Modélisation Graphique pour le Pronostic Robuste de Pile à Combustible à Membrane Echangeuse de Proton

Autor: Bressel, Mathieu
Přispěvatelé: Méthodes et Outils pour la Conception Intégrée de Systèmes (MOCIS), Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Ecole doctorale de Lille, Daniel Hissel(daniel.hissel@univ-fcomte.fr), Belkacem OULD BOUAMAMA(belkacem.ouldbouamama@polytech-lille.fr)
Jazyk: francouzština
Rok vydání: 2016
Předmět:
Zdroj: Automatique. Ecole doctorale de Lille, 2016. Français
Popis: The fuel cell (FC) is at present the alternative solution to the fossil fuels the most promising. It is however advisable to optimize it from a technical and financial point of view to see them appearing on the market for stationary and automobile applications. For that purpose, the improvement of the reliability and the availability of the FC system requires the implementation of algorithms capable not only of detecting and of identifying as soon as possible the failuresbut also of estimating in real time the state of health and forecasting of its remaining useful life. The methods of detection and isolation of faults (FDI) well developed in the literature have a major inconvenience owed mainly to the fact that they base themselves on the symptom of appearance of a failure. On the other hand, the prognostic consists in the estimation of the operating time before failure of a system and the risk of existence or later appearance of a failure. The methods of prognostics based on a physical model offer generally precise results once they do not requiring either learning or expertise of the operator. However, the problem for a FC system lies in the coupling of several phenomena (electrochemical, electric, thermodynamic), the uncertainty of the parameters of the model and the low instrumentationof the core of the fuel cell stack.In the thesis, we use uncertain models based on the Bond Graph tool well adapted to the multidisciplinary and multiphysical aspect of the FC. Concretely, the parameters uncertainties are integrated in the Bond Graph elements to generate a robust model (based on Bond Graphs LFT - Linear Fractional Transformation) of evolution of the powers (associated with the health of the FC). These dynamical models robust to parameters uncertainties are used for the detection of the beginning of the aging and the estimation of the degradation of the FC based on the causal and structural properties of the model. The generated model of degradation is used by an extended Kalman filter which allows theestimation of the state of health and the dynamics of the aging for any operating condition (of temperature, current and pressure). Furthermore, this algorithm allows to estimate the uncertainty which is used by the Bond Graph LFT model as well as by an Inverse First Order Reliability Method for the prediction of the remaining useful life and the inherent uncertainty. The global method was validated on various sets of data :– Constant load– µ-CHP profile (Co-generation of Heat and Power)– Automotive profileAll the algorithms was integrated into a demonstrator developed under Matlab Guide. This one also allows the control by inversion of an EMR model (Energetic Macroscopic Representation) with time-varying parameters, robust to the aging (based on the state of health estimation).; La pile à combustible (PàC) est actuellement la solution alternative aux énergies fossiles la plus prometteuse. Il convient cependant de l’optimiser d’un point de vue technique et financier pour les voir apparaître sur le marché pour des applications stationnaires et automobiles. A cet effet, l’amélioration de la fiabilité et de la disponibilité du système PàC nécessite la mise en place d’algorithmes capables non seulement de détecter et identifier au plus tôt les défaillances mais aussi d’estimer en temps réel l’état de santé de son fonctionnement et de prédire sa duréede vie résiduelle. Les méthodes de détection et d’isolation de défauts (FDI) bien développées dans la littérature ont un inconvénient majeur dû principalement au fait qu’elles se basent sur le symptôme d’apparition du défaut. Par contre, le pronostic consiste à l’estimation de la durée de fonctionnement avant défaillance d’un système et du risque d’existence ou d’apparition ultérieure d’une défaillance. Les méthodes de pronostic basées sur un modèle physique offrent généralement des résultats précis car ne nécessitent ni apprentissage de modes de fonctionnement ni expertise de l’opérateur. Toutefois, la problématique pour un système PàC réside dans le couplage de plusieurs phénomènes (électrochimique, électrique, thermo fluidique), l’incertitude des paramètres du modèle et la faible instrumentation du coeur de pile.Dans la thèse, nous utilisons des modèles incertains basés sur l’outil Bond Graph bien adapté à l’aspect multidisciplinaire et multi physique de la PàC. Concrètement, les incertitudes paramétriques sont intégrées sur les éléments Bond Graphs afin de générer un modèle robuste (basé sur les Bond Graphs LFT - Linear Fractional Transformation) d’évolution des puissances (associées à la santé de la PàC). Ces modèles dynamiques robustes aux incertitudes paramétriques sont utilisés pour la détection du début du vieillissement et l’estimation de la dégradation du coeur de pile en se basant sur les propriétés causales et structurelles du modèle. Le modèle de dégradation ainsi généré est utilisé par un filtre de Kalman étendu ce qui permet l’estimation de l’état de santé et de la dynamique du vieillissement pour toute condition opératoire (de température, de courant et de pression). De plus, cet algorithme permet d’estimer l’incertitude qui est utilisé par le modèle Bond Graph LFT ainsi que par un algorithme First Order Reliability Method pour l’estimation de la durée de vie résiduelle et de l’incertitude de prédiction inhérente. La méthode globale a été validée sur différents jeux de données :– A charge constante– Sous un profil µ-cogénération– Sous un profil automobileL’ensemble des algorithmes ont été intégré dans un démonstrateur développé sous Matlab Guide. Celui-ci permet également le contrôe par inversion de modèle REM (Représentation énergétique Macroscopique) à paramètres variants, robuste au vieillissement (en se basant surl’estimation de l’état de santé).
Databáze: OpenAIRE