Méthode inverse pour estimer les paramètres électrochimiques et thermophysiques des batteries aux ions lithium composées de différents matériaux pour l’électrode positive

La sécurité de plusieurs systèmes électriques est fortement dépendante de la fiabilité de leur bloc-batterie à base de piles aux ions lithium (Li-ion). Par conséquent, ces batteries doivent être suivis et contrôlés par un système de gestion des batteries (BMS). Le BMS interagit avec toutes les composantes du bloc-batterie de façon à maintenir leur intégrité. La principale composante d’un BMS est un modèle représentant le comportement des piles Liion et capable de prédire ses différents points d’opération. Dans les industries de l’électronique et de l’automobile, le BMS repose habituellement sur des modèles empiriques simples. Ceux-ci ne sont cependant pas capables de prédire les paramètres de la batterie lorsqu’elle vieillit. De plus, ils ne sont applicables que pour des piles spécifiques. D’un autre côté, les modèles électrochimiques sont plus sophistiqués et plus précis puisqu’ils sont basés sur la résolution des équations de transport et de cinétique électrochimique. Ils peuvent être utilisés pour simuler les caractéristiques et les réactions à l’intérieur des piles aux ions lithium. Pour résoudre les équations des modèles électrochimiques, il faut connaître les différents paramètres électrochimiques et thermo-physiques de la pile. Les variables les plus significatives des piles Li-ion peuvent être divisées en 3 catégories : les paramètres géométriques, ceux définissant les matériaux et les paramètres d’opération. Les paramètres géométriques et de matériaux peuvent être facilement obtenus à partir de mesures directes ou à partir des spécifications du manufacturier. Par contre, les paramètres d’opération ne sont pas faciles à identifier. De plus, certains d’entre eux peuvent dépendre de la technique de mesure utilisée et de l’âge. Finalement, la mesure de certains paramètres requiert le démantèlement de la pile, une procédure risquée et destructive. Plusieurs recherches ont été réalisées afin d’identifier les paramètres opérationnels des piles aux ions lithium. Toutefois, la plupart de ces études ont porté sur l’estimation d’un nombre limité de paramètres et se sont attardées sur un seul type de matériau pour l’électrode positive utilisé dans la fabrication des piles Li-ion. De plus, le couplage qui existe entre les paramètres électrochimiques et thermo-physiques est complètement ignoré. Le but principal de cette thèse est de développer une méthode générale pour identifier simultanément différents paramètres électrochimiques et thermo-physiques et de prédire la performance des piles Li-ion à base de différents matériaux d’électrodes positives. Pour atteindre ce but, une méthode inverse efficace a été introduite. Des modèles directs représentatifs des piles Li-ion à base de différents matériaux d’électrodes positives ont également été développés. Un modèle rapide et précis simulant la performance de piles Li-ion avec des électrodes positives à base de LiMn2O4 ou de LiCoO2 est présenté. Également, deux modèles ont été développés pour prédire la performance des piles Li-ion avec une électrode positive de LiFePO4. Le premier, appelé modèle mosaïque modifié (MM), est basé sur une approche macroscopique alors que le deuxième, appelé le modèle mésoscopique, est plutôt basé sur une approche microscopique. Des études d’estimation de paramètres ont été conduites en utilisant les modèles développés et des données expérimentales fournies par Hydro-Québec. Tous les paramètres électrochimiques et thermo-physiques des piles Li-ions ont été simultanément identifiés et appliqués à la prédiction de la performance des piles. Finalement, une technique en temps réel reposant sur des réseaux de neurones est introduite dans la méthode d’estimation des paramètres intrinsèques au piles Li-ion.Abstract : The safety of many electrical systems is strongly dependent on the reliable operation of their lithium-ion (Li-ion) battery packs. As a result, the battery packs must be monitored by a battery management system (BMS). The BMS interacts with all the components of the system so as to maintain the integrity of the batteries. The main part of a BMS is a Li-ion battery model that simulates and predicts its different operating points. In the electronics and in the automobile industries, the BMS usually rests on simple empirical models. They are however unable to predict the battery parameters as it ages. Furthermore, they are only applicable to a specific cell. Electrochemical-based models are, on the other hand, more sophisticated and more precise. These models are based on chemical/electrochemical kinetics and transport equations. They may be used to simulate the Li-ion battery characteristics and reactions. In order to run the electrochemical-based mathematical models, it is imperative to know the different electrochemical and thermophysical parameters of the battery. The significant variables of the Li-ion battery can be classified into three groups: geometric, material and operational parameters. The geometric and material parameters can be easily obtained from direct measurements or from the datasheets provided by the manufacturer. The operational properties are, on the other hand, not easily available. Furthermore, some of them may vary according to the measurement techniques or the battery age. Sometimes, the measurement of these parameters requires the dismantling of the battery itself, which is a risky and destructive procedure. Many investigations have been conducted to identify the operational parameters of Li-ion batteries. However, most of these studies focused on the estimation of limited parameters, or considered only one type of the positive electrode materials used in Li-ion batteries. Moreover, the coupling of the thermophysical parameters to the electrochemical variables is ignored in all of them. The main goal of this thesis is to develop a general method to simultaneously identify different electrochemical and thermophysical parameters and to predict the performance of Li-ion batteries with different positive electrode materials. To achieve this goal, an effective inverse method is introduced. Also, direct models representative of Li-ion batteries are developed, applicable for all of the positive electrode materials. A fast and accurate model is presented for simulating the performance of the Li-ion batteries with the LiMn2O4 and LiCoO2 positive electrodes. Moreover, two macro- and micro-based models are developed for predicting the performance of Li-ion battery with the LiFePO4 positive electrode, namely the Modified Mosaic (MM) and the mesoscopic-based models. The parameter estimation studies are then implemented by means of the developed direct models and experimental data provided by Hydro-Québec. All electrochemical and thermophysical parameters of the Li-ion batteries are simultaneously identified and applied for the prediction of the battery performance. Finally, a real-time technique resting on neural networks is used for the estimation of the Li-ion batteries intrinsic parameters