-12-2016 .


  • Résumé

    Les aspects environnementaux prennent une part croissante dans les préoccupations des pouvoirs publics et de l'opinion. Dans ce contexte les constructeurs automobile (Renault dans le cadre de cette thèse) doivent y répondre en proposant des véhicules ayant un respect de l'environnement toujours plus important. Ainsi, ces travaux de thèse s'inscrivent dans le développement de véhicules électriques. L'énergie électrique des véhicules électriques et hybrides est stockée dans des batteries constituées de nombreuses cellules électro-chimiques de type lithium-ion la plupart du temps qui sont connectées les unes aux autres en série et en parallèle. Ces batteries de cellules nécessitent une surveillance étroite assurée par un calculateur dédié appelé communément Battery Management System (BMS) ou Système de Gestion de Batterie. Le BMS effectue essentiellement trois types de tâches : 1/ la mesure (courant, tensions, températures, résistance d'isolement) 2/ l'estimation de différents états de la batterie et l'élaboration d'alertes 3/ la gestion de la quantité d'énergie utilisable (fonction d'équilibrage des cellules) Les états de la batterie qu'il est nécessaire de connaître le plus précisément possible pour pouvoir exploiter la batterie au maximum de ses possibilités sont : l'état de charge (SOC ou State of Charge), l'état de santé (SOH ou State of Health), les puissances admissibles (en décharge et en régénération), l'état de la capacité, l'état de la résistance interne. Ces états n'étant pas mesurables directement par le BMS, des estimations sont élaborées en recourant à des techniques du domaine de l'automatique, comme par exemple l'estimation au moyen d'un filtrage de Kalman. En outre, ces cellules électro-chimiques connaissent une évolution de leurs paramètres intrinsèques au cours du temps et de leur utilisation. Ces modifications se traduisent par une évolution de leur comportement qui doit être prise en compte par les algorithmes du BMS pour pouvoir assurer un niveau maximal de performance, tout au long de la vie de la batterie. Enfin, une quantité importante de données, issues des véhicules électriques utilisés par les clients, est déjà disponible et va croître encore plus vite avec le nombre de véhicules en circulation utilisant une batterie Li-ion. Cette quantité d'information doit faire l'objet d'analyses afin d'améliorer les algorithmes du BMS. Cette activité s'inscrit dans l'évolution technologique du véhicule connecté. La gestion d'énergie d'un véhicule électrique ou hybride, exploitant en grande partie les données issues du BMS, représente un des enjeux les plus critiques pour ce type de véhicule dans l'objectif de : - Maîtriser, prédire et si possible améliorer l'autonomie des véhicules électriques. - Augmenter la durée de vie et la fiabilité des batteries, - Augmenter la disponibilité des batteries. L'objectif de la thèse est de permettre une meilleure utilisation de l'énergie et de la puissance d'une batterie lithium-ion, par la proposition, le développement et la mise en œuvre de stratégies pour le système de gestion de cette batterie qui soient : - adaptatives pour gérer l'évolution du comportement et de la performance de la batterie durant son vieillissement, - transverses pour pouvoir s'adapter à tous les modes d'utilisation d'une batterie (mode électrique pur, mode hybride) - génériques pour pouvoir facilement être utilisables pour des batteries de technologies chimiques différentes. Ces algorithmes doivent également être développés dans la contrainte de pouvoir être embarqués sur calculateur automobile. Les résultats attendus sont un gain en autonomie et en sécurité d'utilisation pour les clients des véhicules électriques et/ou hybrides, durant toute la vie du véhicule.

  • Titre traduit

    Development of embedded and non-embedded adaptive algorithms of the battery management system for estimating the states of the battery in automotive use


  • Résumé

    Environmental issues are increasingly concerning to public opinion and authorities. Accordingly, Automobile manufacturers (Renault within the framework of this thesis) have to propose more and more environmental friendly vehicles. Therefore, this thesis project goes to the general scope of battery-driven vehicles. The electrical energy of the electric and hybrid vehicles is stored in batteries pack made of numerous electrochemical cells. Lithium-ion cells are the most commonly used, and are one another connected in series and parallel. These batteries packs, require an enhanced surveillance assured by a dedicated controller called Battery Management System (BMS). The BMS is in charge of three types of tasks: - Data measurement (current, voltages, temperatures, isolation resistance) - Various states of the battery estimation and alerts elaboration - The management of the quantity of usable energy (cells balancing function) Efficient usage of the battery pack requires the monitoring of different states such as: State of charge (SOC), State of health (SOH), the acceptable power (when charging or discharging), the capacity and the internal resistance. Unfortunately these states are not directly measurable. The BMS has to estimate each parameter, thanks to measured data cited above, and automatic field estimation technics. Besides, these parameters change over time and charge-discharge cycles. These changes have to be taken into account by the BMS to insure a maximal level of performance, throughout the life of the battery. Finally, a considerable amount of data, exits of the battery-driven vehicles used by the customers, is already available and is going to grow even faster. The stored data have to be analyzed to improve the algorithms of the BMS. This activity joins the undergoing technological evolution of the connected vehicle. Energy management for electric and hybrid vehicles by largely exploiting the data stemming from the BMS, is one of the most critical challenges for environmental friendly vehicles. In doing so, the goals are: - To master, predict and if possible to improve the autonomy of electric vehicles - To increase the life expectancy and the reliability of batteries - And to increase the availability of batteries The aim of the thesis is to allow a better use of the energy and the power of a lithium-ion battery, by the proposal, the development and the implementation of battery management systems that are: - Adaptive to cope with battery ageing - Cross-functional, to be able to adapt itself to all the modes of use of a battery (pure electric mode, hybrid mode) - And general to be easily usable for any kind of battery chemistry The developed algorithms have to embeddable for online estimation. The expected gains are autonomy and safety for electric or hybrid vehicles users.