Laboratoire Ampère Unité Mixte de Recherche CNRS Génie Électrique, Électromagnétisme, Automatique, Microbiologie Environnementale et Applications

Laboratoire Ampère Unité Mixte de Recherche CNRS Génie Électrique, Électromagnétisme, Automatique, Microbiologie Environnementale et Applications Caractérisation de l'usage des batteries Lithium-ion dans les véhicules électriques et hybrides. Application à l'étude du vieillissement et de la fiabilité. Arnaud Devie Composition du jury Stephan Astier Laplace Emmanuel Boutleux Ampère Elie Durcik EDF R&D Bernard Multon SATIE Serge Pélissier IFSTTAR Stéphane Raël GREEN Pascal Venet Ampère Laboratoire Ampère UMR CNRS 55 1

MOTIVATIONS PROBLEMATIQUE METHODOLOGIE RESULTATS CONCLUSION 2

Le Monde en 197 Source : NASA 3

Le Monde en 2 Transport = 7% Pétrole consommé Transport dépend à 98% Pétrole Mexique Inde Chine Brésil Source : NASA 4

Déclin des ressources énergétiques 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 Evolutions des flux d import/export pétroliers (Mbarils/jour) E x p o r t I m p o r t 2 15 1 5-5 -1-15 -2 L Europe en première ligne au niveau de la difficulté d approvisionnement Réduire notre dépendance au pétrole Stagnation Déclin Croissance Golfe Eurasie Afrique Latine Amerique Europe Asie 5

MOTIVATIONS PROBLEMATIQUE METHODOLOGIE RESULTATS CONCLUSION 6

De nombreuses architectures électrifiées Les véhicules électriques Nissan Leaf Tesla S Renault Kangoo ZE Renault Zoé Renault Twizy Peugeot e-vivacity Démarrage Freinage Accélération Auxiliaires Vitesse basse stabilisée Source : M.Montaru Vitesse haute stabilisée 7

De nombreuses architectures électrifiées Les véhicules hybrides utilisant des batteries Lithium-ion Toyota Prius V Ford C-Max Hybrid Ford Mondeo Hybrid Peugeot 38 Hybrid4 (NiMH) Piaggio MP3 Démarrage Freinage Accélération Auxiliaires Vitesse basse stabilisée Source : M.Montaru Vitesse haute stabilisée 8

De nombreuses architectures électrifiées Les véhicules électriques à prolongateur d autonomie ou hybrides rechargeables Toyota Prius Rechargeable Ford C-Max Energi Ford Mondeo Energi Chevrolet Volt Fisker Karma Démarrage Freinage Accélération Auxiliaires Vitesse basse stabilisée Source : : M.Montaru Vitesse haute stabilisée 9

Opportunité économique d un véhicule électrique face à un véhicule conventionnel Seuil de rentabilité exprimé en kilomètres parcourus Seuil de rentabilité exprimé en nombre de cycles de charge/décharge équivalents Hypothèses 2 km 2 cycles Un seuil de rentabilité long à atteindre Taille batterie Autonomie réelle Consommation essence Consommation électrique Coût électricité Rendement charge/décharge 25kWh ~1km 6l/1 km 2Wh/km (à la prise) 9.36c /kwh (heures creuses) 9% Engendre de fortes contraintes sur la durée de vie de la batterie 1

Vieillissement Des mécanismes de dégradation complexes, nombreux et mal quantifiés Température Cyclage Calendaire DOD* SOC** Courant Tension Batterie Anode Cathode Electrolyte Collecteurs Dégradation Capacité Impédance *DOD : Depth Of Discharge (Profondeur de décharge) **SOC : State Of Charge (Etat de charge) 11

Dégradation normalisée Vieillissement Effet de la température sur le rythme de dégradation 16 8 4 2 1.5 @ 25 C 1.8% perte capacité après 1 cycles Score = 1 1 2 3 4 5 6 Température ( C) @ 55 C 28.8% perte capacité après 1 cycles Score = 2.66 Dispersion Pasquier29_Directe Pasquier29_Inv Brown28_HEV Ichimura25_DOD5 Ichimura25_DOD1 Ichimura25_2c Ramadass23_15c Ramadass23_3c Ramadass23_6c Liu21 Groot212_A Groot212_C Safari211_simple Safari211_complexe A123 12

Dégradation normalisée Vieillissement Effet de la DOD sur le rythme de dégradation 32 16 8 4 2 1.5.25.125 2 4 6 8 1 DOD (%) Shim23b_C/2 Shim23b_C/25 Takei21 Brown28_25 C Brown28_45 C Guena26_CF Guena26_CycleLife Takeno25 Ning24_2cycles Ning24_4cycles Ning24_6cycles Ning24_8cycles Peterson21 Fellner23_CycleLife Fellner23_CTLife Ichimura25_Fin Ichimura25_18cycles Groot212 Liu211a Herb29_5C Herb29_14C 13

Dégradation normalisée Vieillissement Effet du SOC sur le rythme de dégradation 6 5 4 3 2 1 2 4 6 8 1 SOC (%) Takei21 Brown28 Takeno25_2mois Takeno25_8mois Ichimura25_Cal Ichimura_Cycl Kassem212_3 C Kassem212_45 C Kassem212_6 C Christophersen26_25 C Christophersen26_35 C Christophersen26_45 C Christophersen26_55 C Safari211_25 C Safari211_45 C 14

Dégradation normalisée Vieillissement Effet du courant sur le rythme de dégradation 6 5 4 3 2 1 Choi22_charge Choi22_décharge Liu21 Ning23_total Ning23_tendance Takei21_charge Takei21_décharge Kim29 Ramadass22 Liu211a_2%DOD Liu211a_4%DOD Liu211a_4%DOD_CT/2.125.25.5 1 2 4 8 16 32 Régime de courant (C) 15

Problématique Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Comment évaluer la durée de vie des batteries Lithium-ion dans les applications de transport électrifié caractérisés par de fréquentes variations des paramètres d usage? Courant Température SOC 4 35 3 25 2 15 1 5 4 4 35 3 25 2 15 1 5-5 -1 5 1 15 2 25 1 3 35 4 Temps (s) 35 4 3-5 35 25-1 3 25 1 15 2 25 3 35 4 Temps (s) 25 15 1 5-5 -1 5 1 15 2 25 3-5 35 4 Temps (s) -1 2 15 1 5 4 35 3 25 2 15 5-5 -1 5 1 15 2 25 3 35 4 Temps (s) 5 1 15 2 25 3 35 4 Temps (s) 5 1 15 2 25 Capacité (mah) Centaines Sollicitations typiques Fournir de trajets une signature de l usage simples à manipuler 5 4 3 2 1 Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 DOD Campagnes de vieillissement simplifiées mais réalistes 16

MOTIVATIONS PROBLEMATIQUE METHODOLOGIE RESULTATS CONCLUSION 17

Démarche retenue Recueillir Véhicule instrumenté et opéré dans ses conditions usuelles Datalogger, Sélection des parcours d essais et des expérimentateurs, Maintenance Préparer Découpage en impulsions et changement d espace de représentation Contrôle, Filtrage, Etiquettage, Conversion Classifier Regroupement des milliers d impulsions dans quelques classes homogènes Partitionnement par algorithme des K-means, Définition de la distance, Nombre de classes Reconstruire Analyse des enchainements d impulsions et génération de cycles représentatifs Modélisation par chaine de Markov, Ordre de la chaine, Profondeur de décharge, Conditions de circulation, Saisonnalité 18

Courant (A) Découpe en impulsions de courant Profil de courant à 2 signes 4 35 3 25 2 15 1 5-5 -1 Freinage récupératif 5 1 15 2 25 3 35 4 Temps (s) 19

Courant (A) Découpe en impulsions de courant Profil de courant à 1 signe 16 14 12 1 8 Freinage 1% mécanique 6 4 2 Seuil : référence découpe 5 1 15 2 25 3 35 4 Temps (s) 2

Conversion Contribution entre 13 et 14A Représentation temporelle Représentation transformée 21

Algorithme des K-means Début Sélectionner une impulsion* Charger échantillon d impulsions Lire une impulsion Meilleur classement possible? Oui Non Reclasser cette impulsion Nombre de classes (N) Définir les N classes: Choisir N impulsions régulièrement espacées Classer impulsion dans classe la plus proche Recalculer le centre de la classe abondée Echantillon vidé? Oui Non Recalculer les centres des classes modifiées Toutes impulsions testées? Oui Recalculer le score total Non Initialisation Phase 12 Convergence détectée ou nombre max itérations? Oui Non * Pas encore testée lors de cette itération Fin 22

Courant (A) Courant (A) Résultat du partitionnement Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Courant (A) Représentation des impulsions typiques et des impulsions constituant chaque classe Classe n 1 en Décharge Classe n 2 en Décharge Classe n 3 en Décharge Classe n 4 en Décharge Classe n 5 en Décharge 4 4 4 4 4 3 3 3 3 3 2 2 2 2 2 1 1 1 1 1 1 2 Capacité cumulée (mah) 1 2 Capacité cumulée (mah) 2 4 Capacité cumulée (mah) 2 4 Capacité cumulée (mah) 2 4 Capacité cumulée (mah) Classe n 1 en Charge 14 Classe n 2 en Charge 14 Classe n 3 en Charge 14 Classe n 4 en Charge 14 Classe n 5 en Charge 14 12 12 12 12 12 1 1 1 1 1 8 8 8 8 8 6 6 6 6 6 4 4 4 4 4 2 2 2 2 2 5 1 Capacité cumulée (mah) 1 2 Capacité cumulée (mah) 1 2 Capacité cumulée (mah) 2 4 Capacité cumulée (mah) 2 4 Capacité cumulée (mah) 23

Dispersion du partitionnement Choix du nombre de classes 2. Evolution de la performance de partitionnement en fonction du nombre de classes demandé 1.8 1.6 1.4 2 classes Amélioration de l homogénéïté des classes avec l accroissement du nombre de classes 1.2 6 classes 1..8.6.4.2. 2 à 6 classes : -33% d hétérogénéïté 5 1 15 2 25 3 35 4 45 Nombre de classes 24

Charge échangée (Ah) Distributions de courant 14 12 Evictions des impulsions jugées mineures Référence Synthétique 1 8 6 4 2-2 -1 1 2 3 4 5 Courant (A) Référence : profils de courant non traités (originaux) Synthétique : impulsions typiques et leurs proportions 25

Courant (A) Etat Enchainement des impulsions Séquence des classes d impulsion 4 35 D5 3 D4 D3 25 D2 2 D1 15 R 1 C1 C2 5 C3 C4-5 C5 2 4 6 8 1-1 Rang 12 14 16 18 2 8 9 1 11 12 13 Temps (s) 26

Chaines de Markov Chaine de Markov basique à 2 états Départ π 1 π 2 p 12 π= π 1 π 2 E1 E2 E1 p 11 p 22 E2 P= E1 E2 p 11 p 12 p 21 p 22 p 21 27

Charge Repos Décharge Chaine de Markov appliquée.75 Initial.5 D1.2 D2.5.14.15.35.25.25.18.37 R.9.57.29.29.14.5.9.27.57 C1 C2 28

Etat Généralisation des chaines de Markov Prendre en compte un présent plus «large» D5 D4 D3 D2 D1 R C1 C2 C3 C4 C5 2 4 6 8 1 12 14 16 18 2 Rang Comptabilisation d une transition D1C4D2 D2 C3 C3 C3 ordre 1 ordre 2 ordre 3 29

Chaine de Markov à un ordre supérieur à 1 Chaine de Markov basique à 2 états (E1, E2) à l ordre 2 p 111 p 112 Etat suivant : E1 Etat suivant : E2 E1E1 E1E2 p 211 p 121 p 122 π= π 11 π 12 π 21 π 22 E2E1 p 212 p 221 E2E2 p 222 P= E11 E12 E21 E22 E1 E2 p 111 p 112 p 121 p 122 p 211 p 212 p 221 p 222 3

Choix de l ordre optimal Au sens du critère BIC Bayesian Information Criterion Compromis (Score BIC) Performance (Vraisemblance du modèle) Nombre de paramètres à renseigner Ordre optimum Ordre de la chaine 31

MOTIVATIONS PROBLEMATIQUE METHODOLOGIE RESULTATS CONCLUSION 32

Véhicules étudiés Aixam Megacity Electrique Sparta emotion C2 VAE Toyota Prius II Hybride Irisbus Cristalis Trolleybus *VAE : Vélo à Assistance Electrique Kalkhoff Agattu VAE 33

1 er cas appliqué Poids Machine Batterie Vitesse maximale 75 kg (35kg) MCC 4kW (12kWc) Plomb AGM (Exide) 1kWh 48V 21Ah 65km/h Aixam Megacity Electrique Autonomie annoncée 8km (125Wh/km) Période Avril-Novembre 21 Lieu Conducteurs Trajets Enregistrement Agglomération Lyon 19 agents IFSTTAR Domicile-travail 227 (1778km) 1Hz, tension, courant, température, vitesse 34

Courant (A) Allure du courant sur ce véhicule 1 teinte = 1 classe d impulsion 4 35 3 25 2 15 1 5-5 -1 8 9 1 11 12 13 Temps (s) 35

Courant (A) Éco-conduite Vs. conduite aggressive Courant (A) 5 4 3 2 Eco Impulsions de décharge Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 5 4 3 2 Stress I eff en hausse Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 1 5 1 15 2 25 Capacité (mah) 1 5 1 15 2 25 Capacité (mah) Impulsions de la Classe n 1 2 3 4 5 Total Consommation par km (Wh) 34.4 13.7 21.7 22.2 14.5 16 Consommation par km (Wh) 64.5 33.1 32.5 3.2 1.9 144 Variation +88% +142% +5% -86% -25% +36% 36

Courant (A) Éco-conduite Vs. conduite aggressive Courant (A) 14 12 1 8 6 4 2 Eco Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 5 1 15 2 25 Capacité (mah) Impulsions de charge I eff en hausse 5 1 15 Capacité (mah) Impulsions de la Classe n 1 2 3 4 5 Total Récupération par km (Wh) 3.6 3.4 1.7 3.8 2.5 15.1 Récupération par km (Wh) 7.9 4.9 4.1 3.7 2.1 22.7 Variation +119% +44% +141% -3% -16% +5% 14 12 1 8 6 4 2 Stress Accroissement de la consommation +3Wh/km (+33%) Doublement du nombre d impulsions par unité de distance Usage accrue de la batterie Davantage de vieillissement à distance équivalente Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 37

Courant (A) Etat Cycle synthétique généré Courant (A) Courant (A) Profil synthétique de courant simulant 2%DOD Zoom sur 5 minutes de ce cycle 4 4 2 2-2 1 2 3 Temps (s) Séquence synthétique obtenue d après la chaine de Markov d ordre 13 D5 D4 D3 D2 D1 C1 R C2 C3 C4 C5 1 2 3 Rang -2 1 12 14 16 Temps (s) 4 3 2 1 Exemple de profil réel -1 8 9 1 11 12 13 Temps (s) 38

2 nd cas appliqué Poids Machine Batterie Vitesse maximale 23 kg (2.7kg) Moteur pédalier DC Brushless 25W Li-ion NCM (Sanyo) 312Wh, 26V, 12Ah 27km/h Kalkhoff Agattu VAE Autonomie annoncée 9km (3.5Wh/km) Période Avril 211-212 Lieu Conducteurs Trajets Enregistrement Agglomération Lyon 14 agents Ampère ou IFSTTAR Domicile-travail 3 (224km) 1Hz, tension, courant, température, vitesse 39

Courant (A) Allure du courant sur ce véhicule 18 16 14 Composante sinus couple @~2.5Hz (~8 tr/min) 12 1 8 6 4 2 2 25 21 215 22 225 23 Temps (s) 4

Courant (A) Impulsions typiques globales 18 16 14 12 1 8 6 4 2 Classe #1 Classe #2 Classe #3 Classe #4 Classe #5 Classe #6 Impulsions à plus Petites fort courant impulsions efficace ~1% de la Principales charge consommée contributrices Accélération du vieillissement 5 1 15 2 Capacité (mah) 47% 5% 7% 22% Proportions énergie consommée 5% 15% 41

Charge échangée (Ah) Distributions de courant 5 4 Référence Synthétique 3 Bonne fidélité sous fort courant 2 1 2 4 6 8 1 12 14 16 18 Courant (A) 42

Etat Courant (A) Cycle synthétique généré Courant (A) Courant (A) 18 Profil synthétique de courant simulant 51%DOD 18 Zoom sur 5 minutes de ce cycle 16 16 14 14 12 12 1 8 6 4 2 1 2 3 4 Temps (s) 1 8 6 4 2 15 16 17 18 19 2 21 Temps (s) Séquence synthétique obtenue d après la chaine de Markov d ordre 15 D6 D5 D4 18 16 14 12 1 Exemple de profil réel D3 D2 D1 R 1 2 3 4 5 Rang 8 6 4 2 2 21 22 23 24 25 26 Temps (s) 43

Validation expérimentale Durée d'exposition (minutes) Protocole d essai 3 Nombre de cycles Eq. à 22km/an 2 années d utilisation Profil utilisé 5 impulsions typiques VAE Kalkhoff Plage de SOC 1-25% (DOD) (25-5-75%) Température à 4 C ambiant Cycle saisonnier Protocole de charge CC-CV, C/6, 25 C 4.2V (NCM), 3.6V(LFP) Caractérisations 48h charge individuelle 25 C Echantillon 3 cellules NCM Sanyo 3 cellules LFP A123 25 2 15 1 5 5 1 15 2 25 3 35 4 45 Température Batterie ( C) 44

Validation expérimentale Profil de courant appliqué 45

Validation expérimentale Charge Cycles de 25, 5 et 75%DOD 24h cyclage Application d une consigne de température variable Charge Décharge 46

Validation expérimentale Réaliser des cycles Augmenter thermiques la productivité complexes et automatisés Améliorer la confiance dans le résultat 1 Mesure voie de et cyclage régulation 3 cellules Entrées/sorties en série Banc ou cyclage sélection Affichage individuelle Echantillon Pilotage Routeur température de 3 voies cellules 47

Capacité Normalisée Validation expérimentale 1.98.96.94.92.9.88.86 Sanyo A123 Réel Sanyo avec calendaire fictif Donnée constructeur : 3 à 4 années de durée de vie =>Hypothèse 5% calendaire / an Techno concurrente Ecart réel : Vs. labo : Diminution de + capacité 5% perte capacité y = -3.32E-5x + 1.E+ 2.5 fois plus faible R² = 9.98E-1 1 année y = -3.92E-6x + 9.98E-1 R² = 9.69E-1 y = -1.2E-5x + 9.97E-1 R² = 9.88E-1 5 1 15 2 25 3 35 4 45 5 Distance parcourue (km) LFP Alternative NCM Origine 48

MOTIVATIONS PROBLEMATIQUE METHODOLOGIE RESULTATS CONCLUSION 49

Conclusion Mise au point d un logiciel d analyse automatisé des impulsions de courant batterie dans les applications de transport électrifié Universel (hybride & électrique) Obtention de signature de l usage typique d un véhicule Analyse fine de l influence des conditions de circulation sur l usage des batteries Comparaison avec conséquence sur sollicitations batterie en fonction de : Stratégie de gestion de l énergie Variation d architecture de traction Dimensionnement Utilisation de l algorithme des K-means pour regrouper les impulsions en classes homogènes Distance euclidienne Utilisation d une modélisation par chaine de Markov pour synthétiser des profils synthétiques Utilisation du critère BIC pour sélectionner l ordre présentant le meilleur compromis entre vraisemblance du modèle et nombre de paramètres requis 5

Conclusion 5 véhicules étudiés 2 kg à 13 tonnes 25W à 12kW + de 7km enregistrés et analysés 13 campagnes de vieillissement sur cellules Lithium-ion Vérification d hypothèses Influence de la forme des impulsions sur le vieillissement Effet individuel de chaque classe d impulsions Validation expérimentale Application au VAE Kalkhoff Développement d équipements de cyclage dédiés Amélioration de la productivité Prise en compte du cyclage thermique saisonnier Prise en compte du cyclage thermique usage extérieur / intérieur 51

Perspectives Mener davantage d essais de validation expérimentale Coûteux en temps d expérimentation Etendre la démarche aux différents paramètres d usage Température, DOD, SOC Adapter les équipements de cyclage Difficulté de programmation actuelle Faciliter la mise en œuvre des cycles issus des chaines de Markov Prédire la performance d une nouvelle technologie de batteries sur une application donnée Utiliser les cycles représentatifs de courant batterie pour la mise au point Stratégies de gestion d énergie dans les systèmes multi-sources Algorithmes BMS Développer des cycles d usages représentatifs des systèmes de stockage pour les applications réseaux électriques (Smart Grid) 52

Conclusion Merci pour votre attention 53