LEPMI - Rubrique EIP Physicochimie 2022

Modélisation multi-physique

La modélisation numérique permet de représenter numériquement des systèmes complexes via des logiciels dédiés, offrant ainsi une approche complémentaire aux expérimentations traditionnelles. Grâce à des modèles multi-échelles, multi-physiques et multi-composants, les modèles numériques peuvent simuler des comportements dynamiques, prédire des résultats et optimiser des processus, ce qui serait souvent complexe, coûteux, voir irréalisable expérimentalement. Le LEPMI s'est doté d'ordinateurs de calcul haute performance et de licences logicielles avancées et pour réaliser ces simulations. Ces outils permettent d'exécuter des calculs complexes en un temps réduit et d’étudier certains paramètres clés tels que les conditions opératoires et les caractéristiques matériaux. Les travaux de modélisation sont un complément bénéfique des expérimentations menées au laboratoire, car ils permettent non seulement de valider et d'interpréter les résultats expérimentaux, mais aussi d'explorer de nouvelles hypothèses et de concevoir des expériences plus ciblées. En intégrant la modélisation numérique dans ses approches, le LEPMI peut ainsi obtenir une compréhension plus approfondie et plus complète des phénomènes étudiés, tout en accélérant le processus d'innovation et de découverte.

Reconstruction de la microstructure des électrodes poreuses

Nous nous intéressons à la microstructure des électrodes poreuses dans les systèmes électrochimiques, tels que les piles à combustible, les électrolyseurs et les batteries. La microstructure joue un rôle crucial dans les performances et la durabilité de ces technologies. En effet, c'est au sein de ces composants que se produisent les réactions électrochimiques. Il est donc essentiel de connaître les paramètres microstructuraux, à l'échelle micrométrique voire nanométrique, des électrodes. Ces paramètres incluent la porosité, la perméabilité et la tortuosité du milieu, ainsi que la taille et la distribution spatiale des particules de catalyseur, et la répartition de l’électrolyte (polymère échangeur d’ions) à la surface et dans le volume de l’électrode, pour les piles et électrolyseurs à membrane par exemple.
Pour obtenir ces informations, des techniques d'imagerie sont employées afin de distinguer les différentes phases. Les images obtenues sont ensuite traitées, généralement en nuances de gris, à l'aide de logiciels spécialisés ou par le développement d'algorithmes de machine learning. Ces traitements permettent de reconstruire la microstructure, qui peut alors être utilisée pour des simulations. Les résultats de ces simulations sont précieux pour alimenter des modèles macroscopiques, permettant ainsi une remontée d’échelle efficace vers une approche système. Ces activités sont menées conjointement avec l’équipe MIEL.

Modélisation d’un électrolyseur alcalin à membrane

Notre équipe développe un axe de recherche sur la modélisation des transferts de matière, de charge et de chaleur dans les électrolyseurs d’eau alcalins à membrane échangeuse d'anions (AEMWE). Cette approche de modélisation multiphysique vise à approfondir la compréhension du fonctionnement et à optimiser les performances de cette technologie. Notre activité consiste à concevoir des modèles qui intègrent les différents phénomènes physiques intervenant dans une cellule électrochimique en fonctionnement réel. Ces modèles permettent de simuler la répartition des grandeurs physiques au sein des différents composants, en tenant compte de leur géométrie et des propriétés spécifiques des matériaux.
Les simulations visent à identifier et quantifier les phénomènes physiques limitant les performances en fonction des caractéristiques et de la structure des matériaux. Ces travaux sont réalisés avec COMSOL Multiphysics®, un logiciel que nous utilisons depuis plusieurs années pour la modélisation de divers dispositifs électrochimiques, tels que les piles à combustible PEM et les batteries lithium-ion. Les résultats montrent l’influence de la concentration de l’électrolyte en hydroxyde de potassium sur les performances, ainsi que la distribution fortement non uniforme des gaz H2 et O2 pour des densités de courant supérieures à 1 A/cm².
Modélisation multiphysique Reconstruction de microstructure 3D Modélisation électrolyse alcaline

Principales collaborations

Dans le cadre du projet DuraPEME (Projet ANR 23-CE05-0002), nous collaborons avec le laboratoire Laplace (Toulouse) et Femto-ST (Belfort). Nous participons au laboratoire commun Alcal'Hylab avec Michelin.

Quelques publications

Tardy, E., Riasse, R., Vandenberghe, F., Druart, F., Chatenet, M., Bonnefont, A., 2025. Understanding the Operation of a Gas Diffusion Electrode Setup for the Oxygen Reduction Reaction: Experiment versus 3D Multiphysics Modeling. ChemElectroChem 2500172. https://doi.org/10.1002/celc.202500172.

Tardy, E., Bultel, Y., Druart, F., Bonnefont, A., Guillou, M., Latour, B., 2024. Three-Dimensional Modeling of Anion Exchange Membrane Electrolysis: A Two-Phase Flow Approach. Energies 17, 3238. https://doi.org/10.3390/en17133238.

Tardy, E., Thivel, P.-X., Druart, F., Kuntz, P., Devaux, D., Bultel, Y., 2023. Internal temperature distribution in lithium-ion battery cell and module based on a 3D electrothermal model: An investigation of real geometry, entropy change and thermal process. J. Energy Storage 64, 107090. https://doi.org/10.1016/j.est.2023.107090.

Tardy, E., Poirot-Crouvezier, J.-P., Schott, P., Morel, C., Serre, G., Bultel, Y., 2022. Investigation of liquid water heterogeneities in large area proton exchange membrane fuel cells using a Darcy two-phase flow model in a multiphysics code. Int. J. Hydrog. Energy 47, 38721–38735. https://doi.org/10.1016/j.ijhydene.2022.09.039.

Tardy, E., Courtois, F., Chandesris, M., Poirot-Crouvezier, J.-P., Morin, A., Bultel, Y., 2019. Investigation of liquid water heterogeneities in large area PEM fuel cells using a pseudo-3D multiphysics model. Int. J. Heat Mass Transf. 145, 118720. https://doi.org/10.1016/j.ijheatmasstransfer.2019.118720.