Graphical modeling for robust prognostic of proton exchange membrane fuel cell

La pile à combustible (PàC) est actuellement la solution alternative aux énergies fossiles la plus prometteuse. Il convient cependant d’améliorer sa fiabilité. Cela nécessite la mise en place d’algorithmes capables d’estimer en temps réel l´état de santé de son fonctionnement et de prédire sa durée de vie résiduelle. Les méthodes de pronostic basées sur un modèle physique offrent des résultats précis car ne nécessitent ni apprentissage de modes de fonctionnement ni expertise de l’opérateur. Toutefois, la problématique pour un système PàC réside dans le couplage de plusieurs phénomènes physique, l’incertitude des paramètres du modèle et la faible instrumentation du cœur de pile. Ainsi, nous utilisons des modèles incertains basés sur l’outil Bond Graph bien adapté pour la PàC. Concrètement, les incertitudes sont intégrées au modèle d´évolution des puissances qui est utilisé pour la détection du vieillissement et l’estimation de la dégradation de la PàC. Un modèle de dégradation est utilisé par un filtre de Kalman étendu pour l’estimation de l’état de santé, de la dynamique du vieillissement et permet de quantifier l’incertitude pour toute condition opératoire. Un algorithme Inverse First Order Reliability Method permet ensuite la prédiction de la durée de vie résiduelle et de l’incertitude de prédiction inhérente. La méthode globale a été validée sur différents jeux de données expérimentales. Grâce à l’ensemble de ces outils, un contrôle par inversion de modèle REM (Représentation Energétique Macroscopique) à paramètres variant, robuste au vieillissement a été développé en se basant sur l’estimation de l’état de santé.The fuel cell (FC) is at present the alternative solution to the fossil fuels the most promising. It is however advisable to improve its reliability. This requires the implementation of algorithms capable of estimating in real time the state of health and forecasting its remaining useful life (prognostics). The methods of prognostics based on a physical model offer precise results once they do not requiring either learning or expertise of the operator. However, the problem for a FC system lies in the coupling of several physical phenomena, the uncertainty of the parameters of the model and the low instrumentation of the FC stack.Thus, we use uncertain models based on the Bond Graph tool well adapted for the FC. Concretely, the parameters uncertainties are integrated in the model of evolution of the powers which is used for the detection of the beginning of the aging and the estimation of the degradation of the FC based on the causal and structural properties of the model. The generated model of degradation is used by an extended Kalman filter which allows the estimation of the state of health , the dynamics of the aging and the quantification of the uncertainty for any operating condition (of temperature, current and pressure). An Inverse First Order Reliability Method is then used for the prediction of the remaining useful life and the inherent uncertainty. The global method was validated on various sets of experimental data. Thanks to this set of tools, a control based on the inversion of an Energetic Macroscopic Representation (EMR) model with time varying parameters, robust to aging is developed based on the state of health estimation