Evaluation de l'état de santé des batteries Li-ion dans le contexte de l'économie circulaire

Electric Vehicles (EV) have been one of the most encouraging ways to tackle the adverseenvironmental effect of hydrocarbon-based transport. Most of the EV use Li-ion batteries as theirpower source, owing to their high energy density. These batteries reach its End of Life (EoL)when the capacity degrades by just twenty percent of the original capacity. A reliable circularindustrial system can be developed which should be able to transform post-used EV batteries intonew added-value batteries for less demanding applications, thus prolonging their life and ensuringmore sustainability. Predicting the reliability of a system in its actual life cycle conditions andestimating it’s time to failure(State of the health estimation) is helpful in decision making forthe new value chain. But the technological heterogeneity of the Li-ion batteries, as well as thedynamics of change of operating conditions, accentuates the difficulty to establish PrognosticsHealth Management (PHM) system for the batteries. Also, very few researches talk about State ofhealth with the perspective of re-purposing batteries.The objective of this thesis is to bridge the knowledge gap of diagnostics and prognostics inthe context of circular economy. The results identify a contextual definition of SoH and a novelclassifications for different SoH estimation methods. The thesis also investigates the issues andchallenges posed while estimating SoH for Li-ion battery, with possible solutions. Furthermore, inthis thesis, the ultimate goal is to provide reliable sensor networks as well as information retrievalmodules to develop as accurate as possible a diagnosis and a health prognosis method for lithiumionbatteries in the context of the Circular economy.We proposed an Incremental Capacity (IC) curve based SoH estimation system for Li-ion batteries.The model employs a Kalman filter and a finite differencing method for measurement noiseattenuation. A novel method that combines Support vector regression (SVR) and the AutoregressiveIntegrated Moving Average (ARIMA) model is utilized to model the relationship between ICand the SoH. A use case is created on the NASA AMES open-source battery data. The case studyshows that the proposed model can obtain accurate SoH prediction results without needing theState of Charge information of the battery. Finally, a framework has been proposed for establishinga repurposing based business landscape by exploring the current repurposing trends across theworld.Les véhicules électriques (VE) ont été l'un des moyens les plus encourageants de lutter contre lesl'effet environnemental du transport à base d'hydrocarbures. La plupart des véhicules électriques utilisent des batteries Li-ion commesource d'alimentation, en raison de leur haute densité énergétique. Ces batteries atteignent leur fin de vie (EoL)lorsque la capacité se dégrade de seulement vingt pour cent de la capacité d'origine. Une circulaire fiablesystème industriel peut être développé qui devrait être capable de transformer les batteries EV post-utilisées ende nouvelles batteries à valeur ajoutée pour des applications moins exigeantes, prolongeant ainsi leur durée de vie et assurantplus de durabilité. Prédire la fiabilité d'un système dans ses conditions réelles de cycle de vie etestimer qu'il est temps d'échouer (estimation de l'état de santé) est utile dans la prise de décision pourla nouvelle chaîne de valeur. Mais l'hétérogénéité technologique des batteries Li-ion, ainsi que ladynamique de changement des conditions d'exploitation, accentue la difficulté à établir des pronosticsSystème de gestion de la santé (PHM) pour les batteries. De plus, très peu de recherches parlent de l'état desanté dans la perspective d'une réutilisation des batteries.L'objectif de cette thèse est de combler le fossé des connaissances sur le diagnostic et le pronostic dansle contexte de l'économie circulaire. Les résultats identifient une définition contextuelle de SoH et un romanclassifications pour différentes méthodes d'estimation de SoH. La thèse étudie également les problèmes etdéfis posés lors de l'estimation du SoH pour la batterie Li-ion, avec des solutions possibles. De plus, danscette thèse, le but ultime est de fournir des réseaux de capteurs fiables ainsi que la recherche d'informationsmodules pour développer le plus précisément possible une méthode de diagnostic et de pronostic de santé pour le lithiumionbatteries dans le contexte de l'économie circulaire.Nous avons proposé un système d'estimation de SoH basé sur une courbe de capacité incrémentielle (IC) pour les batteries Li-ion.Le modèle utilise un filtre de Kalman et une méthode de différenciation finie pour mesurer le bruitatténuation. Une nouvelle méthode qui combine la régression vectorielle de support (SVR) et l'autorégressionLe modèle de moyenne mobile intégrée (ARIMA) est utilisé pour modéliser la relation entre ICet le SoH. Un cas d'utilisation est créé sur les données de batterie open source NASA AMES. L'étude de casmontre que le modèle proposé peut obtenir des résultats de prédiction SoH précis sans avoir besoin duInformations sur l'état de charge de la batterie. Enfin, un cadre a été proposé pour établirun paysage commercial basé sur la réorientation en explorant les tendances actuelles de réorientation à travers lemonde