Sujet de stage
Titre :
Adaptation de domaine pour la prédiction de durée de vie de batteries industrielles
Dates :
2024/04/02 - 2024/09/30
Encadrant(s) : 
Autre(s) encadrant(s) :
CLAUSEL Marianne (marianne.clausel@univ-lorraine.fr) , BERTIN Clément
Description :
La demande économique mondiale en accumulateurs électrochimiques est de plus en plus importante de nos jours. Cet essor est principalement dû à
l'émergence des véhicules hybrides et électriques (Hybrid-Electric Vehicle, Plug-in Hybrid Electric Vehicle et Battery-Electric Vehicle) d'une part, et au
marché de stockage de l'énergie en lien avec les énergies renouvelables et la gestion des réseaux électriques d'autre part.

SAFT est particulièrement présent dans ce contexte en tant que précurseur du déploiement de batteries lithium. SAFT produit entre autres, des batteries
lithium-ion à Poitiers, Nersac et Bordeaux. Ce stage, financé par SAFT, se déroulera au sein du CRAN à Vandoeuvre-lès-Nancy.





Description du sujet : Un aspect limitant concernant les batteries est qu'elles vieillissent avec le temps. En fonction de leur composition et conditions
d'utilisation, leur performance se dégrade jusqu'à être considérée inaptes pour l'utilisation souhaitée. Ce temps correspond à leur durée de vie. Pour les
fabricants, la connaissance de l'état de vieillissement est une problématique majeure qui est une clé pour déterminer le prix de la batterie. Cela permet
aussi de comprendre les causes du vieillissement et possiblement d'aider à l'amélioration du design des éléments.

Pour quantifier la durée de vie d'un nouveau type de batterie, les fabricants effectuent une série de tests de vieillissement dans des conditions
expérimentales contrôlées sur un lot de batteries. La dégradation est quantifiée grâce à des indicateurs d'état de santé (SoH), typiquement de capacité ou
de résistance interne. Ces tests sont coûteux et prennent du temps, ainsi seules quelques batteries sont testées. Ces données sont ensuite utilisées pour
modéliser l'évolution temporelle typique du SoH.

L'objectif de ce stage est de capitaliser sur une thèse effectuée au sein de l'entreprise Saft qui a permis d'étudier les trajectoires de dégradation de vie de
batteries Li-ion en utilisant des processus gaussiens. À partir de ce travail, l'étudiant devra modéliser la dégradation de la vie d'une batterie qui n'a pas
encore été étudiée en s'intéressant au transfert des hyperparamètres des modèles existants.





Plan de l'étude : Mise en oeuvre des travaux de la thèse ([1], [2]) sur la modélisation de la dégradation de vie de batteries Li-ion à base de processus
gaussiens sur un jeu de données d'une nouvelle batterie.

Exploration de méthodes d'adaptation de domaine adapté au contexte.

Développement d'un modèle de dégradation de la vie d'un nouveau type de batterie à partir de cette étude préliminaire.

Mise en place d'un process d'évaluation du modèle ainsi développé.



Références bibliographiques :



[1] B. Larvaron, M. Clausel, A. Bertoncello, S. Benjamin, G. Oppenheim, Chained Gaussian processes to estimate battery health degradation with
uncertainties. Journal of Energy Storage, 67, 107443, 2023



[2] B. Larvaron, M. Clausel, A. Bertoncello, S. Benjamin, G. Oppenheim, Chained Gaussian processes with derivative information to forecast battery
health degradation. Journal of Energy Storage, 65, 107180, 2023



[3] Zhou, Zihao, et al. "Few-Shot Cross Domain Battery Capacity Estimation." Adjunct Proceedings of the 2021 ACM International Joint Conference on
Pervasive and Ubiquitous Computing and Proceedings of the 2021 ACM International Symposium on Wearable Computers. 2021.
Mots clés :
Machine learning, batteries, estimation de dégradation de vie, adaptation de domaine
Conditions :
Ce stage, financé par SAFT, se déroulera au sein du CRAN à Vandoeuvre-lès-Nancy (54) sur le période d'avril a septembre.



Profil recherché : Il s'agit d'un stage de fin d'études de Master ou d'école d'ingénieurs pour un(e) étudiant(e) en data science, statistiques ... mais d'autres
profils peuvent être acceptés. Compétences en python souhaitées et bonne maîtrise de l'anglais attendue.
Département(s) : 
Biologie, Signaux et Systèmes en Cancérologie et Neurosciences
Financement :
Financée par SAFT