Optimisation des stratégies de gestion thermique et de charge pour prolonger la durée de vie des batteries lithium-ion en utilisant l'intelligence artificielle et la modélisation prédictive

L'évolution du marché des véhicules électriques est indéniable, avec des avancées significatives dans l'extension de l'autonomie et des performances des véhicules. Au cœur de ces avancées se trouve la batterie de traction, en particulier les batteries lithium-ion. Leur durée de vie et leur performance sont influencées par divers facteurs, dont la température, l'état de charge et la demande de puissance. Prédire leur durée de vie, compte tenu de ces complexités, reste un défi. Ce projet de doctorat à l'IFPEN vise à relever ce défi en utilisant l'intelligence artificielle, en particulier le "Machine Learning", et la modélisation prédictive pour optimiser la gestion thermique et les stratégies de charge de ces batteries.
En tant que candidat(e) au doctorat, vous aurez accès à des bases de données de tests existantes, englobant des mesures électrothermiques sur diverses technologies de batteries lithium-ion. Vous mènerez également des expériences dans un laboratoire de batteries de pointe, allant de cellules individuelles à des niveaux de modules. Votre responsabilité principale sera d'utiliser l'intelligence artificielle et les algorithmes d'apprentissage automatique pour l'analyse des données et la modélisation prédictive.
Mots clés : Gestion thermique, Batteries lithium-ion, Intelligence artificielle, Modélisation prédictive, Optimisation de charge