De nouvelles architectures de traction (hybride, électrique) entrent en concurrence avec les motorisations thermiques conventionnelles. Des batteries Lithium-ion équipent ces véhicules innovants. La durabilité de ces batteries constitue un enjeu majeur mais dépend de nombreux paramètres environ-nementaux externes. Les outils de prédiction de durée de vie actuellement utilisés sont souvent trop simplificateurs dans leur approche. L'objet de ces travaux consiste à caractériser les conditions d'usage de ces batteries (température, tension, courant, SOC et DOD) afin d'étudier avec précision la durée de vie que l'on peut en attendre en fonction de l'application visée. Différents types de véhicules électrifiés (vélos à assistance élec-trique, voitures électriques, voitures hybrides, et trolleybus) ont été instrumentés afin de documenter les conditions d'usage réel des batteries. De larges volumes de données ont été recueillis puis ana-lysés au moyen d'une méthode innovante qui s'appuie sur la classification d'impulsions de courant par l'algorithme des K-means et la génération de cycles synthétiques par modélisation par chaine de Markov. Les cycles synthétiques ainsi obtenus présentent des caractéristiques très proches de l'échantillon complet de données récoltées et permettent donc de représenter fidèlement l'usage réel. Utilisés lors de campagnes de vieillissement de batteries, ils sont susceptibles de permettre l'obtention d'une juste prédiction de la durée de vie des batteries pour l'application considérée. Plusieurs résultats expérimentaux sont présentés afin d'étayer la pertinence de cette approche.

De nouvelles architectures de traction (hybride, électrique) entrent en concurrence avec les motorisations thermiques conventionnelles. Des batteries Lithium-ion équipent ces véhicules innovants. La durabilité de ces batteries constitue un enjeu majeur mais dépend de nombreux paramètres environnementaux externes. Les outils de prédiction de durée de vie actuellement utilisés sont souvent trop simplificateurs dans leur approche. L’objet de ces travaux consiste à caractériser les conditions d’usage de ces batteries (température, tension, courant, SOC et DOD) afin d’étudier avec précision la durée de vie que l’on peut en attendre en fonction de l’application visée. Différents types de véhicules électrifiés (vélos à assistance électrique, voitures électriques, voitures hybrides, et trolleybus) ont été instrumentés afin de documenter les conditions d’usage réel des batteries. De larges volumes de données ont été recueillis puis analysés au moyen d’une méthode innovante qui s’appuie sur la classification d’impulsions de courant par l’algorithme des K-means et la génération de cycles synthétiques par modélisation par chaine de Markov. Les cycles synthétiques ainsi obtenus présentent des caractéristiques très proches de l’échantillon complet de données récoltées et permettent donc de représenter fidèlement l’usage réel. Utilisés lors de campagnes de vieillissement de batteries, ils sont susceptibles de permettre l’obtention d’une juste prédiction de la durée de vie des batteries pour l’application considérée. Plusieurs résultats expérimentaux sont présentés afin d’étayer la pertinence de cette approche / Lithium-ion batteries are being used as energy storage systems in recent electric and hybrid electric vehicles coming to market. Current cycle-life estimation techniques show evidence of discrepancy between laboratory results and real-world results. This work is aimed at characterizing actual battery usage in electrified transportation applications. Factors such as temperature, State Of Charge, Depth Of Discharge, current and voltage have to be carefully considered for accurate cycle-life prediction within a given application. Five electrified vehicles have been studied (two electric bicycles, one light EV, one mainstream HEV and one Heavy-Duty trolleybus). These vehicles have been equipped with sensors and data-logger and then test-driven on open roads under real-world conditions. Large amounts of data have been stored and later processed through an innovative method for analysis of actual usage. This method relies on data mining based on K-means clustering and synthetic duty cycle generation based on Markov chain modeling. Resulting synthetic cycles exhibit features similar to those observed on the large original datasets. This enables accurate prediction of cycle-life through realistic ageing trials of Lithium-ion batteries. Several experimental results are presented in order to assess the fitness of this method