3.2.1
Objectifs
Tel qu’exposé à la section 1.2, l’objectif de ce mémoire est de proposer et de valider un al- gorithme embarqué permettant la mesure en ligne des paramètres internes de cellules à partir uniquement de la tension, du courant, de la température ainsi que du temps, lequel serait monté sur un processeur de puissance de calcul modeste. Le paramètre principal évalué sera la résis- tance interne, mais l’algorithme devra être facilement adaptable pour être réutilisé pour évaluer d’autre paramètre comme la capacité, l’état de vie, l’état de charge, la profondeur de décharge, la résistance de fuite ainsi que la tension en circuit ouvert. La précision des mesures devra être suf- fisamment grande pour permettre l’extraction des courbes de dispersion de ces paramètres. Pour finir, une validation des mesures de l’algorithme sera faite avec les méthodes traditionnelles. L’algorithme de mesure est basé sur une nouvelle méthode de classification des données, per- mettant de réduire considérablement le nombre de lectures et d’écriture en mémoire (interne ou externe) ; laissant plus de temps à un processeur modeste le temps de faire ses calculs d’estima- tion. Cette méthode de classification sera présentée à la section3.3. Le fondement de la méthode développée dans ce chapitre est qu’au lieu de classer les lectures selon une base de temps (donc en ordre chronologique), les lectures et les estimations seront sauvegardées en fonction des conditions de conduites présentes lors de la mesure. Ainsi, lorsque le S.G.B. désire faire une estimation des paramètres basée sur ses expériences passées, plutôt que de parcourir l’ensemble des données classées chronologiquement à la recherche de données pertinentes, pouvant deman- der un grand nombre de lectures en mémoire ; les zones à accéder en mémoire sont calculées en fonction des conditions de conduites actuelles, régions en mémoire où les expériences pas- sées pertinentes ont été entreposées, et l’information est ainsi accédée plus rapidement avec un nombre limité de lectures.
Cette méthode permettra de prendre en considération plusieurs facteurs, utilisés comme coor- données dans un nuage de mesures, pour le calcul d’un paramètre sans pour autant demander la résolution d’équations intégro-différentielles d’ordre élevée, où chaque facteur complexifie l’équation à résoudre. Elle permettra aussi d’accélérer l’accès à l’information emmagasinée sur la mémoire externe.
Le cheminement de cet objectif de haut niveau sera divisé en une série d’objectifs plus ciblés. Pour bien apprécier la problématique mentionnée ci-haut, la recherche sera distribuée de la ma- nière suivante :
50 THÉORIE ET MISE EN ŒUVRE EXPÉRIMENTALE 1. Fixer les éléments essentiels à mesurer ou à connaître pour estimer la valeur précise d’un paramètre d’une cellule au lithium-ion. Basé sur la précision de la mesure de chacun de ces éléments, déterminer la confiance attribuée à chaque estimation. Évaluer aussi la fréquence de rafraîchissement des éléments mesurés et estimations effectuées requises afin d’obtenir une information suffisamment précise et ainsi de faire ressortir les distributions statistiques de chacun des paramètres internes des cellules.
2. Établir dans quelles conditions de conduite d’un V.E./V.E.H. ces éléments peuvent-ils être mesurés adéquatement. Évaluer statistiquement si les probabilités d’occurrence de ces conditions sont supérieures au rafraîchissement requis au point précédent.
3. Trouver la séparation adéquate des conditions de conduite, utilisées dans le classement des données, qui permettra de respecter les limites de lecture et d’écriture disponibles dans un processeur embarqué réaliste pour un S.G.B. d’un véhicule électrique sans toutefois perdre trop de précision sur la qualité des estimations futures.
4. Monter un algorithme sur un moniteur expérimental de S.G.B. capable de mesurer et de classer de manière autonome les paramètres internes de seize cellules dans des conditions de conduite simulée. Évaluer avec les méthodes conventionnelles si les données recueillies concordent.
5. Tout au long de la réalisation, axer les choix de conception pour un développement com- patible avec un véhicule électrique ou hybride, donc en prenant en considération les coûts, les disponibilités et la taille des composantes. Les solutions retenues devraient être réa- listes pour une production à grande échelle.
6. Extraire la forme et l’amplitude des distributions statistiques des paramètres de cellules au début et à la fin de leur vie utile.
7. Utiliser les distributions obtenues pour mieux prédire le comportement des cellules. 8. Discuter des effets de différents types d’égalisateur et des stratégies d’équilibrage sur le
comportement des cellules en fonction des distributions statistiques obtenues.
L’accomplissement de cet ensemble d’objectifs marquera la complétude de l’algorithme proposé et confirmera que les dispersions statistiques des cellules peuvent être mesurées adéquatement avec un dispositif adapté à une mise en œuvre commerciale.
3.2.2
Hypothèses
Chaque paramètre interne des cellules à mesurer a été défini dans l’état de l’art au chapitre2. Les formules mathématiques simples, mais grossières, provenant de la littérature exposent souvent l’effet d’un ou de paramètres sur un autre, considérant les autres constants ou indépendants. Les formules mathématiques, ou modèles, plus complexe sont plus représentatif de la réalité, mais sont beaucoup plus lourde pour le processeur de calculs. L’hypothèse est faite ici que les effets des interdépendances des paramètres sont suffisamment négligeables pour permettre l’utilisation des formules simples. Il est supposé que l’erreur induite est suffisamment faible pour donner une information appréciable de l’état du bloc batterie. Ceci permettra de réduire considérablement la charge de calcul et permettra l’utilisation de processeurs plus petits et moins chers ; deux facteurs qui les rendront plus adéquats pour une utilisation à grande échelle dans un V.É. ou V.É.H.
Pour illustrer cette hypothèse, l’équation de Nernst2.5donnée au chapitre2indique qu’il existe un lien entre la tension aux bornes de chaque cellule et la concentration des réactifs chimiques de part et d’autre des électrodes. Les deux extrêmes de ces concentrations de réactifs devraient pouvoir faire ressortir la capacité des cellules. Or, pour le suivi exact de cette équation, il faut prendre en compte l’évolution de la température et du courant en plus de résoudre une équation logarithmique. Sans dire que cela est impossible, envisager ces avenues réduira considérable- ment les chances que le processeur de calcul puisse suivre l’état des cellules en temps réel. L’hypothèse est donc posée que l’intégration numérique du courant suffit pour donner une in- formation pertinente sur la capacité des cellules. Ainsi, autant pour le S.G.B. qui effectuera les mesures conventionnelles que pour l’algorithme de classement, seules les formules simples seront utilisées.
La seconde hypothèse est d’affirmer qu’il est possible de rencontrer une condition de conduites dans les cycles de conduites typiques de V.É. et V.É.H. assez fréquemment pour assurer une bonne précision des mesures des facteurs d’influences d’un paramètre donné.