Le filtrage particulaire offre aux testeurs de batteries une méthode probabiliste pour estimer les états cachés de la batterie et prévoir le moment où ses performances franchiront un seuil de défaillance. Pendant les cycles, il combine un modèle de batterie avec des mesures de tension et de courant en temps réel afin de suivre des variables telles que l’état de charge (SOC), l’état de santé (SOH), les paramètres de dégradation et la tension aux bornes. En propageant dans le temps de nombreuses conditions possibles de la batterie, le PF peut estimer à la fois la RUL la plus probable et l’incertitude associée à cette estimation sous des charges variables.
À retenir : Le filtrage particulaire transforme le comportement incertain d’une batterie en une distribution continuellement mise à jour des états et des temps de défaillance possibles. Sa capacité à estimer simultanément les paramètres du modèle et les états de la batterie le rend particulièrement utile pour prédire la fin de décharge (EOD) et la fin de vie (EOL) pendant les tests de performances dynamiques.
Pourquoi le suivi de l’état d’une batterie est difficile
Les états importants de la batterie ne sont pas directement mesurables
Les testeurs de batteries peuvent mesurer des grandeurs telles que le courant, la tension et la température, mais les variables internes essentielles sont généralement cachées.
Il s’agit notamment du SOC, du SOH, de la résistance interne, des taux de dégradation et des effets physiques tels que les changements associés à la croissance de l’interphase d’électrolyte solide.
Le comportement de la batterie est non linéaire et incertain
La tension et la dégradation de la batterie ne réagissent pas linéairement aux conditions de fonctionnement. La réponse dépend de l’historique de charge, du vieillissement, de la température, de la phase de fonctionnement et des variations d’une cellule à l’autre.
Le bruit de mesure et les modèles imparfaits de la batterie ajoutent une incertitude supplémentaire. Une estimation déterministe unique peut donc donner une impression trompeuse de précision.
Les seuils fixes sont souvent insuffisants
Un test simple peut définir la défaillance comme l’atteinte par la tension d’un seuil fixe d’EOD ou d’EOL. Cependant, le moment où ce seuil est atteint dépend de la charge appliquée, de la trajectoire de dégradation de la batterie et de l’incertitude liée à son état interne.
Le PF répond à ce problème en estimant une distribution des états et des résultats futurs possibles, plutôt qu’en s’appuyant sur une seule trajectoire fixe.
Comment le filtrage particulaire suit l’état de la batterie
L’état est représenté par des particules pondérées
Un filtre particulaire représente l’état incertain de la batterie sous la forme d’un ensemble d’échantillons, appelés particules.
Chaque particule contient une combinaison possible de variables telles que le SOC, le SOH, les états liés à la tension et les paramètres de dégradation. Chaque particule possède également un poids indiquant dans quelle mesure cette possibilité est cohérente avec les mesures disponibles.
Cette approche n’exige pas que l’incertitude de l’état suive une distribution gaussienne, ce qui est important lorsque le comportement de la batterie est non linéaire ou que l’incertitude est asymétrique.
Les particules sont propagées à travers un modèle de batterie
À chaque étape du test, le filtre fait progresser chaque particule à l’aide d’un modèle physique ou empirique d’évolution de l’état.
Conceptuellement, l’état est mis à jour comme suit :
[ x_k = f_{k-1}(x_{k-1}) + w_k ]
où (x_k) représente l’état de la batterie à l’étape actuelle, (f) le modèle de la batterie et (w_k) l’incertitude du processus.
Le modèle prédit comment chaque condition possible de la batterie devrait évoluer en fonction du courant appliqué et des conditions de fonctionnement.
Les mesures mettent à jour les poids des particules
Lorsque le système de test enregistre une nouvelle mesure de tension ou de courant, le PF compare la valeur mesurée à la sortie prédite par chaque particule.
Les particules qui correspondent le mieux à la mesure reçoivent des poids plus élevés. Les particules qui produisent des prédictions invraisemblables reçoivent des poids plus faibles.
Cette mise à jour peut être exprimée conceptuellement comme suit :
[ z_k = h_k(x_k) + v_k ]
où (z_k) représente la mesure, (h_k) le modèle de mesure et (v_k) le bruit de mesure.
L’ensemble de particules pondérées qui en résulte constitue l’estimation actuelle de l’état incertain de la batterie par le filtre.
Comment le PF identifie la dégradation et le SOH
Les paramètres du modèle peuvent être inclus dans le vecteur d’état
Une capacité essentielle pour le pronostic des batteries est l’estimation conjointe de l’état et des paramètres.
Au lieu d’estimer uniquement le SOC ou les états liés à la tension, le filtre peut inclure directement dans le vecteur d’état les paramètres variables du modèle, tels que la résistance ou les coefficients de dégradation. Le filtre met alors à jour ces paramètres au fur et à mesure de l’arrivée de nouvelles données de test.
Le système peut ainsi effectuer simultanément l’identification du modèle et l’estimation de l’état.
Le SOH devient une estimation continuellement mise à jour
À mesure que le filtre observe le comportement de la tension et du courant au cours des tests de décharge et des cycles, il peut déduire l’évolution de l’état de santé effectif de la batterie.
Le résultat n’est pas simplement une mesure historique de la capacité. Il s’agit d’une estimation évolutive de l’état actuel de dégradation de la batterie, accompagnée d’une incertitude concernant cet état.
Les variations entre cellules peuvent être prises en compte
Les cellules de batterie ne vieillissent pas de manière identique. Les données de test historiques peuvent être utilisées pour établir le comportement de dégradation au niveau de la population et les variations attendues, tandis que les mesures en ligne mettent à jour la trajectoire de dégradation estimée d’une cellule individuelle.
Cette approche hors ligne et en ligne permet d’éviter de considérer que toutes les batteries suivent exactement la même trajectoire de vieillissement.
Comment le PF prédit la durée de vie utile restante
Les particules futures sont propagées jusqu’à un seuil de défaillance
Une fois la distribution actuelle des particules estimée, le filtre les propage dans le temps à l’aide des conditions de fonctionnement futures prévues.
Chaque particule représente une trajectoire future possible de la batterie. Le système identifie le moment où chaque trajectoire atteint un seuil défini, tel que :
- Fin de décharge (EOD) : une limite de tension atteinte pendant le fonctionnement.
- Fin de vie (EOL) : une limite définie de dégradation ou de performance.
L’ensemble des temps de franchissement du seuil forme une distribution de probabilité du temps de défaillance prédit.
La RUL est calculée à partir du temps de défaillance prédit
Si le temps de défaillance prédit est (T_{\text{failure}}) et que le temps actuel est (T_{\text{now}}), alors :
[ RUL = T_{\text{failure}} - T_{\text{now}} ]
Comme le PF produit plusieurs temps de défaillance possibles, il fournit une estimation probabiliste de la RUL, et non un simple nombre unique.
Par exemple, un système de test peut fournir la RUL la plus probable ainsi qu’un intervalle indiquant la plage des résultats plausibles.
Les charges dynamiques sont incluses dans la prévision
Les performances de la batterie peuvent évoluer considérablement sous des charges fluctuantes. Une phase de fonctionnement à courant élevé peut accélérer la baisse de tension ou révéler une dégradation qui ne serait pas visible sous une charge constante à faible courant.
Le PF peut intégrer le profil de charge mesuré ou prévu lors de la propagation des particules. La prédiction de l’EOD et de la RUL est ainsi plus représentative des conditions de fonctionnement réelles qu’une prévision fondée uniquement sur un profil de décharge fixe en laboratoire.
Pourquoi le rééchantillonnage est nécessaire
Les poids des particules peuvent devenir dégénérés
Après des mises à jour de mesure répétées, un problème courant est la dégénérescence des particules. Un petit nombre de particules peut accumuler presque tout le poids de probabilité, tandis que les particules restantes contribuent très peu.
Continuer à propager toutes les particules dans cette situation gaspille des ressources de calcul et réduit la qualité de l’approximation.
Le rééchantillonnage concentre le calcul sur les états plausibles
Lorsque la dégénérescence devient importante, le filtre rééchantillonne la population de particules.
Les particules de faible poids sont supprimées, tandis que les particules de poids élevé sont dupliquées. La nouvelle population est donc concentrée autour des états de la batterie qui expliquent le mieux les mesures.
Le rééchantillonnage contribue à préserver l’efficacité de calcul et à maintenir une représentation utile de la distribution de probabilité de l’état.
Comment le PF s’intègre aux tests de performances des batteries
Pendant les tests de décharge
Lors d’un test de décharge, les mesures de tension et de courant mettent continuellement à jour la population de particules.
Le filtre peut estimer l’état actuel de la batterie et prévoir le moment où la cellule ou le pack atteindra le seuil de tension d’EOD.
Pendant les tests de durée de vie en cycles
Au fil des cycles répétés, le filtre suit la dérive progressive des paramètres et la dégradation.
Il est ainsi utile pour détecter l’évolution du SOH et mettre à jour les prédictions de RUL à mesure que la batterie vieillit, plutôt que de s’appuyer sur une prévision calculée une seule fois au début du programme de test.
Dans les logiciels de diagnostic en temps réel
Intégré à un logiciel de test ou de diagnostic de batteries, le PF peut fournir :
- Une estimation continue du SOC et du SOH.
- L’identification en ligne des paramètres variables du modèle.
- Une prédiction probabiliste de l’EOD.
- Une prédiction probabiliste de l’EOL et de la RUL.
- Des estimations d’incertitude pour les décisions techniques.
- Une meilleure protection contre la décharge excessive sous des charges dynamiques.
Comprendre les compromis
Le PF est plus exigeant en calcul que les filtres plus simples
Un filtre particulaire peut nécessiter des centaines ou des milliers d’évaluations du modèle à chaque mise à jour, selon la complexité du modèle de batterie et le niveau de précision souhaité.
Un nombre plus élevé de particules améliore généralement l’approximation de la distribution de l’état, mais augmente le coût de calcul.
Les résultats dépendent du modèle de batterie
Le PF peut gérer l’incertitude de l’estimation de l’état, mais il ne peut pas corriger entièrement un modèle qui omet un comportement important de la batterie.
Le modèle de transition d’état, le modèle de mesure, les hypothèses relatives au bruit du processus et la paramétrisation doivent être validés à l’aide de données de test appropriées.
Le rééchantillonnage peut réduire la diversité des particules
Bien que le rééchantillonnage permette de résoudre la dégénérescence, la réplication répétée des particules de poids élevé peut réduire la diversité au sein de la population de particules.
Le filtre doit donc équilibrer la fréquence de rééchantillonnage, le bruit du processus et le nombre de particules afin d’éviter de perdre des trajectoires de dégradation alternatives plausibles.
La RUL reste conditionnelle à l’utilisation future
La fiabilité d’une prévision de RUL dépend de la fiabilité de ses hypothèses concernant les conditions futures de fonctionnement.
Une batterie utilisée avec un profil de charge, une plage de températures ou un cycle de fonctionnement différent peut atteindre l’EOD ou l’EOL plus tôt ou plus tard que prévu. La prévision doit donc être mise à jour à mesure que de nouvelles mesures et informations sur la charge deviennent disponibles.
Les définitions de la défaillance doivent être explicites
L’EOD et l’EOL ne sont pas interchangeables. L’EOD peut désigner un seuil de tension atteint lors d’un événement de fonctionnement particulier, tandis que l’EOL peut désigner un critère de capacité, de résistance ou de performance à plus long terme.
Le système de test doit définir clairement le seuil cible avant d’interpréter la RUL prédite.
Choisir la solution adaptée à votre objectif
Le PF est particulièrement utile lorsque le problème de test implique des états cachés, des paramètres de batterie variables, un comportement non linéaire et des performances futures incertaines.
- Si votre priorité est le suivi de l’état en temps réel : Utilisez le PF pour combiner les mesures de tension et de courant avec un modèle de batterie afin d’estimer continuellement le SOC, le SOH et l’état de dégradation.
- Si votre priorité est la prédiction de l’EOD : Propagez les particules mises à jour selon le profil de charge prévu afin d’estimer une distribution de probabilité du franchissement du seuil de tension.
- Si votre priorité est la prédiction de la RUL à long terme : Incluez les paramètres de dégradation dans le vecteur d’état et mettez-les continuellement à jour à mesure que les données de durée de vie en cycles deviennent disponibles.
- Si votre priorité est la robustesse des tests sur des cellules variables : Combinez les informations de dégradation hors ligne au niveau de la population avec les mises à jour PF en ligne pour la cellule ou le pack individuel.
- Si votre priorité est l’efficacité de calcul : Surveillez la dégénérescence des particules et appliquez le rééchantillonnage uniquement lorsque cela est nécessaire, tout en choisissant un nombre de particules adapté à la complexité du modèle.
Le filtrage particulaire est efficace parce qu’il maintient la prévision en lien avec l’état actuel mesuré de la batterie et avec l’incertitude concernant l’évolution possible de cet état.
Tableau récapitulatif :
| Aspect | Contribution du filtrage particulaire |
|---|---|
| Suivi de l’état | Estime les états cachés (SOC, SOH) en combinant les prédictions du modèle avec des mesures bruitées de tension et de courant. |
| Identification des paramètres | Met simultanément à jour les paramètres du modèle, tels que la résistance interne, afin de suivre la dégradation. |
| Prédiction de la RUL | Propage les particules jusqu’aux seuils de défaillance, en fournissant une prédiction probabiliste de l’EOD, de l’EOL et de la RUL avec des limites d’incertitude. |
| Gestion de la non-linéarité | Prend en compte le comportement non linéaire de la batterie et l’incertitude non gaussienne sans linéarisation. |
| Charges dynamiques | Intègre des profils de charge variables afin d’améliorer la précision des prévisions dans des conditions réelles. |
| Contrôle de la dégénérescence | Le rééchantillonnage empêche la concentration des poids et préserve l’efficacité de calcul ainsi que la qualité de l’estimation. |
Prêt à améliorer vos tests de batteries grâce à un pronostic avancé ? KINTEK propose des équipements de pointe pour la R&D sur les batteries et la recherche sur les matériaux. Nos solutions de laboratoire complètes prennent en charge la fabrication de cellules de batterie, le pressage de précision et les systèmes de test essentiels à la validation des modèles fondés sur le PF. Contactez dès aujourd’hui nos experts pour découvrir comment nous pouvons optimiser votre flux de travail de test. Contactez-nous pour bénéficier de solutions personnalisées qui accélèrent vos recherches et améliorent leur précision.