WO2018220115A1 - Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic - Google Patents

Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic Download PDF

Info

Publication number
WO2018220115A1
WO2018220115A1 PCT/EP2018/064346 EP2018064346W WO2018220115A1 WO 2018220115 A1 WO2018220115 A1 WO 2018220115A1 EP 2018064346 W EP2018064346 W EP 2018064346W WO 2018220115 A1 WO2018220115 A1 WO 2018220115A1
Authority
WO
WIPO (PCT)
Prior art keywords
electrochemical system
real
specific
specific points
time
Prior art date
Application number
PCT/EP2018/064346
Other languages
English (en)
Inventor
Sébastien Faivre
Frédéric GUSTIN
Daniel Hissel
Fabien HAREL
Zhongliang LI
Original Assignee
Universite De Franche-Comte
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Universite De Franche-Comte filed Critical Universite De Franche-Comte
Priority to IL271060A priority Critical patent/IL271060B2/en
Priority to SG11201911468RA priority patent/SG11201911468RA/en
Priority to KR1020197038560A priority patent/KR102564407B1/ko
Priority to CA3066012A priority patent/CA3066012A1/fr
Priority to US16/618,466 priority patent/US11493560B2/en
Priority to CN201880048467.XA priority patent/CN111373586B/zh
Priority to JP2020516953A priority patent/JP7221947B2/ja
Priority to EP18730667.5A priority patent/EP3631885A1/fr
Publication of WO2018220115A1 publication Critical patent/WO2018220115A1/fr

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04544—Voltage
    • H01M8/04559—Voltage of fuel cell stacks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Definitions

  • the present invention relates to a method for diagnosing in real time the operating state of an electrochemical system. It also relates to a diagnostic system implementing this method, and an electrochemical system, including a fuel cell, incorporating this diagnostic system.
  • EP 2778700 A2 discloses equipment for predicting the state of a battery pack, using discrete wavelet transformations.
  • Barking discloses a method of diagnosing polymeric fuel cell cells, employing battery voltage measurements, and wavelet packet transformation.
  • the aim of the present invention is to propose a new method for detecting defects in an electrochemical system, in particular a fuel cell, which makes it possible to know the state of this system in operation and without an intrusive and / or complex or expensive sensor, with superior performance, in terms of quality and reliability of fault detection, to those usually observed in current diagnostic processes.
  • This objective is achieved with a method for diagnosing in real time the operating state of an electrochemical system comprising a stack of cells, this method comprising steps for making voltage measurements of said cells, characterized in that it comprises outraged :
  • the cell voltage measurement steps can be performed periodically.
  • the specific waveforms extracted from the off-line and / or real-time voltage measurements are subjected to a mathematical transformation - called "Shapelet Transform" - to create specific points. from specific waveforms. These specific points can be identified in a two-dimensional space (2D) and then classified in a three-dimensional space (3D).
  • the diagnostic method according to the invention may further advantageously comprise an initial constitution of a database by learning on known operating states of the electrochemical system, which are tested offline.
  • the known operating states that are tested offline include all or some of the following states: Normal operation, Low hydrogen pressure,
  • a system for diagnosing the real-time operating state of an electrochemical system comprising a stack of cells, implementing the diagnostic method according to the invention, this system of diagnosis comprising means for measuring the voltages at the terminals of said cells, characterized in that it further comprises:
  • the diagnostic system according to the invention may furthermore advantageously comprise means for transforming the specific waveforms extracted from the voltage measurements performed offline and / or in real time, so as to create specific points.
  • This diagnostic system may further comprise means for identifying the specific points in a two-dimensional space (2D) and means for classifying said specific points thus identified in a three-dimensional space (3D), as well as a database by learning on known operating states of the electrochemical system.
  • an electrochemical system incorporating a diagnostic system according to the invention.
  • This electrochemical system may in particular comprise a fuel cell.
  • FIG. 2 schematically illustrates an implementation of a microcontroller for analog measurements
  • FIG. 3 represents a voltage measuring device implemented in an exemplary embodiment of a fault detection system according to the invention
  • FIG. 4 represents specific waveforms (or "shapelets") produced in the diagnostic detection method according to the invention.
  • FIG. 5 illustrates a classification of the specific waveforms with the SSM-SVM method
  • FIG. 6 schematically illustrates an exemplary embodiment of the diagnostic method according to the invention. Detailed embodiments
  • variants of the invention comprising only a selection of characteristics described or illustrated subsequently isolated from the other characteristics described or illustrated (even if this selection is isolated within a phase comprising these other characteristics), if this selection of characteristics is sufficient to confer a technical advantage or to differentiate the invention from the state of the prior art.
  • This selection comprises at least one preferably functional characteristic without structural details, and / or with only a part of the structural details if this part alone is sufficient to confer a technical advantage or to differentiate the invention from the state of the art. earlier.
  • a device 10 for measuring the voltages across the various cells of an electrochemical system 1 such as a battery, a supercapacitor or a fuel cell will be described.
  • the different voltages Vcell 1,..., K + 1 are measured then processed by programmable components of the DSP (for "Digital Signal Processor") type or microcontroller 20, 70 and the data are transmitted by a CAN 6 communication bus.
  • DSP Digital Signal Processor
  • the measuring device 10 is in modular form.
  • Each electrically isolated module 2, 7 is responsible for measuring the voltages Vcell_l, Vcell_2, Vcell_3; Vcel l_k, Vcel l_k + 1 of a number of cells in the order defined by the series connection thereof. It is therefore possible to connect as many modules 2, 7 as necessary to meet the needs of the user, the limit being fixed by the voltage isolation level of the electronic components (about 1000V in the most critical case).
  • Each measurement module 2, 7 comprises an electronic circuit based around a microcontroller 20, 70, its reference potential (ground) corresponding to the lowest potential of the packet of elements (Vref_l, Vref_2). These modules 2, 7 are fed via an isolated DC / DC converter 3, 8 connected to the general power supply of the device 10. The various data resulting from the measurements are transmitted by via a communication bus. For this, isolated CAN drivers 5, 9 allow links between the microcontrollers 20, 70 and the CAN bus 6 of the measuring device 10.
  • the measurement modules 2, 7 are duplicated as many times as necessary to measure the different voltages across all the elements of the electrochemical system 1 studied.
  • the reference potential of the analog measurements of the microcontroller 30 is connected to the lowest voltage of all the elements concerned n, n + 1, n + 2.
  • the various voltage measurements Vn, Vn + 1, Vn + 2 are connected to the analog inputs AN_1, AN_2, AN_3 of the microcontroller 30 in the order established by the potentials: from the lowest to the highest.
  • the voltage across an element is then determined by the difference of two consecutive measured voltages.
  • the analog inputs of the microcontroller 30 can be connected directly to the elements to be measured.
  • an adaptation circuit makes it possible to adjust the voltage in a range compatible with that of the microcontroller.
  • Analog measurements can be performed simultaneously (synchronous measurements) or sequentially (asynchronous measurements).
  • the measuring device 100 is used for measuring the voltages of the cells of a fuel cell 30.
  • the voltage of the cells can reach approximately 1.43V when they are activated. but the useful measuring range is between 0 and IV.
  • the measurement device 100 comprises a microcontroller 50 comprising 11 analog inputs and a single integrated analog / digital converter. The principle of sequential measurements for the different analog channels is then used. The overall conversion time for the 11 channels remains less than 2ms (150ps per channel, or 1.6 ms).
  • the different voltages of the cells of the fuel cell 40 are connected to the analog inputs, directly for the four first channels (voltages lower than 4V) and via an adaptation circuit for channels AN_4 to AN_10.
  • the power supply of the measuring device 100 is made from a source of voltage of 5V continuous (+ 5v_l).
  • a DC / DC converter 51 provides a voltage of 5V (+ 5V_2) isolated for the supply of all the electronics.
  • the circuit used provides an insulation voltage of 1000V.
  • the entire measuring device 100 is thus isolated with a reference potential Vref_l.
  • a CAN driver circuit 53 isolates the microcontroller 50 ensuring an isolation voltage of 2500V.
  • the diagnostic method according to the invention is built around a learning based on measured and known data. It is here implemented for the purpose of detecting defects of a fuel cell system (PAC) PEMFC type (for "Polymer Electrolyte Membrane Fuel Cell”). It is understood that the diagnostic method according to the invention can be implemented without limitation in other types of fuel cells.
  • PAC fuel cell system
  • PEMFC Polymer Electrolyte Membrane Fuel Cell
  • This diagnostic method implements a device for measuring the individual voltage of the unit cells of the PAC as previously described.
  • the diagnostic method according to the invention makes use of a time series analysis tool, hereinafter referred to as "transforming shapelet”. , which performs a characterization of specific waveforms extracted from the voltage measurements across the cells of the electrochemical system.
  • the diagnostic method comprises a process 6A for real-time processing of voltage measurements performed on the cells of the stack, and a 6B process. offline processing of voltage measurements performed on the same cells but in known operating states including malfunction states.
  • the time analysis tool is used to extract specific waveforms or "shapelets" 40 ( Figure 4) from the data of a database 61 ( Figure 6) used for real-time diagnostics.
  • the time analysis tool is used in a window 41 whose duration is known and previously defined according to the defects considered.
  • an SSM-SVM classification tool is applied in the dimensional space considered (function of the number of defects).
  • the cell voltages of the fuel cell system are inherently inhomogeneous because of their physical states within a stack (or "stack"), such as temperature, gas distribution, relative humidity, the distribution of the catalyst on the activation layer, and the temporal correlation between the measured samples must be considered.
  • the cell voltages sampled in a time interval (window 41) are considered as variables for the diagnostic method according to the invention.
  • This acquisition window is mathematically defined as follows: where vj is the vector sampled at the index i and composed of all the voltages of a number n cell cells.
  • This vector L is the width of the window
  • Each observation T is a dynamic time series that can be represented mathematically in the form of a matrix, whose dimension is defined firstly by the number of cells and secondly by the duration of the observation l w and whose number of points is defined by the sampling period (or acquisition frequency) of the measuring device.
  • a training database 71 is constituted from N off-line measurements obtained by means of the measuring device described above. It is listed by classes denoted ⁇ , ⁇ , ⁇ 2, ..., ⁇ C which correspond to the various defects.
  • the index class 0 is defined as the normal operating state (without faults).
  • the class space on the set of observations Tj is known beforehand, ie gj
  • the number of observations 78 which constitute the database 71 in all of these classes are respectively No, Ni, ..., Nc and satisfy the equation
  • the candidates are selected taking into account the observation time l w .
  • the candidates are selected taking into account the observation time l w .
  • SCj j represents the second candidate of the matrix Tj.
  • Tj the space in which it is located is also gj.
  • the number of candidates generated from the learning base 71 is therefore (l w - ls + 1) N.
  • the times ls and lw are defined beforehand for each class. This definition is made empirically during the constitution of the learning database.
  • the first is to calculate the distance between a candidate SCij and the observation Tk, which is equal to the minimum value between the candidate SCij and the set of candidates generated by this observation Tk as follows:
  • This calculation also makes it possible to know the dimension of the characterization domain that will be used to initialize the SSM-SVM classification tool 63 with reference to FIG.
  • the method used hereinafter is known as the "kernel trick".
  • the vectors are projected in a multidimensional space via the function ⁇ .
  • the sphere is calculated as follows:
  • the function used here is the Gaussian nucleus, that is:
  • the SSM-SVM classification therefore amounts to solving the following optimization problem
  • the radius of the sphere can be calculated according to the conditions of
  • one operates on a number of classes greater than 2 and in a space of dimensions greater than 2.
  • This algorithm makes it possible to break down the quadratic problem into a sum of linear problems that are treated one by one.
  • Each Lagrange multiplier is calculated individually and the vector vectors describing the spheres encompassing the classes are updated at each iteration.
  • the SSM-SVM method that has just been described thus makes it possible to classify specific waveforms, with reference to FIG. 5. Moreover, the combination of specific waveforms (or "shapelets") and the SSM-SVM classification allows performance in terms of error rates higher than those usually observed with current diagnostic methods.
  • SSM-SVM method makes it possible to obtain at the same time classification results 77 of the specific waveforms 75 coming from off-line observations in a learning mode, and classification results 66 of the forms Specific waveforms 65 from real-time voltage measurements.
  • the classification results resulting from the SSM-SVM learning mode 76 are exploited in the SSM-SVM processing 63 specific points resulting from the transformation 62 of the specific waveforms resulting from the real-time measurements.
  • Real-time data is acquired in a sliding acquisition window. Once the array is stored, the minimum distances are then calculated via the waveform transformation 62.
  • the specific waveform When the specific waveform is characterized and graphically represented by a specific point 65, it is then analyzed by the SSM-SVM algorithm 63 which will assign a class according to its position in the volumes defined by the spheres, such as Figure 5. Each class is associated with an operating state (Normal or describing a known defect).
  • Diagnostic rules 67 are then applied to the classification results 66 so as to generate diagnostic results 68 which will make it possible to make a diagnosis of operation 69 (normal or default, type of fault, etc.) which will be communicated to the management. electrochemical system and possibly the user or maintenance personnel of this system. These operations are repeated in loop with each new acquisition (window) and each time the system is started.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Fuel Cell (AREA)
  • Secondary Cells (AREA)

Abstract

Procédé pour diagnostiquer en temps réel l'état de fonctionnement d'un système électrochimique comprenant un empilement de cellules, ce procédé comprenant des étapes pour réaliser des mesures de tension desdites cellules. Ce procédé comprend en outre : un traitement des mesures de tension (61) ainsi réalisées en temps réel pour en extraire des formes d'onde spécifiques (40), une transformation de ces formes d'onde spécifiques pour en générer des points (65) spécifiques du fonctionnement temps-réel du système électrochimique, et une comparaison de ces points spécifiques du fonctionnement temps- réel et de points (75) spécifiques d'un fonctionnement hors-ligne du système électrochimique qui sont issus d'une transformation de formes d'onde spécifiques (74) extraites de mesures de tension (78) effectuées hors ligne sur alors que le système électrochimique est placé dans des états de fonctionnement connus incluant des états de défaut, de façon à produire des informations (69) sur l'état de fonctionnement temps-réel du système électrochimique.

Description

« Procédé et système pour diagnostiquer en temps réel l'état de fonctionnement d'un système électrochimique, et système électrochimique intégrant ce système de diagnostic » Domaine technique
La présente invention concerne un procédé pour diagnostiquer en temps réel l'état de fonctionnement d'un système électrochimique. Elle vise également un système de diagnostic mettant en œuvre ce procédé, ainsi qu'un système électrochimique, notamment une pile à combustible, intégrant ce système de diagnostic.
Etat de la technique antérieure
Les piles à combustible actuelles, qu'elles soient embarquées ou stationnaires, doivent faire l'objet d'une surveillance de leur état, afin notamment de prévenir une défaillance ou une dégradation de leur fonctionnement.
Il existe déjà des procédés de détection de défauts dans une pile à combustible, qui ne peuvent être mis en œuvre que hors fonctionnement de cette pile et dans un contexte de laboratoire. Ces méthodes mettent parfois en œuvre des capteurs intrusifs.
Par ailleurs, pour des piles à combustible à forte valeur ajoutée, utilisées par exemple en milieu nécessitant un fonctionnement certain à tout moment, tel qu'en milieu hospitalier par exemple, des méthodes de détection impliquant une mise hors fonctionnement temporaire ne sont pas envisageables.
Le document EP 2778700 A2 divulgue un équipement pour prédire l'état d'un pack batterie, utilisant des transformations d'ondelette discrètes.
Le document "Non intrusive diagnosis of polymer electrolyte fuel cells by wavelet packet transform » de Nadia Yousfi Steiner et al., paru dans International Journal of Hydrogen Energy, Elsevier Science Publishers B. V.,
Barking,GB, vol.36, Nol, 11 octobre 2010, pages 740-746, divulgue un procédé de diagnostic de cellules de piles à combustibles polymères, mettant en oeuvre des mesures de tension de piles, et une transformation en paquet d'ondelette. Le but de la présente invention est de proposer un nouveau procédé de détection de défauts dans un système électrochimique, notamment une pile à combustible, qui permette de connaître l'état de ce système en fonctionnement et sans capteur intrusif et/ou complexe ou coûteux, avec des performances supérieures, en termes de qualité et de fiabilité des détections des défauts, à celles habituellement observées sur les procédés actuels de diagnostic.
Exposé de l'invention
Cet objectif est atteint avec un procédé pour diagnostiquer en temps réel l'état de fonctionnement d'un système électrochimique comprenant un empilement de cellules, ce procédé comprenant des étapes pour réaliser des mesures de tension desdites cellules, caractérisé en ce qu'il comprend en outre :
- un traitement des mesures de tension ainsi réalisées en temps réel pour en extraire des formes d'onde spécifiques,
- une transformation desdites formes d'onde spécifiques pour en générer des points spécifiques du fonctionnement temps-réel dudit système électrochimique, et
- une comparaison desdits points spécifiques du fonctionnement temps- réel et de points spécifiques d'un fonctionnement hors-ligne dudit système électrochimique qui sont issus d'une transformation de formes d'onde spécifiques extraites de mesures de tension effectuées hors ligne alors que ledit système électrochimique est placé dans des états de fonctionnement connus incluant des états de défaut, de façon à produire des informations sur l'état de fonctionnement temps-réel dudit système électrochimique.
Les étapes de mesure de tension de cellule peuvent être effectuées périodiquement.
Dans un mode de réalisation préféré de l'invention, les formes d'onde spécifiques extraites des mesures de tension effectuées hors-ligne et/ou en temps réel sont soumises à une transformation mathématique - appelée « Shapelet Transform » - pour créer des points spécifiques à partir de formes d'onde spécifiques. Ces points spécifiques peuvent être identifiés dans un espace bidimensionnel (2D) puis classés dans un espace tridimensionnel (3D).
Dans un premier mode particulier de réalisation du procédé selon l'invention, des points spécifiques sont classés au moyen d'une fonction de type SSM-SVM (pour « Sphère Shaped Multi-Class - Support Vector Machine »).
Dans un second mode particulier de réalisation du procédé selon l'invention, des points spécifiques sont classés au moyen d'une fonction de type kNN (pour « K Nearest Neighbor »).
Dans un troisième mode particulier de réalisation du procédé selon l'invention, des points spécifiques sont classés au moyen d'une fonction de type GMM (pour « Gaussian Mixture Model »).
Le procédé de diagnostic selon l'invention peut en outre avantageusement comprendre une constitution initiale d'une base de données par apprentissage sur des états de fonctionnement connus du système électrochimique, qui sont testés hors ligne.
Lorsque le procédé selon l'invention est mis en œuvre pour diagnostiquer l'état de fonctionnement d'une pile à combustible, les états de fonctionnement connus qui sont testés hors ligne comprennent tout ou partie des états suivants : Fonctionnement normal, Pression basse hydrogène,
Stœchiométrie basse du côté air, Assèchement, Noyage.
Suivant un autre aspect de l'invention, il est proposé un système pour diagnostiquer l'état de fonctionnement en temps réel d'un système électrochimique comprenant un empilement de cellules, mettant en œuvre le procédé de diagnostic selon l'invention, ce système de diagnostic comprenant des moyens pour mesurer les tensions aux bornes desdites cellules, caractérisé en ce qu'il comprend en outre :
- des moyens pour traiter les tensions ainsi mesurées pour en extraire des formes d'onde spécifiques, des moyens pour transformer lesdites fonctions d'onde spécifiques pour en générer des points spécifiques du fonctionnement temps-réel dudit système électrochimique, et
- des moyens pour comparer lesdits points spécifiques du fonctionnement temps-réel et des points spécifiques d'un fonctionnement hors-ligne dudit système électrochimique qui sont issus d'une transformation de formes d'onde spécifiques extraites de mesures de tension effectuées hors ligne - alors que ledit système électrochimique est placé dans des états de fonctionnement connus incluant des états de défaut, de façon à produire des informations de diagnostic de l'état de fonctionnement temps-réel dudit système électrochimique.
Le système de diagnostic selon l'invention peut en outre avantageusement comprendre des moyens pour transformer les formes d'onde spécifiques extraites des mesures de tension effectuées hors-ligne et/ou en temps réel, de façon à créer des points spécifiques.
Ce système de diagnostic peut en outre comprendre des moyens pour identifier les points spécifiques dans un espace bidimensionnel (2D) et des moyens pour classer lesdits points spécifiques ainsi identifiés dans un espace tridimensionnel (3D), ainsi qu'une base de données par apprentissage sur des états de fonctionnement connus du système électrochimique.
Suivant encore un autre aspect de l'invention, il est proposé un système électrochimique intégrant un système de diagnostic selon l'invention. Ce système électrochimique peut notamment comporter une pile à combustible.
Description des figures
D'autres avantages et particularités de l'invention apparaîtront à la lecture de la description détaillée de mises en œuvre et de modes de réalisation nullement limitatifs, et des dessins annexés suivants :
- la figure 1 illustre schématiquement le principe de mesure de tension mis en œuvre dans le procédé de détection de défauts selon l'invention ;
- la figure 2 illustre schématiquement une mise en œuvre d'un microcontrôleur pour des mesures analogiques ;
- la figure 3 représente un dispositif de mesure de tension mis en œuvre dans un exemple de réalisation d'un système de détection de défauts selon l'invention ;
- la figure 4 représente des formes d'onde spécifiques (ou « shapelets ») produits dans le procédé de détection de diagnostic selon l'invention ;
- la figure 5 illustre une classification des formes d'onde spécifiques avec la méthode SSM-SVM ; et
- la figure 6 illustre schématiquement un exemple de réalisation du procédé de diagnostic selon l'invention. Modes de réalisation détaillés
Ces modes de réalisation étant nullement limitatifs, on pourra notamment considérer des variantes de l'invention ne comprenant qu'une sélection de caractéristiques décrites ou illustrées par la suite isolées des autres caractéristiques décrites ou illustrées (même si cette sélection est isolée au sein d'une phase comprenant ces autres caractéristiques), si cette sélection de caractéristiques est suffisante pour conférer un avantage technique ou pour différencier l'invention par rapport à l'état de la technique antérieure. Cette sélection comprend au moins une caractéristique de préférence fonctionnelle sans détails structurels, et/ou avec seulement une partie des détails structurels si cette partie uniquement est suffisante pour conférer un avantage technique ou à différencier l'invention par rapport à l'état de la technique antérieure.
On va tout d'abord décrire, en référence à la figure 1, un dispositif 10 de mesure des tensions aux bornes des différentes cellules d'un système électrochimique 1 tel qu'une batterie, un supercondensateur ou une pile à combustible.
Les différentes tensions Vcell 1,.., k+ 1 sont mesurées puis traitées par des composants programmables de type DSP (pour « Digital Signal Processor ») ou microcontrôleur 20, 70 et les données sont transmises par un bus de communication CAN 6.
Le dispositif de mesure 10 se présente sous forme modulaire. Chaque module 2, 7 isolé électriquement est chargé de mesurer les tensions Vcell_l,Vcell_2,Vcell_3 ; Vcel l_k,Vcel l_k+ 1 d'un nombre de cellules en respectant l'ordre défini par la connexion en série de celles-ci. Il est donc possible de connecter autant de modules 2, 7 que nécessaire pour répondre aux besoins de l'utilisateur, la limite étant fixée par le niveau d'isolation en tension des composants électroniques (environ 1000V dans le cas le plus critique).
Chaque module de mesure 2, 7 comporte un circuit électronique basé autour d'un microcontrôleur 20, 70, son potentiel de référence (masse) correspondant au potentiel le plus faible du paquet d'éléments (Vréf_l, Vréf_2). Ces modules 2, 7 sont alimentés par l'intermédiaire d'un convertisseur DC/DC isolé 3, 8 connecté sur l'alimentation générale du dispositif 10. Les différentes données issues des mesures sont transmises par l'intermédiaire d'un bus de communication. Pour cela, des drivers CAN isolés 5, 9 permettent des liaisons entre les microcontrôleurs 20, 70 et le bus CAN 6 du dispositif de mesure 10.
Les module de mesure 2, 7 sont dupliqués autant de fois que nécessaire pour mesurer les différentes tensions aux bornes de tous les éléments du système électrochimique 1 étudié.
En référence à la figure 2, le potentiel de référence des mesures analogiques du microcontrôleur 30 est connecté à la tension la plus faible de l'ensemble des éléments concernés n, n + 1, n + 2. Les différentes mesures de tension Vn, Vn + 1, Vn + 2 sont connectées aux entrées analogiques AN_1, AN_2, AN_3 du microcontrôleur 30 en respectant l'ordre établi par les potentiels : du plus faible au plus fort. La tension aux bornes d'un élément est alors déterminée par la différence de deux tensions consécutives mesurées.
En fonction des niveaux de tension mesurés, les entrées analogiques du microcontrôleur 30 peuvent être connectées directement sur les éléments à mesurer. Pour des tensions plus élevées, un circuit d'adaptation permet d'ajuster la tension dans une plage compatible avec celle du microcontrôleur.
En fonction du microcontrôleur ou du circuit DSP utilisé, le nombre de voies analogiques est variable et limite ainsi le nombre de tensions mesurées sur un sous-ensemble de cellules. Les mesures analogiques peuvent être effectuées de manière simultanée (mesures synchrones) ou séquentielle (mesures asynchrones).
Dans l'exemple de réalisation illustré par la figure 3, le dispositif de mesure 100 est utilisé pour la mesure des tensions des cellules d'une pile à combustible 30. En pratique, la tension des cellules peut atteindre environ 1.43V lors de leur activation, mais la plage de mesure utile est comprise entre 0 et IV.
Le dispositif de mesure 100 comprend un microcontrôleur 50 comportant 11 entrées analogiques et un seul convertisseur analogique/numérique intégré. On utilise alors le principe de mesures séquentielles pour les différentes voies analogiques. La durée globale de conversion pour les 11 voies reste inférieure à 2ms (150ps par voie, soit 1,6 ms).
Les différentes tensions des cellules de la pile à combustible 40 sont connectées sur les entrées analogiques, de manière directe pour les quatre premières voies (tensions inférieures à 4V) et par l'intermédiaire d'un circuit d'adaptation pour les voies AN_4 à AN_10.
L'alimentation du dispositif de mesure 100 est réalisée à partir d'une source de tension de 5V continue (+5v_l). Un convertisseur DC/DC 51 permet d'obtenir une tension de 5V (+5V_2) isolée pour l'alimentation de l'ensemble de l'électronique. Le circuit utilisé assure une tension d'isolement de 1000V. L'ensemble du dispositif de mesure 100 se trouve ainsi isolé avec un potentiel de référence Vref_l .
Pour assurer cet isolement, les communications entre le microcontrôleur 50 et le reste du système sont effectuées par un bus CAN 52 également isolé. Un circuit driver CAN 53 isole le microcontrôleur 50 en assurant une tension d'isolement de 2500V.
On va maintenant décrire, en référence aux figures 4 à 6, des étapes de traitement qui sont implémentées dans le procédé de diagnostic selon l'invention.
Le procédé de diagnostic selon l'invention est construit autour d'un apprentissage basé sur des données mesurées et connues. Il est ici mis en œuvre dans le but de détecter des défauts d'un système de pile à combustible (PAC) de type PEMFC (pour « Polymer Electrolyte Membrane Fuel Cell »). Il est entendu que le procédé de diagnostic selon l'invention peut être mis en œuvre sans limitation dans d'autres types de piles à combustible.
Ce procédé de diagnostic met en œuvre un dispositif de mesure de tension individuelle des cellules unitaires de la PAC tel que décrit précédemment. Afin de tenir compte de la dynamique du système et de l'hétérogénéité spatiale des différentes cellules qui le composent, le procédé de diagnostic selon l'invention fait appel à un outil d'analyse de série temporelle, appelé dans la suite « Shapelet transform », qui réalise une caractérisation de formes d'onde spécifiques extraites des mesures de tension aux bornes des cellules du système électrochimique.
En référence à la figure 6, dans une forme particulière de réalisation du procédé de diagnostic selon l'invention, celui-ci comprend un processus 6A de traitement en temps réel de mesures de tension effectuées sur les cellules de la pile, et un processus 6B de traitement hors ligne de mesures de tension effectuées sur les mêmes cellules mais dans des états de fonctionnement connus incluant des états de dysfonctionnement. L'outil d'analyse temporelle est utilisé pour extraire des formes d'onde spécifiques ou « shapelets » 40 (Figure 4) issues des données d'une base de données 61 (Figure 6) servant au diagnostic en temps-réel. L'outil d'analyse temporelle est utilisé dans une fenêtre 41 dont la durée est connue et définie préalablement en fonction des défauts considérés. Dans un second temps, un outil de classification SSM-SVM est appliqué dans l'espace dimensionnel considéré (fonction du nombre de défauts).
Les tensions des cellules du système de pile à combustible sont par nature non homogènes de par leurs états physiques au sein d'une pile (ou « stack »), tels que la température, la distribution des gaz, le taux d'humidité relative, la distribution du catalyseur sur la couche d'activation, et on doit considérer la corrélation temporelle entre les échantillons mesurés. Les tensions de cellules échantillonnées dans un intervalle de temps (fenêtre 41) sont considérées comme des variables pour le procédé de diagnostic selon l'invention.
Cette fenêtre d'acquisition est définie mathématiquement comme suit :
Figure imgf000010_0001
où vj est le vecteur échantillonné à l'index i et composé de l'ensemble des tensions d'un nombre ncell decellules.
Ce vecteur L est la largeurde la fenêtre
Figure imgf000010_0002
d'acquisition.
Chaque observation T est une série chronologique dynamique qui peut être représentée mathématiquement sous la forme d'une matrice, dont la dimension esr définie d'une part par le nombre de cellules et d'autre part par la durée de l'observation lw et dont le nombre de points est défini par la période d'échantillonnage (ou fréquence d'acquisition) du dispositif de mesure.
Dans le processus hors-ligne 6B, une base de données d'apprentissage 71 est constituée à partir de N mesures hors-ligne obtenues au moyen du dispositif de mesure décrit précédemment. Elle est répertoriée par classes notées Ωθ, Ωΐ, Ω2,..., ΩC qui correspondent aux différents défauts. La classe d'indice 0 est définie comme l'état de fonctionnement normal (sans défauts) .
L'espace des classes sur l'ensemble des observations Tj est connu au préalable, soit gj Les nombres d'observations 78 qui
Figure imgf000010_0003
constituent la base de donnée 71 dans l'ensemble de ces classes sont respectivement No, Ni, ...,Nc et satisfont l'équation
Figure imgf000011_0001
On va maintenant plus particulièrement décrire la génération de formes d'onde spécifiques (« Shapelets ») dans les deux processus temps-réel 6A et hors-ligne 6B.
Pour identifier une forme d'onde spécifique, il est nécessaire de produire une quantité de signaux éligibles que l'on appelle candidats et qui sont généré dans le vecteur
Figure imgf000011_0002
En faisant l'hypothèse que la forme d'onde spécifique est d'une durée ls, les candidats sont sélectionnés en tenant compte de la durée d'observation lw. Par exemple, on considère des candidats jusqu'à lw - ls + 1 pour une observation Tj suivant la formule ci-après :
Figure imgf000011_0003
où SCj j représente le jiéme candidat de la matrice Tj . Comme est issu de
Figure imgf000011_0006
Tj , l'espace dans lequel il se situe est également gj. Le nombre de candidats générés à partir de la base d'apprentissage 71 est donc (lw - ls + 1)N .
Dans ce procédé, les durées ls et lw sont définies préalablement pour chaque classe. Cette définition est faite de manière empirique lors de la constitution de la base de données d'apprentissage.
Pour pouvoir classifier et caractériser les candidats, trois opérations sont nécessaires. La première consiste à calculer la distance entre un candidat SCij et l'observation Tk, qui est égale à la valeur minimum entre le candidat SCij et l'ensemble de candidats générés par cette observation Tk comme suit :
Figure imgf000011_0004
Pour chaque candidat cette distance est calculée, puis la distance moyenne de cette même classe est également définie.
Figure imgf000011_0005
Grâce aux deux valeurs précédentes, on calcule le facteur de qualité de chaque candidat d'une même classe suivante la formule de discrimination quadratique suivante :
Figure imgf000012_0001
Lorsque tous les candidats de chaque classe ont été évalués, ils sont classés par ordre décroissant suivant leurs facteurs de qualité. Dans le cas où deux formes d'onde spécifiques candidats de même la base d'observation obtiennent des indices redondants, c'est alors celui qui présente le facteur de qualité le plus élevé qui est conservé. Dans les candidats restants, ce sont ceux qui ont le meilleur facteur de qualité qui sont sélectionnés.
La procédure d'extraction des formes d'onde spécifiques qui vient d'être décrite peut aisément être mise en œuvre sous la forme d'un algorithme avec des techniques logicielles connues. On peut ainsi générer des formes d'onde spécifiques 74 dans le processus hors-ligne 6B et des formes d'onde spécifiques 40 dans le processus temps-réel 6A.
On va maintenant plus particulièrement décrire un exemple d'extraction des formes d'onde spécifiques lors d'un diagnostic temps réel. Pour une fenêtre de diagnostic T (Figure 4) prise arbitrairement, les caractéristiques des formes d'onde spécifiques de cette base arbitraire issue de mesures en temps réel 64 (voir figure 6) sont déterminées en exécutant le calcul de distance avec ceux issus de la base d'apprentissage 71 et sélectionnés comme pertinents.
Ce calcul permet également de connaître la dimension du domaine de caractérisation qui servira à l'initialisation de l'outil 63 de classification SSM- SVM en référence à la figure 6.
On va maintenant décrire un exemple de mise en œuvre de cet outil de classification SSM-SVM dans le procédé de diagnostic selon l'invention.
Pour solutionner le problème de classification non linéaire issue des données d'apprentissage (notamment dû au fait que l'on considère plus de deux classes), la méthode utilisée ci-après est connue sous le nom « kernel trick ».
Dans un premier temps, on réalise une projection des vecteurs dans un espace multidimensionnel via la fonction Φ .
Les vecteurs sont définis comme suit :
Figure imgf000012_0002
Par exemple, pour une classe i, la sphère est calculée comme suit :
Figure imgf000013_0001
Où
Figure imgf000013_0008
sont respectivement le rayon et le centre du cercle de la sphère i La fonction utilisée ici est le noyau Gaussien, soit :
Figure imgf000013_0004
La classification SSM-SVM revient donc à solutionner le problème d'optimisation suivant
Figure imgf000013_0002
Pour un indice i donné, on minimise la somme du carré du rayon Ri et de la somme des variables d'ajustement multipliée par un paramètre D de réglage permettant le bon ajustement lors de la phase d'apprentissage, avec les contraintes suivantes :
- la distance absolue au carré entre la fonction appliquée au vecteur support zn et le centre de la sphère moins le rayon au carré moins la variable d'ajustement doivent être inférieurs ou égales à zéro
- les variables d'ajustements sont supérieures ou égales à zéro.
En considérant
Figure imgf000013_0005
La solution de l'équation d'optimisation (8) est donnée par :
Figure imgf000013_0006
Dans l'équation (9), on retrouve les deux multiplicateurs non-négatifs de
Lagrange,
Figure imgf000013_0007
Ils sont associés aux contraintes décrites en (8). Pour résoudre le problème d'optimisation, il faut donc trouver le l'extremum de L.
Figure imgf000013_0003
Figure imgf000014_0001
Le rayon de la sphère peut être calculé d'après les conditions de
Figure imgf000014_0002
Karush-Kuhn-Tucker ( « KKT conditions ») décrites ci-après.
Donc
Figure imgf000014_0003
A partir de ces calculs analytiques, l'algorithme SSM-SVM peut être codé.
Dans l'exemple de mise en œuvre décrit ici, on opère sur un nombre de classe supérieur à 2 et dans un espace de dimensions supérieures à 2.
Cet algorithme permet de décomposer le problème quadratique en une somme de problèmes linéaires qui sont traités un à un. Chaque multiplicateur de Lagrange est calculé individuellement et les vecteurs supports décrivant les sphères englobant les classes sont mis à jours à chaque itération.
La méthode SSM-SVM qui vient d'être décrite permet ainsi de classifier des formes d'onde spécifiques, en référence à la figure 5. Par ailleurs, l'association des formes d'onde spécifiques (ou « shapelets ») et de la classification SSM- SVM permet d'avoir des performances en terme de taux d'erreur supérieures à celles habituellement observées avec les procédés actuels de diagnostic.
L'utilisation de la méthode SSM-SVM permet d'obtenir à la fois des résultats de classification 77 des formes d'onde spécifiques 75 issues d'observations hors-ligne dans un mode d'apprentissage, et des résultats de classification 66 des formes d'onde spécifiques 65 issues de mesures de tension effectuées en temps réel.
Les résultats de classification issus du mode d'apprentissage SSM-SVM 76 sont exploités dans le traitement SSM-SVM 63 des points spécifiques issues de la transformation 62 des formes d'onde spécifiques issues des mesures temps- réel.
On va maintenant décrire, en référence à la figure 6, une stratégie de diagnostic en temps réel mise en œuvre dans le procédé de diagnostic selon l'invention. Les tensions aux bornes des cellules du système électrochimique sont mesurées au moyen du dispositif de mesure décrit précédemment en référence aux figures 1 à 3. Ces mesures sont numérisées à une fréquence d'échantillonnage de lhz pendant un temps Lw puis stockées sous forme d'un tableau de données temps-réel 61 qui sera ensuite utilisé pour les calculs.
Les données en temps réel sont acquises selon une fenêtre glissante d'acquisition. Une fois le tableau stocké, les distances minimum sont alors calculées via la transformation 62 en forme d'onde spécifique.
Lorsque la forme d'onde spécifique est caractérisée et représentée graphiquement par un point spécifique 65, il est ensuite analysé par l'algorithme SSM-SVM 63 qui va lui affecter une classe en fonction de sa position dans les volumes définis par les sphères, comme l'illustre la figure 5. Chaque classe est associée à un état de fonctionnement (Normal ou décrivant un défaut connu).
Des règles de diagnostic 67 sont ensuite appliquées aux résultats de classification 66 de façon à générer des résultats de diagnostic 68 qui vont permettre de poser un diagnostic de fonctionnement 69 (normal ou défaut, type de défaut,..) qui sera communiqué à la gestion du système électrochimique et possiblement à l'utilisateur ou au personnel chargé de la maintenance de ce système. Ces opérations sont répétées en boucle à chaque nouvelle acquisition (fenêtre) et ce à chaque mise en route du système.
II est à noter que d'autres méthodes mathématiques, faisant notamment appel aux réseaux de neurones ou encore de type kNN (K Nearest Neighbor) ou GMM (Gaussian Mixture Model), pourraient être utilisées pour réaliser des classifications de formes d'onde spécifiques.
Bien sûr, l'invention n'est pas limitée aux exemples qui viennent d'être décrits et de nombreux aménagements peuvent être apportés à ces exemples sans sortir du cadre de l'invention. Bien entendu, les différentes caractéristiques, formes, variantes et modes de réalisation de l'invention peuvent être associées les unes avec les autres selon diverses combinaisons dans la mesure où elles ne sont pas incompatibles ou exclusives les unes des autres. En particulier toutes les variantes et modes de réalisation décrits précédemment sont combinables entre eux.

Claims

REVENDICATIONS 1. Procédé pour diagnostiquer en temps réel l'état de fonctionnement d'un système électrochimique (1, 30) comprenant un empilement de cellules, ce procédé comprenant des étapes pour réaliser des mesures de tension aux bornes desdites cellules, caractérisé en ce qu'il comprend en outre :
- un traitement des mesures de tension ainsi réalisées en temps réel pour en extraire des formes d'onde spécifiques (40),
- une transformation (62) desdites formes d'onde spécifiques (40) pour en générer des points (65) spécifiques du fonctionnement temps-réel dudit système électrochimique (1, 30), et
- une comparaison desdits points (65) spécifiques du fonctionnement temps-réel et de points (75) spécifiques d'un fonctionnement hors- ligne dudit système électrochimique (1, 30) qui sont issus d'une transformation (73) de formes d'onde spécifiques (74) extraites de mesures de tension (78) effectuées hors ligne alors que ledit système électrochimique (1, 30) est placé dans des états de fonctionnement connus incluant des états de défaut, de façon à produire des informations (69) sur l'état de fonctionnement temps-réel dudit système électrochimique (1, 30).
2. Procédé selon la revendication 1, caractérisé en ce que les étapes de mesure de tension de cellule sont effectuées périodiquement.
3. Procédé selon l'une des revendications 1 ou 2, caractérisé en ce que les formes d'onde spécifiques (40, 74) extraites des mesures de tension effectuées hors-ligne et/ou en temps réel sont soumises à une transformation mathématique (62, 73) - appelée « Shapelet Transform » - pour créer des points spécifiques (65, 75).
4. Procédé selon la revendication 3, caractérisé en ce que les points spécifiques sont identifiés dans un espace bidimensionnel (2D) puis classés dans un espace tridimensionnel (3D).
5. Procédé selon la revendication 4, caractérisé en ce que des points spécifiques sont classés au moyen d'une fonction (63, 76) de type SSM- SVM (pour « Sphère Shaped Multi-Class - Support Vector Machine »).
6. Procédé selon l'une des revendications 4 ou 5, caractérisé en ce que des points spécifiques sont classés au moyen d'une fonction de type kNN (pour « K Nearest Neighbor »).
7. Procédé selon l'une des revendications 4 à 6, caractérisé en que des points spécifiques sont classés au moyen d'une fonction de type GMM (pour « Gaussian Mixture Model »).
8. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce qu'il comprend en outre une constitution initiale d'une base de données par apprentissage (71) sur des états de fonctionnement connus du système électrochimique (1, 30), qui sont testés hors ligne.
9. Procédé selon l'une quelconque des revendications précédentes, mis en œuvre pour diagnostiquer l'état de fonctionnement d'une pile à combustible (30), caractérisé en ce que les états de fonctionnement connus testés hors ligne comprennent tout ou partie des états suivants : Fonctionnement Normal, Pression basse hydrogène, Stœchiométrie basse du côté Air, Assèchement, Noyage, Pression élevée.
10 . Système pour diagnostiquer l'état de fonctionnement en temps réel d'un système électrochimique (1, 30) comprenant un empilement de cellules, mettant en œuvre le procédé de diagnostic selon l'une quelconque des revendications précédentes, comprenant des moyens pour mesurer les tensions aux bornes desdites cellules, caractérisé en ce qu'il comprend en outre :
- des moyens pour traiter les tensions ainsi mesurées pour en extraire des formes d'onde spécifiques,
- des moyens pour transformer lesdites formes d'onde spécifiques pour en générer des points spécifiques du fonctionnement temps-réel dudit système électrochimique, et - des moyens pour comparer lesdits points spécifiques du fonctionnement temps-réel et des points spécifiques d'un fonctionnement hors-ligne dudit système électrochimique qui sont issus d'une transformation de formes d'onde spécifiques extraites de mesures de tension effectuées hors ligne alors que ledit système électrochimique est placé dans des états de fonctionnement connus incluant des états de défaut, de façon à extraire des informations sur l'état de fonctionnement temps-réel dudit système électrochimique.
11. Système de diagnostic selon la revendication 10, caractérisé en ce qu'il comprend en outre des moyens pour transformer les formes d'onde spécifiques extraites des mesures de tension effectuées hors-ligne et/ou en temps réel, de façon à créer des points spécifiques.
12. Système de diagnostic selon la revendication 11, caractérisé en ce qu'il comprend en outre des moyens pour identifier les points spécifiques dans un espace bidimensionnel (2D) et des moyens pour classer lesdits points spécifiques ainsi identifiés dans un espace tridimensionnel (3D).
13. Système de diagnostic selon l'une quelconque des revendications 10 à 12, caractérisé en ce qu'il comprend en outre une base de données par apprentissage sur des états de fonctionnement connus dudit système électrochimique.
14. Système électrochimique comportant un empilement de cellules, intégrant un système de diagnostic selon l'une quelconque des revendications 10 à 13.
15. Système électrochimique selon la revendication 14, caractérisé en ce qu'il comporte une pile à combustible.
PCT/EP2018/064346 2017-06-02 2018-05-31 Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic WO2018220115A1 (fr)

Priority Applications (8)

Application Number Priority Date Filing Date Title
IL271060A IL271060B2 (en) 2017-06-02 2018-05-31 A method and system for diagnosing the operating state of an electrochemical system in real time and an electrochemical system incorporating this diagnostic system
SG11201911468RA SG11201911468RA (en) 2017-06-02 2018-05-31 Method and system for diagnosing the operating state of an electrochemical system in real-time, and electrochemical system incorporating this diagnostic system
KR1020197038560A KR102564407B1 (ko) 2017-06-02 2018-05-31 전기화학 시스템의 동작 상태를 실시간으로 진단하기 위한 방법 및 시스템, 및 이 진단 시스템을 포함하는 전기화학 시스템
CA3066012A CA3066012A1 (fr) 2017-06-02 2018-05-31 Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic
US16/618,466 US11493560B2 (en) 2017-06-02 2018-05-31 Method and system for diagnosing the operating state of an electrochemical system in real-time, and electrochemical system incorporating this diagnostic system
CN201880048467.XA CN111373586B (zh) 2017-06-02 2018-05-31 用于实时诊断电化学系统的运行状态的方法和系统、以及并入该诊断系统的电化学系统
JP2020516953A JP7221947B2 (ja) 2017-06-02 2018-05-31 電気化学システムの動作状態をリアルタイムで診断するための方法及び装置
EP18730667.5A EP3631885A1 (fr) 2017-06-02 2018-05-31 Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1754949A FR3067124B1 (fr) 2017-06-02 2017-06-02 Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic
FR1754949 2017-06-02

Publications (1)

Publication Number Publication Date
WO2018220115A1 true WO2018220115A1 (fr) 2018-12-06

Family

ID=59409541

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2018/064346 WO2018220115A1 (fr) 2017-06-02 2018-05-31 Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic

Country Status (10)

Country Link
US (1) US11493560B2 (fr)
EP (1) EP3631885A1 (fr)
JP (1) JP7221947B2 (fr)
KR (1) KR102564407B1 (fr)
CN (1) CN111373586B (fr)
CA (1) CA3066012A1 (fr)
FR (1) FR3067124B1 (fr)
IL (1) IL271060B2 (fr)
SG (1) SG11201911468RA (fr)
WO (1) WO2018220115A1 (fr)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020153866A1 (fr) * 2019-01-24 2020-07-30 Siemens Aktiengesellschaft Procédé et système de surveillance d'un état de batterie à l'aide d'une batterie jumelle
FR3131089A1 (fr) * 2021-12-22 2023-06-23 Commissariat à l'énergie atomique et aux énergies alternatives Système de stockage d’énergie
EP4202458A4 (fr) * 2021-01-08 2024-04-03 LG Energy Solution, Ltd. Dispositif de diagnostic de batterie, système de batterie et procédé de diagnostic de batterie

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113013514B (zh) * 2021-02-25 2022-08-05 吉林大学 一种车载锂离子动力电池的热失控气敏报警装置及其检测方法
CN116819347A (zh) * 2023-08-30 2023-09-29 北京理工大学 基于短时间放电数据的电池容量估计方法、系统及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027342A2 (fr) * 2000-09-29 2002-04-04 Hydrogenics Corporation Mesure de l'impedance de piles a combustible
EP2778700A2 (fr) 2013-03-12 2014-09-17 Samsung SDI Co., Ltd. Appareil de prédiction d'état d'une batterie utilisant des transformées d'ondelettes discrètes
WO2015101570A1 (fr) * 2014-01-03 2015-07-09 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede, dispositif et systeme d'estimation de l'etat de sante d'une batterie d'un vehicule electrique ou hybride en condition d'utilisation, et procede de construction d'un modele pour une telle estimation
GB2527584A (en) * 2014-06-26 2015-12-30 Univ Cape Town Apparatus and method for determining the condition of an electricity-producing cell

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6072302A (en) * 1998-08-26 2000-06-06 Northrop Grumman Corporation Integrated control system and method for controlling mode, synchronization, power factor, and utility outage ride-through for micropower generation systems
CN1842718A (zh) * 2003-07-09 2006-10-04 优质动力公司 用于对选定的电池单元组进行监控和充电的装置
JP5141937B2 (ja) * 2005-01-26 2013-02-13 トヨタ自動車株式会社 燃料電池システム及び燃料電池の状態診断方法
FR2947357B1 (fr) * 2009-06-25 2016-01-22 Electricite De France Detection de defaut dans un dispositif electrochimique
US9366732B2 (en) * 2009-09-04 2016-06-14 Board Of Regents, The University Of Texas System Estimation of state-of-health in batteries
EP2770336A2 (fr) * 2013-02-21 2014-08-27 Samsung SDI Co., Ltd. Appareil de détection de défauts dans un système de batterie
US20150046060A1 (en) * 2013-08-12 2015-02-12 Mitsubishi Electric Research Laboratories, Inc. Method and System for Adjusting Vehicle Settings
US20160093921A1 (en) * 2014-09-25 2016-03-31 Apple Inc. Cell voltage sensing for rechargeable battery packs
US10324137B2 (en) * 2015-02-24 2019-06-18 Quanta Computer Inc. Intelligent method for calibrating battery capacity
US10023112B2 (en) * 2015-04-23 2018-07-17 Ford Global Technologies, Llc Battery joint monitoring method and assembly
US10284191B2 (en) * 2015-07-31 2019-05-07 Texas Instruments Incorporated Protective circuit enabling different bias levels responsive to event faults
KR102574257B1 (ko) * 2015-10-30 2023-09-01 삼성전자주식회사 Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
WO2017201125A1 (fr) * 2016-05-18 2017-11-23 The Regents Of The University Of California Systèmes et procédés de commande de stockage d'énergie de batterie

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027342A2 (fr) * 2000-09-29 2002-04-04 Hydrogenics Corporation Mesure de l'impedance de piles a combustible
EP2778700A2 (fr) 2013-03-12 2014-09-17 Samsung SDI Co., Ltd. Appareil de prédiction d'état d'une batterie utilisant des transformées d'ondelettes discrètes
WO2015101570A1 (fr) * 2014-01-03 2015-07-09 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede, dispositif et systeme d'estimation de l'etat de sante d'une batterie d'un vehicule electrique ou hybride en condition d'utilisation, et procede de construction d'un modele pour une telle estimation
GB2527584A (en) * 2014-06-26 2015-12-30 Univ Cape Town Apparatus and method for determining the condition of an electricity-producing cell

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NADIA YOUSFI STEINER ET AL.: "International Journal of Hydrogen Energy", vol. 36, 11 October 2010, ELSEVIER SCIENCE PUBLISHERS, article "Non intrusive diagnosis of polymer electrolyte fuel cells by wavelet packet transform", pages: 740 - 746
NADIA YOUSFI STEINER ET AL: "Non intrusive diagnosis of polymer electrolyte fuel cells by wavelet packet transform", INTERNATIONAL JOURNAL OF HYDROGEN ENERGY, ELSEVIER SCIENCE PUBLISHERS B.V., BARKING, GB, vol. 36, no. 1, 11 October 2010 (2010-10-11), pages 740 - 746, XP028131002, ISSN: 0360-3199, [retrieved on 20101019], DOI: 10.1016/J.IJHYDENE.2010.10.033 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020153866A1 (fr) * 2019-01-24 2020-07-30 Siemens Aktiengesellschaft Procédé et système de surveillance d'un état de batterie à l'aide d'une batterie jumelle
CN113574402A (zh) * 2019-01-24 2021-10-29 西门子股份公司 使用电池孪生体来监测电池状态的方法和系统
US11999261B2 (en) 2019-01-24 2024-06-04 Siemens Aktiengesellschaft Method and system for monitoring a battery state utilizing a battery twin
EP4202458A4 (fr) * 2021-01-08 2024-04-03 LG Energy Solution, Ltd. Dispositif de diagnostic de batterie, système de batterie et procédé de diagnostic de batterie
FR3131089A1 (fr) * 2021-12-22 2023-06-23 Commissariat à l'énergie atomique et aux énergies alternatives Système de stockage d’énergie
EP4203234A1 (fr) * 2021-12-22 2023-06-28 Commissariat à l'énergie atomique et aux énergies alternatives Système de stockage d énergie

Also Published As

Publication number Publication date
JP2020522116A (ja) 2020-07-27
US11493560B2 (en) 2022-11-08
SG11201911468RA (en) 2020-01-30
FR3067124B1 (fr) 2019-07-05
FR3067124A1 (fr) 2018-12-07
IL271060B2 (en) 2024-03-01
CN111373586A (zh) 2020-07-03
CA3066012A1 (fr) 2018-12-06
CN111373586B (zh) 2023-05-26
KR20200026213A (ko) 2020-03-10
EP3631885A1 (fr) 2020-04-08
JP7221947B2 (ja) 2023-02-14
IL271060A (en) 2020-01-30
KR102564407B1 (ko) 2023-08-04
IL271060B1 (en) 2023-11-01
US20210141024A1 (en) 2021-05-13

Similar Documents

Publication Publication Date Title
FR3067124B1 (fr) Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic
EP2446370B1 (fr) Détection de défaut dans un dispositif électrochimique
EP2888599B1 (fr) Procédé d'estimation du vieillissement d'une batterie
EP2575205B1 (fr) Procédé et système de diagnostic de l'état interne d'une batterie par émission acoustique
EP2434304B1 (fr) Système et procédé de diagnostic in situ de batteries par spectroscopie d'impédance électrochimique
EP2410346B1 (fr) Procédé de détermination d'un paramètre d'au moins un accumulateur d'une batterie
EP2362234B1 (fr) Procédé non intrusif de détermination de l'impédance électrique d'une batterie
WO2015101570A1 (fr) Procede, dispositif et systeme d'estimation de l'etat de sante d'une batterie d'un vehicule electrique ou hybride en condition d'utilisation, et procede de construction d'un modele pour une telle estimation
WO2014096702A1 (fr) Localisation d'un ou plusieurs defauts dans un ensemble electrochimique.
EP3016277B1 (fr) Procédé de diagnostic d'un système photovoltaïque
EP3682368B1 (fr) Méthode de détermination du régime de fonctionnement d'un système, méthode de configuration d'un classifieur servant a identifier un tel régime, et dispositif de détermination d'un tel régime
EP0494012B1 (fr) Procédé et appareil pour la vérification de l'état d'isolement électrique d'un ouvrage électriquement conducteur
EP4386403A1 (fr) Procede et dispositif de determination d'un profil de sollicitation representatif de l'usage futur d'une batterie pour une application donnee
Pahon et al. Relative wavelet energy as a diagnosis tool for PEM fuel cells
FR3067501B1 (fr) Procede de traitement de la courbe de charge
FR2888331A1 (fr) Procede de controle de l'etat d'une pile a combustible
WO2023117739A1 (fr) Procede et dispositif de suivi de point de puissance maximale et de surveillance de degradation d'un module photovoltaique
EP4454122A1 (fr) Procede et dispositif de suivi de point de puissance maximale et de surveillance de degradation d'un module photovoltaique
EP2319117A1 (fr) Methode et dispositif pour representer numeriquement une tension
FR2932015A1 (fr) Dispositif et procede de controle de l'humidification de piles a combustibles dans un systeme comportant plusieurs piles a combustible.

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18730667

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 3066012

Country of ref document: CA

Ref document number: 2020516953

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20197038560

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018730667

Country of ref document: EP

Effective date: 20200102