SENSIGA

Aperçu

Monitoring de cellule batterie par capteur à fibre optique, instrumentation multi-physique, Intelligence Artificielle pour l’estimation de dégradation et prédiction de vieillissement.

Dr. Vincent HEIRIES (CEA LETI / CEA LITEN)
Pr. Jean-Marie TARASCON (Collège de France)

La convergence récente de la science des batteries et de l’ingénierie des capteurs optiques ouvre des opportunités inédites pour le diagnostic des batteries. Nous visons à développer des capteurs optiques ultra-sensibles pour surveiller en conditions réelles les paramètres physico-thermiques et chimiques des batteries. Nous explorons également le monitoring des batteries (Li-Ion, Na-Ion, Solid State), à l’aide de systèmes de capteurs multi-physiques (thermique, acoustique, mécanique, électriques) afin d’extraire des signatures observables de dégradation batterie, et accroitre les capacités prédictives de vieillissement batterie des BMS. Ce monitoring permettrait l’augmentation de la fiabilité, de la durée de vie et la réduction du coût des batteries. Notre programme de recherche combine la conception de capteurs spécifiques et des approches de traitement du signal basées sur l’Intelligence Artificielle pour diagnostiquer et optimiser les performances des batteries.

Mots-clés

Capteurs, capteurs optiques, BMS, estimateurs d’état, algorithmes, intelligence artificielle

Les tâches

Nos recherches

Capteurs optiques fonctionnels intégrés au cœur des cellules batterie

Le premier objectif est l’exploration approfondie des méthodes d’instrumentation interne de cellule en utilisant des capteurs sur fibres optiques. Nous généraliserons la détection couplée de température et pression pour surveiller la formation de la SEI durant la formation des cellules, établissant ainsi une méthodologie fiable pour les fabricants. Nous affinerons la calorimétrie optique pour déterminer la capacité calorifique spécifique des cellules, essentielle pour la conception des systèmes de refroidissement. La biréfringence des réseaux de Bragg sera utilisée pour surveiller les contraintes mécaniques et les fissures dans les électrodes, et cette approche sera étendue aux batteries tout-solide. Le multiplexage optique permettra de créer des imageries thermiques et de stress, identifiant les incidents potentiels. La détection optique de composé chimique, utilisera des capteurs exploitant les ondes évanescentes et des mesures infrarouges operando via des fibres optiques en chalcogénures. Enfin, le multiplexage, transmettant plusieurs informations simultanément via une seule fibre optique, améliorera à terme très significativement l’estimation des états de charge, état de santé et état de puissance des cellules.

Intelligence Artificielle et Physics-Informed Deep Learning pour l’exploitation des données capteurs intégrés aux cellules batteries

Le second objectif se concentre sur le traitement des données des capteurs intra-cellule et extra-cellule, et le développement d’algorithmes de traitement du signal pour le diagnostic des états batteries et le pronostic de vieillissement. En exploitant la « sur-instrumentation » des cellules, ce projet vise à améliorer la compréhension des mécanismes physico-chimiques internes et à augmenter les performances, la longévité et la sécurité des batteries. Les données expérimentales des capteurs internes et externes permettront d’identifier les capteurs et les algorithmes de traitement les plus efficaces pour chaque objectif et de quantifier leurs performances. Les algorithmes d’Intelligence Artificielle développés amélioreront considérablement les fonctionnalités des BMS et favoriseront une gestion optimale des batteries.