Estimation de l’état de charge d’une batterie lithium-ion en utilisant les observateurs d’état
| dc.contributor.author | Belkalem Mohammed | |
| dc.contributor.author | Benabderrahmane Massilva | |
| dc.date.accessioned | 2025-03-03T11:30:37Z | |
| dc.date.available | 2025-03-03T11:30:37Z | |
| dc.date.issued | 2024-10-02 | |
| dc.description | 92 p. : ill. ; 30 cm. ( CD-Rom) | |
| dc.description.abstract | Ce mémoire traite de l’estimation de l’état de charge (SoC (State of Charge)) des batteries lithium-ion, largement utilisées dans les véhicules électriques en raison de leur densité énergétique élevée et de leur durabilité. L’estimation précise du SoC est cruciale pour la gestion de l’énergie et la performance des batteries, mais le SoC ne peut pas être directement mesuré. Ce travail vise à développer des méthodes d’estimation efficaces en utilisant deux techniques : l’observateur de Luenberger et le filtre de Kalman. Le mémoire commence par une revue des différents types de batteries, en mettant l’accent sur les batteries lithium-ion, et présente leur fonctionnement et leurs avantages. Il propose ensuite une modélisation mathématique basée sur le modèle de Thévenin du second ordre, un modèle qui offre un compromis entre simplicité et précision. Cette modélisation est suivie par l’introduction des deux méthodes d’estimation du SoC, l’observateur de Luenberger et le filtre de Kalman-Bucy, qui sont des algorithmes couramment utilisés pour estimer les variables non mesurables dans les systèmes dynamiques. Des simulations numériques sont effectuées pour évaluer la performance des deux méthodes dans des environnements sans bruit et avec bruit. Les résultats montrent que les deux techniques sont efficaces pour l’estimation du SoC, mais présentent des avantages et des inconvénients différents en termes de précision et de robustesse. Une analyse comparative des deux méthodes est menée pour déterminer laquelle offre la meilleure estimation en fonction des conditions spécifiques. En conclusion, ce mémoire montre que la combinaison d’une modélisation précise et d’algorithmes d’estimation avancés permet d’améliorer la gestion des batteries dans les véhicules électriques, contribuant ainsi à une meilleure efficacité énergétique et une plus longue durée de vie des batteries. | |
| dc.identifier.citation | Automatique et Système | |
| dc.identifier.other | MAST.AUTO.35-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/26866 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Batteries lithium-ion | |
| dc.subject | État de charge (SoC) | |
| dc.subject | Modélisation mathématique | |
| dc.subject | Observateur de Luenberger | |
| dc.subject | Filtre de Kalman | |
| dc.title | Estimation de l’état de charge d’une batterie lithium-ion en utilisant les observateurs d’état | |
| dc.type | Thesis |