Analyse et diagnostique des défauts de PEMFC pour véhicules à pile à combustible

In recent years, according to the upcoming challenge of pollution, fuel saving, to use on FCEV is increasing. It can be that fuel cell power train divided in the PEMFC, Batteries, DC/DC converters, DC/AC inverters and electrical motors. The Proton Exchange Membrane Fuel cells (PEMFC) have consistently been considered for transportation application. Characteristic features of PEMFC include lower temperature (50 to 100 °C) and solid polymer electrolyte membrane. In this work, experiments have shown that the temperature distributions can significant influence on the performance of the PEMFC. Also analytical studies have indicated improvement of ionic resistivity of the electrolyte membrane, kinetics of electrochemical reaction and gas diffusion electrodes have directly related to temperature. This work evaluated the effectiveness of temperature on a single and stack fuel cell. In addition, a 3D model is developed by effective of temperature on performance on the fuel cell. In this thesis, two PEM fuel cells have been considered to find out the relationship and analyze the behaviors of the cell voltage and temperature distributions under various operating conditions. An experimental study for voltage and temperature has been executed, using one cell, 12 thermocouples and 12 voltage sensors have been installed at different points of the cell. In this work a new model was proposed to improve the lifetime and reliability of the power train and to detect online faults. Besides, current distributions in different points of the cell based on varying operating conditions are calculated by the Newton Raphson method. On the basis of the developed fault sensitive models above, an ANN based fault detection; diagnosis strategy and the related algorithm have been developed. The identified patterns ANN have been used in the supervision and the diagnosis of the PEMFC drivetrain. The ANN advantages of the ability to include a lot of data made possible to classify the faults in terms of their type.Ces dernières années, la pile à combustible à membrane échangeuse de proton (PEMFC) a fait l’objet d’un intérêt particulier pour des applications liées au transport. De par le fait qu’elle fonctionne à une température de fonctionnement relativement basse (50-100°C) combiné à une membrane polymère solide empêchant tout risque de fuite. Dans ce travail, des expérimentations ont été effectuées pour démontrer que la distribution de température à une influence significative sur les performances de la PEMFC. Par ailleurs, ce travail comporte une analyse ayant pour but de d’indiquer une amélioration de la résistivité ionique de la membrane, de la vitesse de réaction et de la diffusion des gaz en fonction de la température. Des expérimentations sur une cellule puis sur un stack complet ont permis d’évaluer l’impact de la température à l’aide d’un modèle 3D développé simulant les performances de la pile en relation avec la distribution de température. Dans cette thèse, deux piles à combustible ont permis de valider le comportement et d’en déduire une relation entre la tension de sortie et la distribution de température dans différentes conditions de fonctionnement. Une étude expérimentale prenant en compte la tension et la température a été effectuée sur une cellule en mesurant la température et le voltage en douze points à l’aide de thermocouples et de sonde de tension. Le modèle 3D proposé permet ainsi d’améliorer la durée de vie d’une pile ainsi que sa fiabilité, il permet aussi d’effectuer un diagnostic et de détecter en ligne un défaut. Ceci est effectué en calculant la densité de courant localement à différentes conditions de fonctionnement en utilisant la méthode de Newton Raphson. De par le développement de ce modèle sensible à un défaut, un algorithme de détection de défaut ainsi que la stratégie de diagnostic ont été développé en utilisant des réseaux de neurones artificiels (RNN). Ces derniers ont été utilisés pour la classification supervisée de défaut permettant ainsi le diagnostic