La méthodologie développée dans cette thèse repose sur un jumeau numérique de cellule Li-ion fondé sur un modèle électrochimique P2D enrichi de différents mécanismes de vieillissement. Le modèle intègre la formation de la SEI, le lithium plating et son électro-réduction (stripping), l’obstruction des pores et la perte de matériau actif, avec un couplage thermique pour être capable de prédire les pertes de performances des cellules Li-ion. Pour pouvoir capturer le caractère local des dégradations dans une cellule Li-ion, une ouverture vers une représentation P3D est amorcée afin de rendre les hétérogénéités de courant liées aux collecteurs, déterminantes en conditions froides ou à forte intensité. Dès la phase de modélisation, une analyse de sensibilité globale par indices de Sobol est appliquée au P2D. Elle hiérarchise les facteurs influents, révèle des interactions saillantes et oriente le choix des paramètres à surveiller. Ces résultats sont ensuite exploités pour paramétrer les inconnues du modèle par optimisation. Le calage est mené conjointement dans les domaines temporel (essais galvanostatiques) et fréquentiel (EIS), afin d’assurer une cohérence multi-échelle des réponses simulées. Une fois le modèle calé et jugé performant, il est utilisé pour générer une base de données de signatures électriques simulées, en parallèle d’une base expérimentale acquise par tests de référence. Les EIS sont conduites comme des réponses à des sinusoïdes avec balayage fréquentiel afin de sonder les constantes de temps relatives aux transports et transferts de charge. Des pulses de courant capturent la dynamique transitoire. Les décharges lente et rapide distinguent les régimes proches de l’équilibre des régimes polarisés. L’analyse de capacité incrémentale (ICA) condense l’information des plateaux de tension et de leurs décalages, utile notamment pour distinguer la perte de lithium cyclable (LLI) et la perte de matériau actif (LAM). Des séquences de décharge à haut régime (HRD) sollicitent la cellule pour exposer les limites de transport et éprouver la cohérence des interprétations. À partir de ces tests, une régression est construite afin de relier les états internes aux différentes signatures électriques. L’apport de chaque signature est objectivé par une étude d’ablation en simulation contre simulation, qui isole la contribution marginale des familles d’indicateurs et évite les sur-interprétations. Pour l’estimation d’états et le pronostic de durée de vie restante, plusieurs régressions sont comparées : régressions à vecteurs support (SVR), processus gaussiens (GPR) et forêts aléatoires (RFR) servent de références robustes. La procédure est indépendante du chemin d’usage : elle n’exige pas l’historique détaillé de cyclage et s’attache à des états internes généraux. Enfin, une validation simulation–expérience est menée. La validation est réalisée en boucle fermée autour du jumeau numérique. Après diagnostic des états internes, ceux-ci sont réinjectés dans le modèle, qui resimule l’ensemble des signaux des check-ups . En parallèle, une seconde chaîne est évaluée : les check-ups sont d’abord simulés sur une cellule virtuelle, les états estimés par la méthodologie sont récupérés puis réinjectés pour resimuler les mêmes check-ups. La comparaison des deux erreurs obtenus permet de vérifier la cohérence interne du diagnostic et son pouvoir prédictif sur les signatures mesurées.
Infos lieu
La soutenance de thèse aura lieu le 5 décembre 2025 à 9 h 30 Amphi Berges 3.
