Zhiguang HUA : "Prédiction de la durée de vie du système de pile à combustible à membrane échangeuse de protons"

Résumé : La pile à combustible à membrane échangeuse de protons est considérée comme un dispositif de conversion de puissance prometteur dans différents domaines, néanmoins, la durée de vie limitée est l'un des principaux obstacles à leur déploiement industriel à grande échelle. Le pronostic basée sur les données vise à estimer la durée de vie utile restante sans avoir besoin d'une connaissance complète des phénomènes physiques se produisant dans le système. En tant que structure améliorée d’un réseau de neurones récurrent, l’echo state network a démontré de meilleures performances, en particulier en réduisant la complexité de calcul et en accélérant le taux de convergence. Des indicateurs couramment employés tels que la tension ou la puissance ne permettent pas toujours de donner une image fidèle de l’état de santé de la pile. Aussi, un nouvel indicateur de santé nommé taux de perte de puissance relatif, facile à calculer, est introduit dans cette thèse. Selon la courbe de polarisation au début de la vie, la puissance initiale sous différents profils de mission peut être identifiée. Ensuite, la puissance réelle est obtenue en surveillant le courant et la tension en continu. Enfin, le taux de perte de puissance relatif est calculé sur la base de la puissance initiale et de la puissance réelle. Une structure d’algorithme echo state network multi-entrées et multi-sorties est développée et testée pour différents profils de mission de la pile. Le réseau d'états d'écho à double entrée pourrait imiter plus suffisamment les propriétés de dégradation et améliorer la précision de la prédiction dans les conditions de fonctionnement dynamiques. Sur la base de l'indicateur taux de perte de puissance relatif, une méthode combinée, à savoir la transformée en ondelettes discrète et echo state network est proposée pour traiter les caractéristiques multi-échelles de temps et améliorer la précision de la prédiction à long terme. Une solution associant l’approche par les données, un algorithme génétique, un echo state network et la transformée en ondelettes discrètes est proposée pour améliorer les performances de prédiction. Les performances des algorithmes proposés sont évaluées sur plusieurs cas d’études expérimentaux dans des conditions de fonctionnement en régime permanent, quasi-dynamique et dynamique.

Composition du jury :

Fei GAO, Professeur des universités, Univ. Bourgogne Franche-Comté, UTBM, Directeur de thèse

Loïc BOULON, Full professor, Université du Québec à Trois-Rivières, Rapporteur

Belkacem OULD BOUAMAMA , Professeur des universités, Université de Lille 1, Rapporteur

Christophe TURPIN, Directeur de recherche, Laplace laboratory , Examinateur

Nada ZAMEL, Docteure, Fraunhofer Institute for Solar Energy Systems ISE, Examinateur

Huizi WANG, Senior Lecturer, Imperial College London, Examinateur

Zhixue ZHENG, Maître de conférences, Université de Lorraine & CentraleSupélec, Co-encadrant de thèse

Marie-Cécile PERA, Professeur des universités, Univ. Bourgogne Franche-Comté, UTBM, CoDirecteur de thèse

Localisation :  UTBM, 13 Rue Thierry Mieg, 90010 Belfort Cedex, France - salle E107