Dans le contexte de la transition énergétique, la pile à combustible devient l'une des sources d'énergie alternatives les plus prometteuses. Récemment, la recherche a mis l’accent sur les piles à combustible, et plus particulièrement sur celles à membrane échange de protons (Proton Exchange Membrane Fuel Cell ou Polymer Electrolyte Membrane Fuel Cell ou PEMFC) qui est l'une des meilleures candidates pour les applications stationnaires et transport. Même si cette technologie évolue constamment, elle n'est pas encore prête pour un déploiement industriel à grande échelle en raison de sa durabilité et de sa fiabilité limitées. Le "Prognostics and Health Management" (PHM) est une approche récente pour gérer et prolonger la durée de vie des systèmes. Les techniques de pronostic sont capables de fournir une estimation de l'état de santé (State of Health ou SOH) des piles à combustible et une prédiction de leur durée de vie résiduelle (Remaining Useful Life ou RUL) afin d’aider les fabricants à améliorer les performances et à gérer leur durée de vie de ces systèmes.Ce travail a pour objectif de développer de nouvelles méthodes d’estimation de la durée de vie adaptée à la complexité des systèmes PEMFC. En effet, ces systèmes sont multi-échelle et multi-physique, et présentent divers défis sont à relever:1. La définition du SOH pour construire un indicateur de dégradation.2. La coexistence de phénomènes de dégradation à la fois réversibles et irréversibles.3. La prise en compte des différentes causes de détérioration et des effets des conditions opératoires.Dans la première partie, nous effectuons une analyse bibliographique de l’utilisation du PHM pour les PEMFCs, dans le but de proposer une définition de SOH et de construire un indicateur de dégradation. Etant donné que les mesures PEMFC sont peu nombreuses, nous avons également exploré l'état de l'art sur les batteries au lithium, qui sont d'autres cellules électrochimiques.Dans la deuxième partie, nous développons un algorithme de pronostic basé sur le filtrage particulaire utilisant la mesure de puissance de la PEMFC. Les premiers résultats montrent que l'algorithme de pronostic est perturbé par la dégradation réversible existante. L’ambiguïté peut être levée en estimant la dégradation irréversible grâce à des tests de caractérisation, tels la spectroscopie d'impédance électrochimique (Electrochemical Impedance Spectroscopy ou EIS), appliquée de temps en temps. Nous proposons donc un algorithme de pronostic étendu et adapté, prenant en compte deux indicateurs : la dégradation de la puissance et le SOH estimé à partir de la caractérisation EIS. La performance de l'algorithme proposé est évaluée par différentes indicateurs de performance, et les résultats montrent l'intérêt de cette approche.Dans la troisième partie, les problèmes sont abordés d'un point de vue plus théorique. En effet, l’évolution de la dégradation d'un système est souvent corrélée à des covariables internes et externes qui sont généralement difficiles d'accès en raison des coûts de mesure élevés. Par conséquent, nous avons d'abord développé une approche comprenant des inspections en ligne de la covariable de dégradation à un autre niveau, puis nous avons proposé une approche d’estimation de la RUL basée sur un ensemble de modèles en utilisant différentes sources à différents niveaux. Les RULs prédites par les deux modèles sont agrégées dynamiquement sur la base des performances évaluées sur les données historiques. Par conséquent, la précision de la prédiction est améliorée car les inconvénients des deux modèles ont été surmontés en tirant parti de leurs avantages. Dans la dernière partie, le problème est étendu au pronostic multi-niveaux qui ouvre de nouveaux aspects pour la recherche future sur le pronostic et la gestion de la PEMFC. / In the context of the energy transition, fuel cell becomes one of the promising alternative energy sources. Recently the spotlight is on fuel cell systems research, and more particularly on Proton Exchange Membrane Fuel Cell (PEMFCs) which is one of the best candidates for both stationary and transportation applications. Even if this technology is close to being competitive, it is not yet ready to be considered for a large scale industrial deployment because of its limited durability and reliability. Prognostics and Health Management (PHM) is a recent approach to manage and possibly extend life duration of technological systems. Prognostic techniques can provide an estimation of fuel cell State Of Health (SOH) and a prediction for their Remaining Useful Life (RUL) to help the manufacturers improving fuel cell performance and managing its lifespan.The objective of this work is to develop prognostic methodologies for the RUL prognosis adapted to the complexity of PEMFCs. Indeed, the PEMFC is a multi-scale and multi-physics system, and various challenges are faced:1. The definition of SOH to build a degradation indicator.2. The coexistence of both reversible and irreversible degradation phenomena.3. Taking into account different deterioration causes and effects of operating conditions.In the first part of our work, we conduct a state of the art analysis on PHM for PEMFCs, with the aim of proposing a SOH definition and building a degradation indicator for PEMFC prognosis purposes. And since PEMFC measurements are scarce, the state of the art on Lithium batteries, other electrochemical cells, is also explored.In the second part, we develop a particle filtering based prognostic algorithm for PEMFC, based on output power measurements. The first results show that the prognosis algorithm is disturbed by the existing reversible degradation. However, the irreversible degradation can be estimated thanks to characterization tests, such as Electrochemical Impedance Spectroscopy (EIS), which is applied from time to time. We propose thus an adapted & extended prognostic algorithm to take into account both health indicators: the output power degradation and the SOH degradation estimated from EIS characterization. The performance of the proposed algorithm is evaluated by different prognostic performance metrics, and the results show the interest of this approach.In the third part, the problem is addressed from a more theoretical point of view. Indeed, a system's degradation behavior is often correlated with internal and external covariates which are usually difficult to access owing to expensive measurement cost. Therefore, we first developed a prognostic approach with online inspections on the degradation covariate at a different level, and then we propose an approach for RUL prognosis based on an ensemble of models using different sources at different levels. The RUL predictions of both models are dynamically aggregated on the basis of prognostic performance evaluated on a set of historical data. Consequently, the prediction accuracy is improved by overcoming both models' drawbacks and leveraging their strengths. In the last part, we extend the problem to multi-level prognostics and explore new possibilities, which open new aspects for future research on PEMFC lifetime prognosis and management.
| Identifer | oai:union.ndltd.org:theses.fr/2018GREAT003 |
| Date | 18 January 2018 |
| Creators | Zhang, Dacheng |
| Contributors | Grenoble Alpes, Cadet, Catherine, Bérenguer, Christophe |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds