7295

ETUDE ET ELABORATION D’UN SYSTEME DE
MAINTENANCE PREDICTIVE POUR LES

CONDENSATEURS ET LES BATTERIES UTILISES
DANS LES ALIMENTATIONS SANS
INTERRUPTIONS (ASI)
Karim Abdennadher
To cite this version:

Karim Abdennadher. ETUDE ET ELABORATION D’UN SYSTEME DE MAINTENANCE PRE-
DICTIVE POUR LES CONDENSATEURS ET LES BATTERIES UTILISES DANS LES ALIMEN-
TATIONS SANS INTERRUPTIONS (ASI). Automatique / Robotique. Université Claude Bernard -
Lyon I, 2010. Français. <tel-00532642v1>
HAL Id: tel-00532642

https://tel.archives-ouvertes.fr/tel-00532642v1
Submitted on 4 Nov 2010 (v1), last revised 29 Mar 2013 (v2)
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
N° d’ordre : 101 – 2010 Année 2010
THESE DE DOCTORAT
Présentée devant
L’UNIVERSITE CLAUDE BERNARD LYON 1
Pour l’obtention du grade de
DOCTEUR de l’UNIVERSITE de LYON 1
(Arrêté du 07 Août 2006)
Spécialité : GENIE ELECTRIQUE
Préparée au sein de
L’ECOLE DOCTORALE
ELECTRONIQUE, ELECTROTECHNIQUE, AUTOMATIQUE
DE LYON
Par
M. Mohamed Karim ABDENNADHER
Maître es Sciences EEA à Lyon

&
Ingénieur INSAT de Tunis
ETUDE ET ELABORATION D’UN SYSTEME DE MAINTENANCE PREDICTIVE

POUR LES CONDENSATEURS ET LES BATTERIES UTILISES DANS LES
ALIMENTATIONS SANS INTERRUPTIONS (ASI)
Soutenue le
25 Juin 2010
Devant le jury composé de
M. Christophe FORGEZ Maître de Conférences HDR, UTC Rapporteur

M. Pascal MAUSSION Professeur, INP Toulouse Rapporteur
M. Seddik BACHA Professeur, UJF Grenoble Président
M. Jean-Marie RETIF Professeur Emérite, INSA de Lyon Examinateur
M. Gérard ROJAT Professeur Emérite, Lyon 1 Directeur
M. Christophe ROSSET Ingénieur électronique, APC by Schneider Examinateur
M. Pascal VENET Professeur, Lyon 1 Co-directeur
2
A mes parents
A mes sœurs et mon petit frère
A mon grand père
4
REMERCIEMENTS
Le travail présenté dans ce document a été réalisé en collaboration entre le Laboratoire

AMPERE de l’université Lyon 1 et APC by Schneider à Montbonnot une entité du groupe
Schneider Electric.
Je tiens à exprimer mes remerciements au Professeur Pascal MAUSSION et Monsieur

Christophe FORGEZ de m’avoir fait l’honneur d’évaluer ce travail. Mes sincères
remerciements s’adressent aussi au Professeur Seddik BACHA pour avoir accepté de
participer à ce jury. Je suis très honoré de leur participation.
Je remercie tout particulièrement mon directeur de thèse Professeur Gérard ROJAT, mon co-
directeur de thèse Professeur Pascal VENET et Professeur Jean-Marie RETIF pour leurs
précieux conseils, ainsi que leur soutien pendant toutes ces années et je leur témoigne tout
mon respect et toute ma reconnaissance. La confiance qu’ils m’ont accordée m’a aidé à faire
face aux difficultés rencontrées tout au long de ce parcours. Durant ces années, j’ai pu
apprécier les qualités des grands chercheurs et des hommes.
Je voudrais exprimer toute ma reconnaissance à Christophe ROSSET pour son soutien

infaillible, pour sa généreuse humanité et pour tous les précieux conseils professionnels et
pédagogiques avisés qu’il a su me prodiguer tout au long de ces années. Merci cher collègue
et saches que sans toi, cette thèse n’aurait jamais pu se faire.
J’exprime une reconnaissance particulière aux membres de l’équipe ‘Anticipation’ et

particulièrement à Eric BRUN et aux autres personnes de l’équipe pour leur collaboration
depuis la période de ma présence au sein de l’entreprise : Marc, Jean, Alain, Serge, Corentin,
Robert, Adrien, Grégory, Mathieu et Dominique. Ma gratitude est grande vis-à-vis de mon
cher ami et collègue Olivier BERARD qui a contribué à ce travail avec des échanges
pertinents sur les différents résultats. Cette thèse leur doit beaucoup.
5
6
Ma reconnaissance et mes remerciements vont aux personnes de la R&D de APC by
Schneider à Montbonnot et notamment à Jean-Loup BONNET-MASIMBERT. J’ai tout
particulièrement apprécié les moments à la fois de mûre réflexion et de détente avec les
membres de ma nouvelle équipe ‘Hubble’ et spécialement avec Ludovic SOUDRIL, Laurent
PRUNEVILLE, Thierry THOMAS sans oublier : Christian, David, Sébastien, Alain, Nicolas,
Denis, Dominique, Gaël, Pascal, Gilbert, Bernard, Marion et Pamela.
Je remercie aussi toutes les personnes du laboratoire Ampère pour leur sympathie et leur
disponibilité ainsi que mes fidèles stagiaires : Jérémy DROUOT, Xin CHEN, Laid IDOUGHI
et An LI, qui avec leur soutien cette thèse a pu aboutir.
Avant de terminer, je voudrais dédier cette thèse à mes Parents. Spécialement à ma chère
Maman qui m’a soutenu en permanence et qui par ses conseils m’a toujours guidé dans mes
choix. Aussi, à mon cher Papa pour ses recommandations, son regard visionnaire et pour
l’ambition qui m’a fait nourrir au fil des années. Finalement un grand merci à mon grand père,
à mes deux chères sœurs Sonia et Mouna, mon cher petit Frère Ali et ma petite nièce Nadine
pour leur présence et soutiens infinis.
Merci enfin à mes amis et proches pour leurs encouragements : Jihène, Jamal, Mahdi,
Haytham et Monya.
7
8
SOMMAIRE
REMERCIEMENTS ------------------------------------------------------------------------------------- 5
SOMMAIRE ----------------------------------------------------------------------------------------------- 9
INTRODUCTION GENERALE--------------------------------------------------------------------- 15
CHAPITRE I : LES ALIMENTATIONS SANS INTERRUPTION : PRINCIPE DE

FONCTIONNEMENT, FIABILITE ET CONSTITUANTS------------------------------------ 21
1. INTRODUCTION -------------------------------------------------------------------------------- 23
2. PRESENTATION DU CAHIER DES CHARGES DU SYSTEME DE

SURVEILLANCE DES COMPOSANTS A RISQUES DES ASI -------------------------- 23
3. LES ALIMENTATIONS SANS INTERRUPTION (ASI) ------------------------------- 23
3.1. PRINCIPE DE FONCTIONNEMENT -------------------------------------------------------------------------------- 23
3.2. CONSTITUANTS----------------------------------------------------------------------------------------------------- 24
3.2.1. Le convertisseur AC/DC ------------------------------------------------------------------------------------------ 24
3.2.2. Le convertisseur DC/DC ------------------------------------------------------------------------------------------ 25
3.2.3. Le convertisseur DC/AC ------------------------------------------------------------------------------------------ 26
3.2.4. Une cellule de secours --------------------------------------------------------------------------------------------- 27
3.3. CAPTEURS PRESENTS DANS LES ASI ---------------------------------------------------------------------------- 28
4. LES CONDENSATEURS ELECTROLYTIQUES--------------------------------------- 28
4.1. PRESENTATION----------------------------------------------------------------------------------------------------- 28
4.2. PRINCIPE ET CONSTITUTION ------------------------------------------------------------------------------------- 29

4.2.1. Caractérisation de l’impédance des condensateurs ----------------------------------------------------------- 30
4.3. FIABILITE DES CONDENSATEURS ELECTROLYTIQUES ------------------------------------------------------- 31
4.4. METHODES EXISTANTES SUR LES TECHNIQUES DE PRONOSTIC DES DEFAILLANCES DES
CONDENSATEURS ELECTROLYTIQUES------------------------------------------------------------------------------------- 32
4.4.1. Module de prévision de défaillance des convertisseurs d’énergie------------------------------------------ 32
4.4.2. Brevet « Condensateur intelligent » [58] ----------------------------------------------------------------------- 35
4.4.3. Méthode basée sur le calcul de la puissance [34] ------------------------------------------------------------- 35
5. PRESENTATION DES BATTERIES AU PLOMB-------------------------------------- 36
5.1. PRINCIPE DE FONCTIONNEMENT -------------------------------------------------------------------------------- 37
5.2. CARACTERISTIQUES ELECTRIQUES ----------------------------------------------------------------------------- 38

5.2.1. Profil de décharge -------------------------------------------------------------------------------------------------- 38
5.2.2. Capacité de la batterie --------------------------------------------------------------------------------------------- 39
5.2.3. Etat de charge SOC ------------------------------------------------------------------------------------------------ 40
10
5.2.4. Etat de vieillissement ---------------------------------------------------------------------------------------------- 41
5.2.5. Résistance interne -------------------------------------------------------------------------------------------------- 41
5.2.6. Vieillissement ------------------------------------------------------------------------------------------------------- 42
5.2.7. Influence de la température --------------------------------------------------------------------------------------- 43
5.3. QUELQUES METHODES D’EVALUATION DE L’ETAT DE LA BATTERIE -------------------------------------- 44

5.3.1. Mesure des paramètres électriques (tension, courant et impédance)--------------------------------------- 44
5.3.2. Test de décharge galvano-statique------------------------------------------------------------------------------- 44
5.3.3. Méthode Ampère-heure-métrique [1] --------------------------------------------------------------------------- 44
5.3.4. Mesures de tension ------------------------------------------------------------------------------------------------- 46
5.3.5. Modèles basés sur la logique floue et les réseaux de neurones --------------------------------------------- 47
5.3.6. Méthode basée sur les filtres de Kalman ----------------------------------------------------------------------- 47
5.3.7. Récapitulatif --------------------------------------------------------------------------------------------------------- 48
6. PRESENTATION DU PRINCIPE DU SYSTEME DE SURVEILLANCE DES

COMPOSANTS A RISQUES :--------------------------------------------------------------------- 48
6.1. CONDENSATEURS ELECTROLYTIQUES -------------------------------------------------------------------------- 48
6.2. BATTERIES AU PLOMB --------------------------------------------------------------------------------------------- 49
7. CONCLUSION ----------------------------------------------------------------------------------- 49
CHAPITRE II : CARACTERISATION ET VIEILLISSEMENT ACCELERE DES

CONDENSATEURS ELECTROLYTIQUES---------------------------------------------------- 51
1. INTRODUCTION -------------------------------------------------------------------------------- 53
2. MODELISATION DU VIEILLISSEMENT ------------------------------------------------- 53
2.1. PARAMETRES A SURVEILLER [3] ---------------------------------------------------------------------------- 53

2.1.1. Influence de la température ambiante sur les paramètres du condensateur ------------------------------- 53
2.1.2. Influence de l’ondulation du courant sur les paramètres du condensateur -------------------------------- 54
3. PLAN EXPERIMENTAL----------------------------------------------------------------------- 55
3.1. PRESENTATION DES CONDENSATEURS EN TEST --------------------------------------------------------------- 55
3.2. EVOLUTION DES PARAMETRES EN FONCTION DE LA TEMPERATURE -------------------------------------- 56
3.3. INFLUENCE DE LA MISE SOUS TENSION DES CONDENSATEURS SUR LA CARACTERISATION ------------ 58
4. LOIS DE VIEILLISSEMENT DES CONDENSATEURS ELECTROLYTIQUES 59
4.1. MODELES DE VIEILLISSEMENT DE L’ESR --------------------------------------------------------------------- 59
4.2. LOI DE VIEILLISSEMENT DE LA CAPACITE C ------------------------------------------------------------------ 60
5. ESSAIS DE VIEILLISSEMENT ACCELERE : ------------------------------------------ 61
11
5.1. LE VIEILLISSEMENT STANDARD : ------------------------------------------------------------------------------- 61
5.2. RESULTATS EXPERIMENTAUX ----------------------------------------------------------------------------------- 62

5.2.1. Vieillissement à 85°C---------------------------------------------------------------------------------------------- 62
5.2.2. Vieillissement à 90°C---------------------------------------------------------------------------------------------- 65
5.3. DETERMINATION DES LOIS D’EVOLUTION DES PARAMETRES EN FONCTION DU TEMPS DE

VIEILLISSEMENT -------------------------------------------------------------------------------------------------------------- 67
6. ALGORITHME DE VIEILLISSEMENT ---------------------------------------------------- 71
7. CONCLUSION ----------------------------------------------------------------------------------- 75
CHAPITRE III : SYSTEME DE MAINTENANCE PREDICTIVE DES

CONDENSTEURS ELECTROLYTIQUES DANS LES ASI-------------------------------- 77
1. INTRODUCTION -------------------------------------------------------------------------------- 79
2. PRINCIPE ET SIMULATION DU SYSTEME -------------------------------------------- 79
2.1. CONVERTISSEUR DE PUISSANCE --------------------------------------------------------------------------------- 79
2.2. REGULATION DU HACHEUR PARALLELE----------------------------------------------------------------------- 81
2.3. SURVEILLANCE DES CONDENSATEURS ELECTROLYTIQUES ------------------------------------------------- 82
2.4. IDENTIFICATION EN TEMPS REEL DES PARAMETRES ELECTRIQUES DES CONDENSATEURS ------------ 85
3. ETUDE THEORIQUE ET RESULTATS DE SIMULATION -------------------------- 86
3.1. CONVERTISSEUR DC/DC----------------------------------------------------------------------------------------- 87

3.1.1. Mesure du courant-------------------------------------------------------------------------------------------------- 88
3.1.2. Résultats de simulation -------------------------------------------------------------------------------------------- 88
3.2. ANALYSE FFT (FAST FOURRIER TRANSFORM) --------------------------------------------------------------- 89
3.3. CONDENSATEURS EN PARALLELES------------------------------------------------------------------------------ 91
3.4. CONVERTISSEUR AC/DC----------------------------------------------------------------------------------------- 91

3.4.1. Identification séparée des deux paramètres ESR et C -------------------------------------------------------- 91
3.4.2. Résultats de simulation -------------------------------------------------------------------------------------------- 92
4. CONCEPTION D’UNE MAQUETTE ET RESULTATS EXPERIMENTAUX----- 94
4.1. PRESENTATION DE LA MAQUETTE ------------------------------------------------------------------------------ 94

4.1.1. Un transformateur d’isolement----------------------------------------------------------------------------------- 94
4.1.2. Un redresseur-------------------------------------------------------------------------------------------------------- 94
4.1.3. Une carte de puissance -------------------------------------------------------------------------------------------- 95
4.1.4. Une carte d’interface ----------------------------------------------------------------------------------------------- 95
4.1.5. Une carte d’acquisition et de contrôle/ commande ----------------------------------------------------------- 95
4.1.6. Une carte d’évaluation eZdspTMS320F2812------------------------------------------------------------------ 96
12
4.2. RESULTATS EXPERIMENTAUX ----------------------------------------------------------------------------------- 97
4.2.1. Fonctionnement en mode DC/DC :------------------------------------------------------------------------------ 98
4.2.2. Fonctionnement en mode AC/DC ------------------------------------------------------------------------------- 99
4.2.3. Gain variable -------------------------------------------------------------------------------------------------------100
5. CONCLUSION ----------------------------------------------------------------------------------104
CHAPITRE IV : ETUDE DE LA FAISABILITE D’UN SYSTEME TEMPS REEL DE

SURVEILLANCE D’ETAT DE CHARGE ET D’ETAT DE SANTE D’UNE BATTERIE
AU PLOMB ETANCHE DANS LES ASI -------------------------------------------------------105
1. INTRODUCTION -------------------------------------------------------------------------------107
2. MODELES ELECTRIQUES DES BATTERIES ----------------------------------------107
2.1. MODELE SIMPLE -------------------------------------------------------------------------------------------------- 107
2.2. MODELE DE THEVENIN ------------------------------------------------------------------------------------------ 108
2.3. MODELE RC------------------------------------------------------------------------------------------------------- 108
3. APPLICATION DU FILTRE DE KALMAN ETENDU ---------------------------------109
3.1. MISE EN ŒUVRE DU FILTRE DE KALMAN ETENDU (EKF) -------------------------------------------------- 110
3.2. DETERMINATION DES VALEURS INITIALES DES PARAMETRES DANS LE MODELE DE LA BATTERIE
UTILISEE [10]----------------------------------------------------------------------------------------------------------------- 115
3.3. RESULTATS DE SIMULATION ------------------------------------------------------------------------------------ 117

3.3.1. Simulation avec une entrée riche en fréquence---------------------------------------------------------------117
3.3.2. Simulation en ajoutant une résistance Rt dans le vecteur d’état x -----------------------------------------118
3.3.3. Simulation avec différentes matrices de covariance de bruits Q et R-------------------------------------120
3.3.4. Simulation pour deux batteries en série------------------------------------------------------------------------122
4. SPECTROSCOPIE D’IMPEDANCE DE LA BATTERIE ----------------------------124
4.1. PRINCIPE DU SPECTROMETRE D’IMPEDANCE ---------------------------------------------------------------- 124
4.2. MOYENS EXPERIMENTAUX -------------------------------------------------------------------------------------- 126
4.3. RESULTATS EXPERIMENTAUX ---------------------------------------------------------------------------------- 127
4.4. PROPOSITION D’UNE METHODE POUR ESTIMER LE SOH DE LA BATTERIE ----------------------------- 128
5. EXPERIMENTATION DE VIEILLISSEMENT-------------------------------------------130
5.1. MOYENS EXPERIMENTAUX -------------------------------------------------------------------------------------- 130
5.2. DUREE DE VIE DE LA BATTERIE--------------------------------------------------------------------------------- 132

5.2.1. Influence de la température --------------------------------------------------------------------------------------133
5.2.2. Etablissement du plan de vieillissement -----------------------------------------------------------------------133
13
6. CONCLUSION ----------------------------------------------------------------------------------135
CONCLUSION GENERALE-----------------------------------------------------------------------137
ANNEXES ----------------------------------------------------------------------------------------------143
ANNEXE 1 : ASPECTS PRATIQUES POUR LA MAQUETTE D’IDENTIFICATION DES PARAMETRES --------------- 145
Aspects pratiques de la méthode se basant sur la mesure de puissance ---------------------------------------------145
Identification des paramètres ESR et C -----------------------------------------------------------------------------------145
La carte d’évaluation eZdsp TMS320F2812-----------------------------------------------------------------------------148
Conception du transformateur d’intensité (TI) --------------------------------------------------------------------------150
Etude comparative sur les différents algorithmes d’estimation des paramètres------------------------------------151
ANNEXE 2 : PROGRAMMES UTILISES SUR MATLAB POUR LES CONDENSATEURS---------------------------------- 154

M.file sous Matlab utilisé pour les analyses FFT -----------------------------------------------------------------------154
Conditions, modèles et méthodes de simulation sous Matlab---------------------------------------------------------154
ANNEXE 3 : PROGRAMMES UTILISES SUR MATLAB POUR LA BATTERIE -------------------------------------------- 156

M-file : pour le module « Ident_MCR » pour identifier L et R de la batterie --------------------------------------156
ANNEXE 4 : RESULTATS DE SIMULATION POUR L’APPLICATION DE EKF SUR LA BATTERIE AU PLOMB --- 159
ANNEXE 5 : DATASHEET DE LA BATTERIE HRL634W [17]----------------------------------------------------------- 169
ANNEXE 6 : VIEILLISSEMENT DE LA BATTERIE ------------------------------------------------------------------------- 171

Sept procédures de vieillissement de la batterie [35] -------------------------------------------------------------------171
Programme pour l’expérimentation de vieillissement ------------------------------------------------------------------177
BIBLIOGRAPHIE-------------------------------------------------------------------------------------179
14
INTRODUCTION GENERALE
16
INTRODUCTION GENERALE
Dans beaucoup de domaines, les systèmes électroniques sont largement utilisés dans
de plus en plus d’application et en sont souvent les constituants clefs. Ces systèmes ont besoin
d’une énergie électrique de qualité. Pour assurer cette énergie de façon permanente, il existe
des systèmes d’alimentation spécifiques. Il s’agit des Alimentations Sans Interruptions (ASI).
Comme son nom l’indique, une ASI permet d’obtenir une énergie électrique sans
coupure grâce à des systèmes de stockage d’énergie, à savoir des batteries au plomb. Cette
énergie est aussi de qualité grâce à des topologies de puissance adaptées. Ces topologies sont
principalement constituées d’interrupteurs de puissance, d’inductances et de condensateurs.
Les principaux domaines d’application d’une ASI sont :
- le stockage de données numériques sécurisés et critiques tels que dans les banques,
les systèmes de télécommunications, etc.,
- l’industrie telle que l’aéronautique, l’automobile, la microélectronique, la chimie, la
pétrochimie, etc.,
- les marchés médicaux, militaires, nucléaires, etc.
Dans une ASI, l’événement principal redouté est la perte d’énergie en sortie. Pour
gérer cette problématique, des redondances sont proposées, soit en interne à l’ASI, soit en
externe au niveau du système.
Cependant, une ASI comme tout autre système peut tomber en panne. Une défaillance
de l’ASI induit une maintenance corrective donc une forme d’indisponibilité ce qui peut
représenter un coût important.
Pour ces raisons, des études poussées sont menées afin de connaître, d’une part, le
temps précis restant avant la panne et effectuer ainsi des opérations de maintenance
préventive juste à temps, d’autre part, pour connaître la cause des défaillances afin de mieux
les maîtriser dans le futur.
Pour atteindre ces objectifs, il faut tout d’abord déterminer les composants les plus à
risque ou qui représentent un enjeu économique important.
17
Dans une ASI, plusieurs composants sont sensibles. Il s’agit des ventilateurs, des
composants de puissance et des systèmes de stockage d’énergie. Parmi ceux-ci, les plus
sensibles sont les composants électrochimiques. Pour une ASI il s’agit des condensateurs
électrolytiques et des batteries au plomb.
De plus, des études [6] [49] ont montré que les condensateurs électrolytiques de
filtrage sont les composants les plus à risque des éléments constituant l’électronique de
puissance.
Quant aux batteries de secours utilisées dans les ASI elles ont des durées de vie très
limitées et représentent un coût important de l’installation globale. Ces deux aspects justifient
l’étude à conduire sur ce composant.
Pour ces raisons, cette thèse est centrée sur l’étude de la maintenance prédictive des
condensateurs électrolytiques et des batteries au plomb.
Pour les condensateurs électrolytiques, nous avons étudié un système de surveillance
et de prédiction de panne. Celui-ci permet une maintenance prédictive et peut permettre une
connaissance de la nature de la panne.
Pour les batteries, il est important de connaître leur état de santé (State of Health -
SoH) afin d’optimiser les opérations de maintenance préventive. Par ailleurs, une fonction
clef d’une ASI est de fournir une autonomie donnée à son utilisateur. Pour cela, il est
nécessaire de connaître son état de charge (State of Charge – SoC).
Pour atteindre ces objectifs, cette thèse est construite autour de quatre chapitres.
Dans le premier chapitre, nous présentons le contexte général de notre travail. Nous
expliquons l’architecture des convertisseurs de puissance supports de ces travaux. Ensuite,
nous examinons la technologie, les caractéristiques et la modélisation des condensateurs
électrolytiques, puis des batteries au plomb. Enfin, nous présentons les systèmes de
surveillance existants pour ces deux composants en soulignant leurs principaux inconvénients.
Ceci permet de proposer le cahier des charges qui seront mis en œuvre.
Dans le deuxième chapitre, pour les condensateurs électrolytiques, nous détaillons les
différentes étapes de caractérisation et de vieillissement. Puis nous présentons la procédure
expérimentale de vieillissement et les résultats associés. Enfin, nous exposons la méthode
d’implémentation de l’algorithme de vieillissement.
Dans le troisième chapitre, toujours pour les condensateurs électrolytiques, nous
présentons les résultats de simulation du système de maintenance prédictive que nous avons
retenu. Puis, nous abordons la partie expérimentale en décrivant le système développé. Enfin,
nous détaillons les cartes électroniques conçues et les algorithmes mis en œuvre et leurs
18
contraintes d’implémentation respectifs pour une réalisation temps réel.
Le dernier chapitre est consacré aux batteries au plomb étanches principalement
utilisées dans les ASI. Nous présentons les résultats de simulation du système de surveillance
retenu permettant d’obtenir le SOC et le SOH. Puis, nous détaillons la procédure
expérimentale de vieillissement en cycles de charge décharge de la batterie. Ensuite, nous
faisons des propositions d’amélioration de notre système permettant d’obtenir un SOH de plus
grande précision. Pour finir nous présentons une procédure expérimentale pour faire vieillir
une batterie par des cycles de charge / décharge. Le but est de valider un modèle électrique
simple et fiable représentant le fonctionnement de la batterie dans les ASI.
19
20
CHAPITRE I : LES ALIMENTATIONS SANS INTERRUPTION :
PRINCIPE DE FONCTIONNEMENT, FIABILITE ET CONSTITUANTS
22
FONCTIONNEMENT, FIABILITE ET CONSTITUANTS
1. INTRODUCTION
Dans ce premier chapitre, nous présentons l’alimentation sans interruption (ASI) sur laquelle
repose nos travaux. Après avoir exposé son fonctionnement, un point est fait sur la fiabilité de
ces composants, en particulier sur les éléments sensibles comme les condensateurs
électrolytiques et les batteries. Après avoir présenté l’état de l’art sur les systèmes de
surveillances existants, nous abordons d’une part, le système de surveillance et de
maintenance prédictive des condensateurs électrolytiques, et d’une autre part, le système
temps réel pour estimer l’état de charge et l’état de santé d’une batterie au plomb étanche.
2. PRESENTATION DU CAHIER DES CHARGES DU SYSTEME DE
SURVEILLANCE DES COMPOSANTS A RISQUES DES ASI

Les condensateurs électrolytiques et les batteries présentent une durée de vie limitée.
L’objectif de nos travaux est de surveiller l’état de santé de ces composants dans les
Alimentations Sans Interruption (ASI). Ce système de surveillance doit être implémenté dans
une ASI en respectant les contraintes économiques et industrielles suivantes :
- Ajouter le minimum de capteurs et si possible se contenter des capteurs utilisés pour le

fonctionnement du système
- Etre robuste : ce système doit être capable de fonctionner et de donner des indicateurs de
défaillance fiables en dépit de la variation de plusieurs paramètres (température, charge
appliquée, variation de la tension,…)
- Réagir en temps réel et sans devoir passer par une phase d’apprentissage
- Implémentation du système sur le DSP (Digital Signal Processing) utilisé actuellement
dans les ASI pour leur régulation et leur contrôle. Le système proposé doit donc être
implémenté en tâche de fond sans perturber le fonctionnement normal de l’ASI.
3. LES ALIMENTATIONS SANS INTERRUPTION (ASI)
3.1. PRINCIPE DE FONCTIONNEMENT

Les ASI sont utilisées d’une manière générale pour deux raisons principales :
23
- Assurer la continuité de l’énergie électrique en cas de coupure électrique au niveau du
réseau (une ASI comme son nom l’indique, est capable d’assurer l’alimentation de
certaines installations électriques pour une autonomie donnée).
- Améliorer la qualité de l’énergie électrique consommée afin de minimiser la
consommation en énergie électrique, (une ASI est capable de fournir une tension
sinusoïdale et de bonne qualité).
Une ASI peut être monophasée ou triphasée selon la puissance et l’application utilisée. Pour
une seule phase, le schéma bloc d’une ASI est montré sur la figure ci-dessous (Fig.1.1) :
Fig.1. 1 : Schématique complète d’une ASI
3.2. CONSTITUANTS
Les ASI sont constituées de plusieurs convertisseurs et composants pour permettre de générer
en continu et sans interruption une tension à la fréquence du réseau sinusoïdale présentant le
moins d’harmoniques possible. Ces composants comme le montre la Fig.1.1 sont au nombre
de quatre : un convertisseur AC/DC, un convertisseur DC/DC, un convertisseur DC/AC et une
cellule de secours appelée « bypass ».
3.2.1. Le convertisseur AC/DC

Le convertisseur AC/DC est appelé aussi PFC pour « Power Factor Corrector » ou correcteur
du facteur de puissance permet de transformer la tension alternative du réseau en tension
continue.
Le convertisseur PFC est généralement utilisé comme convertisseur d’entrée dans les ASI. Il
permet avoir un facteur de puissance le plus proche de 1. Le facteur de puissance FP (Power
Factor) est égal au rapport entre la puissance active (P) et la puissance apparente (S).
P
FP = (1.1)
S
La Fig.1.2 montre la topologie utilisée pour ce convertisseur
24
D1 D3 E1
I L L
IGBT1
r
Ve
Tension C Vc IGBT2
réseau
D2 E2
D4
Fig.1. 2 : Topologie d’un PFC

Le convertisseur PFC est une association d’un pont redresseur et d’un bras onduleur à
transistors qui sont les IGBTs (Insulated Gate Bipolar Transistor).
Un PFC permet de régler les tensions de sortie (E1 et E2) et le courant d’entrée I. Les diodes
D1 et D2 permettent de faire circuler le courant soit dans un sens ou dans un autre selon
l’alternance positive ou négative de la tension réseau. Les tensions (E1 et E2) de sortie
doivent être continues et présentant le moins d’ondulation possible. La valeur moyenne doit
être la plus proche possible d’une valeur fixée par la régulation. Par ailleurs, le prélèvement
du courant d’entrée I doit être le plus sinusoïdal possible à la fréquence du réseau et en phase
avec la tension.
Pour aboutir à ces résultats, la seule possibilité est d’agir sur le temps de conduction des
interrupteurs de puissance (IGBT1 et IGBT2). Nous essayons de contrôler l’angle de
commande (temps d’ouverture et/ou de fermeture) de ces transistors pour avoir les
caractéristiques souhaitées à la fois sur les tensions (E1 et E2) et sur le courant I.
3.2.2. Le convertisseur DC/DC
Le convertisseur DC/DC (cf. fig.1.1) est le hacheur batterie réversible en courant. En présence
de la tension réseau, ce convertisseur permet de charger les batteries. Lorsque le réseau
d’entrée disparaît et/ou est fortement dégradé, ce convertisseur permet de maintenir ses
tensions de sortie E1 E2 à une valeur suffisante et permet ainsi de délivrer la puissance
nécessaire. La Fig.1.3 représente la topologie qui est utilisée dans ce type de convertisseur :
25
Fig.1. 3 : Topologie d’un hacheur batterie réversible

3.2.3. Le convertisseur DC/AC
Le convertisseur DC/ AC appelé aussi onduleur permet d’obtenir une tension alternative à
partir d’une tension continue. Ce convertisseur est alimenté soit à partir de la tension
continue délivrée par le PFC en fonctionnement normal, soit par la batterie lorsque le
réseau d’entrée disparaît. L’objectif de ce convertisseur est de délivrer une tension
sinusoïdale à une fréquence fixe de 50 Hz ou 60 Hz (pour le marché américain) et ayant la
plus petite ondulation possible. Cette ondulation est évaluée à travers le taux de distorsion
harmonique de la tension (THDU) qui d’une manière générale doit être inférieur à 3 %. La
topologie multi-niveau (à neutre « clampé ») de ce convertisseur est présentée sur la
Fig.1.4 ci-dessous :
Fig.1. 4 : Topologie d’un convertisseur DC/AC (onduleur)

Selon le signe de la tension (Ve) et du courant (Iond), le fonctionnement de ce
convertisseur multi-niveau est décrit dans les quatre cadrans de la Fig.1.5 :
26
Vs > 0 - Im > 0 Vs > 0 - Im < 0

Q1 Q1 Q1 Q1
D3 D3 D3 D3
Q2 Q2 Q2 Q2
Im Im Im Im
Q3 Q3 Q3 Q3
Vs Vs Vs Vs
D4 D4 D4 D4
Q4 Q4 Q4 Q4
Charge roue librage Charge roue librage
Vs < 0 - Im < 0
Vs < 0 - Im > 0
Q1 Q1 Q1 Q1
D3 D3 D3 D3
Q2 Q2 Q2 Q2
Im Im Im Im
Q3 Q3 Q3 Q3
Vs Vs Vs Vs
D4 D4 D4 D4
Q4 Q4 Q4 Q4
Charge roue librage Charge roue librage
Fig.1. 5 : Les quatre cadrans expliquant le fonctionnement du convertisseur DC/AC multi-

niveau
Pendant le fonctionnement de ce convertisseur, la phase de charge permet de charger les
condensateurs de sortie et la phase de roue libre permet d’alimenter la charge connectée
au convertisseur.
3.2.4. Une cellule de secours

La cellule de secours appelée aussi ‘Bypass’ permet d’alimenter la charge directement à
travers un autre réseau (Réseau 2) dans le cas où l’ASI tombe en panne. Dans ce cas
l’interrupteur (SSOND) est ouvert (cf. Fig1.1). Il faut noter que ce mode de fonctionnement
est très rare. D’une manière générale, le réseau de secours (Réseau 2) peut être une autre
alternative d’alimentation électrique (un autre réseau électrique, groupe électrogène, …)
La cellule de commutation (SC) permet de déconnecter l’ASI de la sortie pour permettre

l’alimentation de la charge avec le réseau d’entrée directement.
Pour aboutir aux fonctionnalités désirées, les ASI sont constituées d’un grand nombre de
composants. Dans le cadre de nos travaux, nous nous sommes focalisés sur deux composants
indispensables mais à durée de vie limitée à savoir :
- Les condensateurs électrolytiques à l’aluminium : ces composants sont largement
utilisés dans les systèmes en électronique de puissance et notamment dans les ASI.
27
Grâce à leur capacité élevée pour un faible volume et un faible coût, ces condensateurs
sont traditionnellement utilisés pour le filtrage, le couplage et le by-passing.
- Les batteries aux plombs étanches : encore les plus utilisées de nos jours dans les ASI,
elles sont indispensables pour assurer la continuité de l’énergie électrique. Il faut
noter que selon l’autonomie souhaitée, ces composants représentent au minimum
30 % du prix global d’une ASI. D’autres alternatives peuvent être utilisées pour
diminuer et /ou remplacer les batteries aux plombs à savoir (les batteries Cadmium-
Nickel, les volants d’inertie, les supercondensateurs,…). Cependant, ces technologies
restent dans la majorité des cas, immatures et non compétitives si nous prenons en
compte tous les paramètres tels que le coût, la sécurité, la durée de vie, la surface au
sol, la quantité d’énergie massique, l’autonomie,...
Dans ce qui va suivre, nous allons présenter d’une manière détaillée, dans un premier temps
les condensateurs électrolytiques à l’aluminium puis les batteries au plomb étanches.
3.3. CAPTEURS PRESENTS DANS LES ASI

Dans chaque convertisseur, actuellement trois capteurs sont utilisés pour la régulation et la
commande de ceux-ci :
- un capteur mesurant la tension d’entrée du convertisseur,
- un capteur mesurant la tension de sortie du convertisseur,
- un capteur mesurant le courant à l’entrée du convertisseur.
Par ailleurs, un capteur mesure la température ambiante environnant l’ASI.
4. LES CONDENSATEURS ELECTROLYTIQUES
4.1. PRESENTATION
Comme tout autre condensateur (à films polypropylène, céramique, mica,…), un
condensateur électrolytique est un composant qui permet de stocker une quantité d’énergie
sous forme de charges électrostatiques. Ce composant est composé de deux armatures
conductrices (l’anode et la cathode) séparées par un matériau diélectrique à savoir l’oxyde
d’alumine ( AL2 O3 ). L’application d’un courant dans le condensateur génère une charge
électrique Q proportionnelle à la tension appliquée U et à la capacité entre l’anode et la
cathode (C AK ) emmagasinée dans le composant.
La relation entre la tension U appliquée à un condensateur, sa capacité CAK et l’énergie
stockée W est donnée par la relation suivante :
28
1 1
W= Q.U = C AK .U 2 (1.2)
2 2
Dans le cas d’un condensateur plan idéal comme le montre la Fig.1.6 [26][56], la valeur de la
capacité est donnée par l’équation suivante :
S
C AK = ε 0 .ε r . (1.3)
e
avec : ε0 la permittivité absolue du vide ( ε 0 = 8,854.10 12 F / m )
εr la permittivité relative ou constante diélectrique du matériau diélectrique,

S la surface des armatures en regard (m²) et
e l’épaisseur du diélectrique (m).
Fig.1. 6 : Vue d’un condensateur plan idéal

Selon les équations (1.2) et (1.3), pour accroitre l’énergie W stockée dans les condensateurs, il
faut augmenter la tension U appliquée, la permittivité relative ε r ainsi que la surface S et
diminuer l’épaisseur e.
4.2. PRINCIPE ET CONSTITUTION

Les différents constituants d’un condensateur électrolytique en aluminium sont représentés
sur la Fig.1.7 :
Fig.1. 7 : Constitution d’un condensateur électrolytique d’aluminium [56]

Pour atteindre des capacités importantes, il faut soigner le gravage de la feuille d’aluminium
constituant l’anode ce qui augmente la surface S et avoir une faible épaisseur e de la couche
d’oxyde.
29
4.2.1. Caractérisation de l’impédance des condensateurs
Le schéma équivalent électrique du condensateur électrolytique est donné par la (Fig1.8)
Fig.1. 8: Schéma équivalent des condensateurs électrolytiques [69]

avec :
CAK : Capacité idéale anode-cathode (élément principal du condensateur).
Rp : Résistance parallèle due aux couches d’alumine.
Rl : Résistance série des connexions, des armatures et du séparateur.
L : Inductance équivalente série des connexions et des enroulements.
Ce modèle peut être simplifié par le modèle équivalent suivant (Fig.1.9) :
Fig.1. 9 : Schéma équivalent Simplifié

avec
C : Capacité (dépendant de la fréquence)
ESR : Résistance équivalente série représentant toutes les pertes dans les condensateurs
(fonction de la fréquence).
ESL : Inductance équivalente série, identique à L, sa valeur est de quelques nH et est
dépendante de la fréquence.
D’après le modèle équivalent l’impédance Z C du condensateur est donnée par :
1 2
Z C = ESR 2 + (ESL.ω − ) (1.4)
C.ω
1
C=C AK .(1 + 2
) (1.5)
R p .C AK .ω 2
Rp
ESR = R 1 + (1.6)
1 + R p .C AK .ω 2
2 2
ESL = L = qq.nH (1.7)
30
4.3. FIABILITE DES CONDENSATEURS ELECTROLYTIQUES
L’évolution du nombre de pannes d’un condensateur électrolytique en fonction du temps est
représentée par une courbe en forme de baignoire (Fig.1.10)
Les condensateurs électrolytiques peuvent présenter plusieurs défaillances pouvant être liées
aux défauts de fabrication ou à leur usure normale et inévitable avec le fonctionnement. Pour
exprimer la défaillance au niveau de ces composants, quelques grandeurs mathématiques sont
utilisées et notamment le taux de défaillance λ(t). Cette grandeur est une probabilité
conditionnelle par unité de temps. λ(t) est souvent exprimée en 10 −6 / heure ou 10 −9 / heure
(pour dire défaillance/ 10 6 ou défaillance/ 10 9 ) et parfois FIT (Failure In Time) sachant qu’un
FIT est égal à une défaillance/109 h. λ(t) donne une mesure des risques pour qu'un dispositif
tombe en panne pendant l'intervalle de temps] t, t + ∆t] lorsque ∆t tend vers zéro, sachant que
ce dispositif a survécu jusqu'au temps t [57]. La courbe ci-dessous (Fig.1.9) (appelée aussi
courbe en baignoire) représente tous les défauts que peut subir un condensateur électrolytique
pendant sa vie.
Fig.1. 10 : Fiabilité des condensateurs électrolytiques en fonction du temps [56]

Cette courbe se décompose en trois parties [26] :
- La première période (1) constitue les défaillances précoce (t ≤ t a ) qui sont dues aux
défauts de jeunesse des composants. Le taux de défaillance λ (t) décroit pendant cette
période. Pour éliminer ces défaillances, il faut que les composants subissent un
déverminage [56].
- La deuxième période (2) (t ∈ ]t a , t b [ ) est la période où le taux de défaillance est
approximativement constant ce qui correspond à la durée de vie utile. Pendant cette
période, les défaillances sont généralement défaillances catalectiques.
- La troisième période (3) ( t ≥ t b ) est celle où le taux de défaillance augmente. Pendant
cette période, c’est les défaillances par dégradation qui apparaissent généralement.
Pour les condensateurs électrolytiques, cette phase correspond à l’évaporation de
l’électrolyte.
31
D’une manière générale, le taux de défaillance en fonction du temps peut être modélisé par la
loi de Weibull. Cette loi est donnée par l’équation suivante :
λ(t ) = α.c.t c −1 (1.8)
où c est un paramètre de forme (c>0) et α un paramètre d’échelle ( α ≥ 0 )
Selon[4][5][43], les condensateurs électrolytiques représentent environ 15% des pannes de
l’ensemble des convertisseurs de puissance. Ces pannes provoquent à la fois des pertes de
production dues aux arrêts intempestifs, la détérioration du matériel, d’où la nécessité de
mettre en place une redondance pour certaines installations sensibles. Comparativement aux
autres composants de l’électronique de puissance, le condensateur électrolytique est l’un des
composants les moins fiables[20][44][72]. Par exemple [4][49], explique que dans les
convertisseurs statiques d’énergie, ces composants sont responsables d’environ 50% des
pannes des composants de puissance. Les mécanismes de défaillance des condensateurs
électrolytiques sont nombreux. La dégradation de ces composants peut être due à un effet
combiné de contraintes électrique, thermique, mécanique.
L’usure principale est essentiellement le résultat de l’évaporation de l’électrolyte qui est
accéléré avec l’élévation de la température et du courant appliqué au condensateur. Cela
provoque une diminution de la capacité C et une augmentation de la résistance équivalente
série (ESR). Quelques références [6][57][60] suggèrent que le condensateur est considéré en
fin de vie si la résistance équivalente série (ESR) atteint le double de sa valeur initiale et/ou la
capacité présente une diminution de 20%. Les estimations de l’ESR et de la capacité C
constituent des signatures du vieillissement. Elles permettent en prenant en compte la
variation de la température de fonctionnement de surveiller l’état de santé des condensateurs
électrolytiques.
Plusieurs techniques présentées dans la littérature expliquent les procédures permettant
d’évaluer la valeur de l’ESR et/ou de la capacité.
4.4. METHODES EXISTANTES SUR LES TECHNIQUES DE PRONOSTIC DES

DEFAILLANCES DES CONDENSATEURS ELECTROLYTIQUES
Plusieurs méthodes existent dans la littérature pour la détection des défaillances des
condensateurs électrolytiques [12][23][47][48][51]. Les plus importants pour notre
application sont :
4.4.1. Module de prévision de défaillance des convertisseurs d’énergie
Le module de prévision de défaillance des convertisseurs d’énergie est une des méthodes
utilisées pour ressortir la valeur de la résistance ESR du condensateur en prenant en compte la
32
température qui lui est appliquée. Le principe de cette méthode est décrit sur la Fig.1.11
Fig.1. 11 : Méthode de surveillance des condensateurs[56]

En effet pour des condensateurs neufs, connaissant la valeur moyenne redressée du
fondamental de l’ondulation de la tension aux bornes du condensateur ( δVsf ) et le couple
(courant de sortie, tension d’entrée) (Is, Ve) du convertisseur comprenant le condensateur à
surveiller, nous pouvons déduire de la température ambiante Ta, la température T au niveau du
boîtier du condensateur et la valeur de la résistance ESR.
Une fois la valeur de la résistance ESR trouvée, elle est comparée avec celle d’un même
condensateur neuf pour pouvoir déduire l’état des condensateurs et la durée de vie restante.
La courbe ESR en fonction de la durée de vie des condensateurs pour une température T
donnée est déduite d’une courbe expérimentale obtenue lors d’un vieillissement accéléré des
condensateurs. Pour toute autre température T’ ≠ T, une autre loi d’évolution est considérée.
400
350 C ourbe interpolée
300 C ourbe déduite pour T’ > T
250
ESR (mΩ)
E SR
200
150
100
50
t’ t
0
0 500 1000 1500 2000 2500 3000 3500 4000
t (h eures)
Fig.1. 12 : Modèle expérimental approchant la loi de vieillissement à T=105° et à 66 kHz [28]

La Fig.1.12 montre qu’à partir d’un point (t, ESR) de la courbe interpolée à la température T,
33
nous pouvons déduire le temps de vieillissement à la température T’ grâce à la loi d’Arrhenius
donnée par la formule suivante :
t'  T − T' 
= exp E.  (1.10)
t  (T + 273).(T '+273) 
où E l’énergie d’activation divisée par la constante de Boltzmann. E est estimé à 4700 [1].
Le modèle défini par la relation suivante (1.11) permet aussi une bonne prédiction de
l’évolution de l’ESR en fonction de t et T [3][26] :
1 1   4700 
= .1 − h.t. exp −  (1.11)
ESR ( t ) ESR (0)   T + 273 
où :
ESR(t) est la valeur d’ESR à l’instant t.
ESR(0) est la valeur d’ESR à l’instant t = 0.
h est une constante qui dépend des dimensions et de la fabrication du condensateur.
t est le temps de vieillissement.
T est la température de vieillissement en degrés Celsius.
La Fig.1.13 montre la courbe théorique déduite de ce modèle. La constante k est ajustée par la
méthode des moindres carrés afin d’obtenir la meilleure approximation possible entre mesures
expérimentales et modèle.
Fig.1. 13 : Modèle théorique approchant la loi de vieillissement à T = 105 °C et à 66 kHz [4]
Inconvénient de cette méthode par rapport au projet

L’inconvénient majeur de cette méthode est qu’elle nécessite une phase d’apprentissage pour
récupérer l’ondulation de la tension aux bornes du condensateur ( δVsf ) et de la température
boîtier des condensateurs en fonction des valeurs Is, Ve et Ta. C’est cette phase
d’apprentissage qui permet ensuite l’évaluation de la résistance ESR permettant de remonter à
34
la durée de vie des condensateurs. Cette phase doit se faire sur le convertisseur à la sortie
d’usine ce qui représente une contrainte industrielle importante.
4.4.2. Brevet « Condensateur intelligent » [58]
Le brevet condensateur intelligent a été déposé dans le but de prévoir les pannes des
condensateurs en concevant un dispositif de surveillance économique. L’atout principal est de
passer d’une maintenance préventive à une maintenance prédictive avec une programmation
des opérations de maintenance.
Le principe de ce brevet est décrit par la Fig1.14, qui consiste à évaluer l’accroissement de
l’ESR [59] pour diagnostiquer le vieillissement, donc la défaillance prochaine en trois étapes
essentielles qui sont :
- mesurer la résistance ESR en ligne grâce à la mesure de la tension et du courant
- calculer l’ESR pour un même condensateur neuf grâce à la mesure de la température du
boîtier
- comparer ces deux grandeurs pour évaluer le vieillissement
Fig.1. 14 : Principe du brevet « condensateur Intelligent »

Cette méthode présente deux inconvénients majeurs
Le premier est que le système de surveillance est réalisé pour un seul condensateur, le
convertisseur de puissance, selon sa puissance de sortie, peut contenir plusieurs condensateurs
qui sont mis en parallèles et /ou en série. (Il faut remarquer que le fait d’utiliser un système de
surveillance pour chacun des condensateurs est une tâche à la fois couteuse et non pratique
pour l’insertion de ces produits au niveau industriel.)
Le second est que le système donne un signal d’avertissement juste avant que le condensateur
ne tombe en panne et ne permet pas d’évaluer le temps restant avant la défaillance, donc ne
permet pas de planifier des actions de maintenance.
4.4.3. Méthode basée sur le calcul de la puissance [34]
Nous allons aborder dans ce paragraphe une autre méthode qui permet d’évaluer la résistance
35
série ESR utilisant le principe de calcul de la puissance dissipée au sein du condensateur. Le
principe de cette méthode est représenté sur la figure suivante (Fig.1.15) :
Fig.1. 15 : Méthode basée sur le calcul de la puissance dissipée au sein du condensateur

D’après le modèle complet du condensateur présenté précédemment (cf. Fig.1.8), la puissance
totale dissipée au niveau du condensateur est représentée par la résistance série ESR
(représentant toute les pertes au niveau du condensateur). L’évaluation de l’ESR s’appuie sur
cet aspect. Au début, la puissance instantanée pc ainsi que la valeur de ic² sont calculées et ceci
en utilisant les mesures uC, AC et iC, AC représentant l’ondulation de la tension et du courant.
Ensuite, une fois la puissance moyenne et la valeur de ic² calculées et en utilisant un filtre
passe bas, la valeur de l’ESR désirée est déterminée en divisant les valeurs filtrées trouvées
(eq.1.8)
PC ,F
ESR = (1.12)
(i C ,F ) 2
Aspects pratiques de cette méthode

Cette méthode est principalement dédiée pour une implémentation numérique. L’opération de
division, nécessaire à la fin pour ressortir la valeur de ESR, doit être calculée à une petite
fréquence, sinon il faudra utiliser un calculateur performant et présentant une assez grande
puissance de calcul.
L’implémentation de cette méthode sur un système électriquement autonome utilisant un
calculateur moderne (microcontrôleur, DSP,..) connecté directement sur le condensateur
électrolytique est expliquée dans l’annexe (Annexe1).
Comme pour le brevet du condensateur intelligent [58], cette méthode présente l’inconvénient
d’être basée sur un système de surveillance individuelle (un pour chaque condensateur).
5. PRESENTATION DES BATTERIES AU PLOMB

Les batteries au plomb constituent l’autre composant à risque des ASI. Ce qui suit leur est
consacré.
36
Inventé par le physicien français Gaston Planté en 1895, la batterie au plomb a été la première
batterie rechargeable. Il existe deux principaux types de batteries au plomb :
- Les batteries appelées ‘flooded’ qui nécessite un entretien régulier qui consiste à
rajouter de l’eau au bout d’un certain temps
- Les batteries aux plombs étanches (VRLA) pour « Valve Regulated Lead-Acid» qui
ne nécessite pas d’entretien. Ces batteries sont de plus en plus utilisées dans plusieurs
applications (automobile, télécommunication) et notamment dans les ASI.
Comparativement à d’autres types de batteries (Lithium-Ion, Cadmium Nikel,..), les
VRLA batteries restent compétitives dans les ASI si plusieurs critères sont pris en
compte tels que le coût, la durée de vie et la surface massique).
5.1. PRINCIPE DE FONCTIONNEMENT

Comme tous les autres types de batterie, les batteries au plomb sont capables de convertir
l’énergie électrique en énergie chimique et réciproquement. Ces deux opérations s’appellent
respectivement charge et décharge.
Le fonctionnement d’un accumulateur au plomb réside dans le couplage de deux électrodes :
une électrode positive ( PbO 2 / PbSO4 ) et une négative ( Pb / PbSO 4 ) qui sont immergées dans
une solution d’acide sulfurique. Un schéma simplifié de la batterie au plomb est donné sur la
figure suivante (Fig.1.16)
Fig.1. 16 : Schéma de principe d’une batterie au plomb

Les réactions de charge/décharge aux électrodes sont données par les équations chimiques
suivantes :
A l’électrode positive :
décharge
PbO 2 + 3H 3+ O + HSO −4 + 2e − ⇔ PbSO 4 + 5H 2 O (1.13)
charge
A l’électrode négative :
37
décharge
Pb + HSO −4 + H 2 O ⇔ PbSO 4 + 2H 3+ O + 2e − (1.14)
charge
Soit pour la réaction globale appelée « double sulfatation » :

décharge
PbO 2 + 2H 2 SO 4 + Pb ⇔ 2PbSO 4 + 2H 2 O (1.15)
charge
Il existe aussi une réaction secondaire pendant les opérations de charge et de décharge.
Particulièrement en fin de charge, nous observons à l’électrode positive une électrolyse de
l’eau avec dégagement d’oxygène et à l’électrode négative un dégagement d’hydrogène, les
réactions secondaires sont les suivantes :
A l’électrode positive :
1
3H 2 O + → O 2 + 2H 3 O + + 2e − (1.16)
2
A l’électrode négative :
2H 3 O + + 2e − → 2H 2 O + H 2 (1.17)
D’où la réaction globale :
1
H 2O → O2 + H2 (1.18)
2
Ainsi pour les batteries au plomb de type « flooded » qui contiennent un électrolyte liquide, la
réaction secondaire résulte en une perte de l’eau, c’est la raison pour laquelle les batteries de
type « flooded » nécessitent une intervention humaine pour ajouter l’eau dans l’électrolyte.
Pour les batteries au plomb de type « VRLA » dont l’électrolyte est poreux, l’oxygène généré
à l’électrode positive peut atteindre l’électrode négative par les pores. Cet oxygène est réduit
en eau avec H + et e − de l’électrolyte. C’est pourquoi les batteries de type « VRLA » sont
sans maintenance. Une quantité de gaz peut être dégagée par la valve de sécurité seulement en
cas de surcharge sévère.
5.2. CARACTERISTIQUES ELECTRIQUES

5.2.1. Profil de décharge
L’évolution typique de la tension durant la décharge est montrée par la figure ci-dessous
(Fig.1.17).
38
Fig.1. 17 : Evolution de la tension durant la décharge de courant constant

Il y a trois parties distinctes :
- La partie coup de fouet : pour une batterie chargée, le phénomène de coup de fouet se
manifeste en début de décharge par une chute de tension brève avant que la tension ne
retrouve une valeur dite tension de plateau.
- La partie linéaire
- La partie hyperbolique : la tension dans cette partie décroît plus vite que dans la partie
linéaire
Quand le courant de décharge est coupé (à la fin de décharge), la tension de la batterie
augmente légèrement et se stabilise au bout de quelques heures à une valeur finale, cette
valeur finale de la tension est appelée tension de circuit ouvert (‘Open Circuit Voltage’, OCV)
qui est liée à l’état de charge (SOC) de la batterie.
Il faut noter que les batteries utilisées dans les ASI sont généralement soumises à des
décharges à puissance constante.
5.2.2. Capacité de la batterie
De façon générale, la capacité C d’une batterie est la quantité de charges électriques pouvant
être délivrée lors d’une décharge complète. La capacité C de la batterie est mesurée en
Ampère-heure, la formule ci-dessous montre la relation entre la capacité (C) et le courant de
décharge i(t) et le temps (t) :
C = ∫ i (t ).dt (1.19)
Avec :
C : la capacité de la batterie en Ampère-heure (Ah)
i(t) : le courant de décharge ou de charge en Ampère (A)
t : le temps en heure (h)
39
Il est à noter que si nous déchargeons la même batterie avec des courants constants I de
différentes valeurs et que nous définissons une même tension d’arrêt de la décharge, par la
relation C = I.t, nous pouvons trouver que la capacité de la batterie varie selon la valeur du
courant de décharge. Un tableau présenté dans les annexes (Annexe 5) donne les
caractéristiques de décharge avec courant constant pour une batterie 6V/ 34W. Un simple
calcul avec la relation (1.19) montre que la capacité de la batterie en Ampère-heure décroît
quand le courant de décharge augmente.
Nous pouvons rencontrer les notations du type C10 qui indique la quantité d’électricité que la
batterie peut fournir au cours d’une décharge complète à courant constant en dix heures. Le
courant correspondant est noté I10. Si C10 = 100 Ah, I10= 100 Ah / 10 h = 10 A = 0.1 C10.
5.2.3. Etat de charge SOC
L’état de charge d’une batterie peut être défini comme la capacité restante, c’est-à-dire la
quantité de charge en Ampère-heure qui serait délivrée si une décharge était effectuée dans les
conditions statiques (courant et température donnés), depuis l’état de charge actuel jusqu’aux
critères de fin de décharge prédéfinis. De façon normalisée, elle correspond le plus souvent au
rapport entre la capacité restante et la capacité nominale :
Cr Cn − Cu
SoC = = (1.20)
Cn Cn
Avec :
Cr : capacité restante en Ah
Cn : capacité nominale en Ah
Cu : capacité utilisée en Ah
L’état de charge varie ainsi de 1(ou 100%) qui correspond à l’état de pleine charge, à 0 (ou
0%) qui correspond à l’état déchargé.
L’état de charge est un état interne de la batterie et par conséquent ne peut pas être mesuré
directement. Heureusement, la tension de circuit ouvert de la batterie (OCV) donne une
information suffisamment précise sur l’état de charge. La tension de circuit ouvert est
directement liée à l’état de charge et la relation entre la tension de circuit ouvert et l’état de
charge est quasi indépendante de la température. La figure ci-dessous (Fig.1.18) montre un
exemple de relation entre l’OCV et le SOC sous différentes températures.
40
Tension de circuit ouvert (V)
Fig.1. 18 : Relation entre la tension de circuit ouvert et le SOC pour différentes températures
5.2.4. Etat de vieillissement
Si nous mesurons la capacité de la batterie avec la même méthode, nous allons trouver que la
capacité de la batterie décroît quand la batterie vieillit.
L’état de santé d’une batterie peut se définir comme la capacité totale restante de la batterie
par rapport à sa capacité totale initiale. Le SOH est donc lié à la quantité de charges en
Ampère-heure pouvant être délivrée si une décharge complète était effectuée à partir d’un état
de pleine charge. De façon normalisée, SOH se définit comme le rapport entre la capacité
totale mesurée et la capacité totale initiale (ou capacité nominale) :
Cm
SoH = (1.21)
C0
Avec :
Cm : capacité totale mesurée en Ah
C0 : capacité initiale (ou capacité nominale) en Ah
L’état de vieillissement varie ainsi de 1 (ou 100%) à 0 (ou 0%). Notons toutefois qu’en
pratique, l’état de santé sera généralement compris entre 1 et 0.8 (ou 100% et 80%), puisque
l’on considère généralement qu’une batterie a atteint sa fin de vie lorsqu’elle restitue moins de
80% de sa capacité initiale (ou capacité nominale).
5.2.5. Résistance interne
La résistance interne de la batterie n’est pas une valeur constante, elle varie selon l’état de
charge et l’état de vieillissement. De façon générale, la résistance interne d’une batterie
augmente quand l’état de charge décroît. De même, pour un état de charge donné, la
résistance interne d’une batterie augmente quand la batterie vieillit [25].
41
Fig.1. 19 : Résistance interne d’une batterie au plomb en fonction de la tension de circuit ouvert
5.2.6. Vieillissement
Comme tous les systèmes électriques avec période d’usure (cf. fig. 1.10), la batterie vieillit au
fur et à mesure de son usage. La diminution de la capacité en Ah par rapport à la capacité
initiale et l’augmentation de la résistance interne (voir de l’impédance) sont les principales
signatures de fin de vie d’une batterie. La Fig.1.20 donne un exemple d’évolution de la
capacité et de l’impédance pendant la vie de la batterie [53].
Fig.1. 20 : Evolution de la capacité et de l’impédance de la batterie

Les mécanismes de vieillissement de la batterie sont représentés principalement par les quatre
phénomènes.
Sulfatation irréversible
La sulfatation irréversible correspond à la formation de cristaux de sulfate de plomb par voie
chimique, au niveau de chaque électrode, à travers un processus de dissolution /
recristallisation. Ce phénomène peut être causé par plusieurs facteurs : une température de
fonctionnement élevée, une trop grande concentration d’acide ou encore une période
prolongée dans un état déchargé ou partiellement chargé.
Softening
Quand une batterie est soumise à des cycles successifs de charge et décharge, la variation
répétitive du volume de la matière active crée des changements de morphologie. Ce
changement est constaté par, une modification de la cohésion, de la distribution de PbO 2 et
de la taille des cristaux. Ces changements vont entraîner la perte de la matière active des
42
électrodes ce qui provoque une diminution progressive de capacité.
Corrosion
La corrosion se produit au niveau du collecteur de plomb de l’électrode positive, suite au
dégagement d’oxygène qui a lieu à cette électrode en fin de charge ou en charge ‘floating’
(batterie maintenue à tension constante). Ce phénomène est favorisé par un fonctionnement à
des états de charge et des températures élevées. Dans le cas des ASI, les batteries sont
toujours en charge ‘floating’, c’est-à-dire en charge en permanence, ce qui favorise la
génération du phénomène de corrosion.
Stratification
La stratification correspond aux gradients de concentration verticaux au sein de l’électrolyte.
Ce phénomène a rarement lieu parmi les batteries au plomb de type VRLA dont l’électrolyte
est gélifié.
5.2.7. Influence de la température
La température a une influence importante sur la capacité de la batterie. Les figures (Fig.1.21
et Fig.1.22) donnent un exemple des caractéristiques (tension en fonction du temps et
résistance interne) d’une cellule de la batterie au plomb sous différentes températures.
Fig.1. 21 : Influence de la température sur la décharge

Résistance interne (Ω)
Fig.1. 22 : Influence de la température sur la résistance interne
43
Compte tenu de la loi d’Arrhenius, la température a aussi des effets importants sur la durée de
vie des batteries au plomb. De façon empirique il est admis que lorsque la température
augmente de 10°C, la vitesse des réactions électrochimiques double et donc la durée de vie
moyenne des batteries diminue d’un facteur deux à chaque augmentation de 10°C car la
corrosion est accélérée.
Dans le paragraphe suivant nous allons présenter quelques méthodes proposées dans la
littérature pour évaluer l’état de la batterie.
5.3. QUELQUES METHODES D’EVALUATION DE L’ETAT DE LA BATTERIE

5.3.1. Mesure des paramètres électriques (tension, courant et impédance)
La mesure des paramètres électriques présente l’avantage d’être facilement accessible ce qui
permet de représenter le comportement global d’une batterie [68]. Pour évaluer les deux
paramètres qui nous intéressent à savoir l’état de charge (SOC) et l’état de santé (SOH)
plusieurs techniques sont présentées dans la littérature :
5.3.2. Test de décharge galvano-statique
A partir d’une batterie chargée, la capacité d’une batterie correspond à la quantité de courant
délivrée pendant la phase de décharge. Pour évaluer cette grandeur, une des méthodes les plus
directes est de mesurer le courant de décharge pour une décharge complète dans les mêmes
conditions de courant et de température. Cependant, cette méthode est inappropriée dans
certaines applications parce qu’elle nécessite l’arrêt complet pour pouvoir faire les tests.
5.3.3. Méthode Ampère-heure-métrique [1]
La méthode Ampère-métrique (dite aussi coulométrique) consiste à calculer le bilan du flux
de courant entrant et sortant sur un intervalle de temps. En connaissant la capacité totale et le
courant à chaque instant, cette méthode permet de calculer la quantité d’électricité chargée ou
déchargée de façon à avoir une idée précise en continu sur la capacité restante.
Avec C tot ( t 0 ) la capacité totale initiale et C(t) la capacité restante à l’instant (t), nous avons :
t
C( t )[Ah] = C tot (t 0 ) + ∫ (I c − I d )dt (1.22)
t0
avec I c le courant de charge et I d le courant de décharge.

Compte tenu des mécanismes de vieillissement, la capacité de la batterie diminue au fur et à
mesure de son fonctionnement.
L’équation (1.22) représentée pour un courant signé de la façon suivante :
44
t
C(t )[Ah] = C tot ( t 0 ) + ∫ I.dt (1.23)
t0
où I est le courant positif de charge ou négatif de décharge.

Au cours du fonctionnement de la batterie, l’algorithme de calcul de C(t) s’écrit sous la forme
normalisée suivante :
t
Ctot (t − 1) + ∫ I.dt
C
C( t )[%] = t −1
* 100 (1.24)
(t 0 )
t
o
t
L’avantage de cette méthode repose sur le fait qu’elle se base sur des mesures des grandeurs
macroscopiques (tension, courant, température) disponibles. Ces mesures peuvent être
réalisées en ligne par des dispositifs relativement simples et peu chers.
D’autre part, une fois maîtrisée, cette méthode peut être généralisable sur tous les types
d’accumulateurs électrochimiques.
Cette méthode permettant d’évaluer l’état de santé de la batterie (SOH) nécessite que
l’estimation et le calibrage, de la capacité initiale, des seuils de fin de charge et de fin de
décharge et de la capacité restante au cours de fonctionnement soient identifiés avec
précision. A défaut l’évaluation de l’état de santé est erronée. Il faut aussi souligner que
lorsque la batterie est soumise à des profils de charge et de décharge irréguliers, cette méthode
est difficile à mettre en place pour diverses raisons :
- une erreur sur la mesure du courant ou sur la fréquence d’échantillonnage (si le
système est numérisé) est intégrée et peut se répercuter sur l’estimation de la capacité
restante.
- en fonction des conditions de cyclage, l’efficacité de charge doit pouvoir être évaluée
avec précision pour éviter toute dérive sur l’estimation de la capacité restante. Cette
efficacité revient à évaluer les pertes de charges liées principalement à l’électrolyse de
l’eau dans le cas des accumulateurs au plomb. Quelques travaux proposent le calcul
des pertes de charges pour des applications photovoltaïques [1].
- Il est aussi nécessaire d’évaluer les pertes de la capacité qui peuvent intervenir lorsque
la batterie n’est pas utilisée (phénomène d’autodécharge) ou suite à des phénomènes
de dégradations diverses.
- Enfin, tout changement au niveau des conditions de cyclage conduit non seulement au
changement de la capacité totale (sur laquelle est basé le calcul du courant intégré),
mais aussi à une nouvelle valeur de la capacité restante à l’instant (t-1).
45
5.3.4. Mesures de tension
Plusieurs méthodes d’évaluation de l’état de la batterie reposent sur les mesures de tension à
savoir :
- la tension de service : la mesure de cette tension constitue la méthode la plus directe et
la plus fréquente dans l’estimation de l’état de charge. Cependant, cette tension
dépend des conditions d’utilisation (courant, température, état de santé)
- la tension d’équilibre : dite aussi tension de circuit ouvert, tension de repos, tension à
vide ou encore tension d’abandon. Cette mesure permet de s’affranchir de certaines
conditions d’utilisation. D’une manière générale, cette mesure est liée directement
avec l’état de charge comme le montre la figure ci-dessous (Fig.1.23)
Fig.1. 23 : Evolution de l’état de charge en fonction de la tension de circuit ouvert [75]

- L’analyse du coup de fouet : Cette méthode présentée par plusieurs références
bibliographiques [7][15][16][63][67] a montré qu’il existe une relation linéaire entre la
tension au point bas (though voltage), la tension de plateau (Fig.1.24) [63] et la
capacité de la batterie et par suite son état de santé.
Tension (V)
Temps (minutes)
Fig.1. 24 : Le phénomène du coup de fouet d’une batterie [63]
46
5.3.5. Modèles basés sur la logique floue et les réseaux de neurones
Plusieurs techniques de contrôle par logique flou [8][54] et /ou de réseaux de neurones
artificiels [14][74][77] ont été développées. Ces deux techniques sont employées pour
l’estimation de SOH/ SOC comme l’explique la référence [64].
La logique floue est utilisée pour modéliser des systèmes pour lesquels il y a plusieurs
facteurs ayant des niveaux d’importance changeants. Les réseaux de neurones sont adaptables
et capables de suivre une information changeante en fonction des différents paramètres du
système. L’utilisation de ces deux techniques d’une manière combinée ou séparée réduit alors
l’intégration de constantes dérivatives et permet ainsi de diagnostiquer d’une manière
dynamique les batteries. Cependant, les variations de configuration et d’utilisation des
batteries aux plombs impliquent un nombre de saisies de données important pour
l’apprentissage du système. De plus, ces modèles mathématiques impliquent dans la majorité
des cas le recours aux différentes méthodes présentées précédemment (mesure de tension,
impédance,…).
5.3.6. Méthode basée sur les filtres de Kalman
L’estimation du SOC et du SOH par la méthode des filtres de Kalman est une technique
présentée par plusieurs références bibliographiques [13][18][21][33][45][46]. Cette méthode
se base sur un modèle électrique précis de la batterie et sur les mesures de tension et de
courant de la batterie et de la température ambiante. En effet, le filtre de Kalman permet
d’estimer en temps réel l’évolution de certains états du modèle électrique choisi. Cette
évolution permet de donner une idée sur le SOC et le SOH de la batterie en fonction de la
température. Une représentation de l’application de cette méthode pour une batterie nickel-
hydrure métallique (NimH) est illustrée dans la Fig.1.25.
Fig.1. 25 : Application du filtre de Kalman pour estimer l’état de santé (SOH) d’une batterie
47
5.3.7. Récapitulatif
Nous présentons dans le tableau ci-dessous un récapitulatif des différentes méthodes de
diagnostic de l’état de charge et /ou de l’état de santé d’une batterie expliquées dans ce
chapitre. Ce tableau est inspiré de tableaux récapitulatifs similaires présentés dans les
références [1][24][67].
De notre côté, nous avons choisi une méthode basée sur les filtres de Kalman et notamment
sur la modélisation sous forme de circuit électrique pour évaluer l’état de la batterie en temps
réel. Le choix de cette méthode et la procédure de mise en œuvre sont expliqués plus en
détails dans le dernier chapitre de la thèse.
Tableau 1. 1 : Les différentes méthodes, leurs avantages et leurs inconvénients pour l’estimation
de l’état de la batterie
Méthodes SOC SOH Avantages Inconvénients
Arrêt de l’application,
Evaluation précise de la capacité, et
Test de décharge χ √ consommation d’énergie, durée
donc du SOH
de mesure assez longue
Sensible aux conditions de
Evaluation en continu du SOC et du
fonctionnement et aux réactions
Ampère-heure-métrie √ √ SOH : évaluation continue en cours
parasites, nécessite des points
de fonctionnement
de calibrage réguliers
Arrêt de l’application et période
Tension de repos
√ √)
(√ Variation linéaire avec le SOC de relaxation nécessaire ;
(circuit ouvert)
influence du vieillissement
Evaluation en cours du Influence des conditions de
Tension aux bornes
√ √ fonctionnement, bon marché, fonctionnement et du
(circuit fermé)
critères d’évaluation connus vieillissement
Evaluation en cours de
Influence de l’historique
fonctionnement : faible influence
électrique de la batterie,
Les filtres de Kalman √ √ des conditions de fonctionnement ;
modèles de vieillissement
informations relatives au SOC et
nécessaires
SOH
Modèles
Apporte généralement une Nécessité d’études
mathématiques
√)
(√ √)
(√ compréhension plus fine des préliminaires approfondies,
(logique floue, réseaux
mécanismes en jeu difficilement généralisable
de neurones,..)
√ / χ : Information respectivement accessible / non accessible (√
√) : Information difficilement accessible
6. PRESENTATION DU PRINCIPE DU SYSTEME DE

SURVEILLANCE DES COMPOSANTS A RISQUES :
6.1. CONDENSATEURS ELECTROLYTIQUES

Notre objectif est de proposer une nouvelle méthode qui permet de détecter en temps réel
l’évolution de l’ESR et de la capacité en vue de réaliser un système de surveillance et de
maintenance prédictive des condensateurs électrolytiques.
La procédure de réalisation expérimentale de ce projet est donnée par la Fig.1.26 :
48
Mesure de la DSP
tension (Udc)
C Avertissement sur les
Algorithme défaillances des
C
d’identification Traitement des condensateurs et leurs
Mesure de la A ESR
des paramètres paramètres causes
température N
(ESR et C)
ambiante (Ta)
Algorithme de
Mesure du vieillissement du Nombre d’heures
courant Ta condensateur avant la panne
Fig.1. 26 : Procédure de réalisation expérimentale du système de surveillance et de maintenance

prédictive des condensateurs électrolytiques
Il y a deux grandes phases dans ce projet qui sont l’identification en temps réel des paramètres
ESR et C d’un condensateur et la mise en place de l’algorithme de vieillissement utilisé pour
ces composants. La réalisation et les résultats de ces deux phases seront détaillés
respectivement dans les chapitres II et III de la thèse.
6.2. BATTERIES AU PLOMB

Les batteries au plomb étanches sont les plus utilisées dans les ASI. Dans notre application,
l’algorithme de vieillissement requiert la connaissance de deux paramètres fondamentaux
nécessitant d’être estimer en temps réel :
- L’état de charge, c’est à dire le SOC (State Of Charge) qui donne une indication sur
l’autonomie restante en cas de disparation du réseau électrique. Cette information est
très importante dans les ASI car elle permet de connaître le temps de vie restant. Cette
connaissance permettra de trouver une autre source alternative et de ne pas avoir ainsi
de coupure électrique
- L’état de santé, connu par SOH (State Of Health) donne une estimation sur le temps
restant avant la panne. Cette indication permet de prévoir les maintenances prédictives
aux instants adéquats et maîtriser encore plus le coût non négligeable des batteries.
7. CONCLUSION
Dans ce premier chapitre, nous avons cerné le contexte général du projet. Tout d’abord, après
avoir évoqué le cahier des charges du système de surveillance des composants à risques, nous
avons décrit le fonctionnement et la topologie des convertisseurs de puissance utilisés dans les
ASI. Ensuite, nous avons expliqué le fonctionnement et le vieillissement des condensateurs
électrolytiques et des batteries sur lesquels nous allons travailler. Par la suite, nous avons
présenté les systèmes de surveillance existants et leurs inconvénients par rapport aux
49
contraintes temporelles et économiques imposées par l’industrie. Enfin, nous avons présenté
le principe du système de surveillance adopté.
50
CHAPITRE II : CARACTERISATION ET VIEILLISSEMENT
ACCELERE DES CONDENSATEURS ELECTROLYTIQUES
52
CONDENSATEURS ELECTROLYTIQUES
1. INTRODUCTION
Ce chapitre est consacré à l’étude du vieillissement des condensateurs électrolytiques et à la
détermination des lois d’évolution des paramètres internes de ces condensateurs à savoir la
résistance équivalente série (ESR) et la capacité (C). Ces lois d’évolution des paramètres
seront utilisées pour l’algorithme de vieillissement qui sera intégré au niveau du DSP et ceci
dans le cadre du système de surveillance et de maintenance prédictive des condensateurs
électrolytiques utilisés dans les ASI expliqué dans le premier chapitre.
Les travaux sont répartis en deux étapes principales afin de déterminer toutes les lois
d’évolution en fonction de la température, de la fréquence et de la durée. Tout d’abord les
condensateurs sont caractérisés à différentes températures (de -20°C à 85°C). Cela permet de
déterminer les lois de variation de la résistance ESR et de la capacité C en fonction de la
température. En deuxième partie, deux vieillissements standards en température sont effectués
(85°C et 90°C). Ce type de vieillissement consiste à contraindre les composants sous tension
nominale et à température maximale d’utilisation dans une enceinte climatique. Cela permet
d’analyser le comportement des paramètres des condensateurs en fonction du temps et de
déterminer les lois de vieillissement des paramètres ESR et C de chaque composant.
Ce chapitre présente des résultats expérimentaux de la caractérisation en température et du
vieillissement standard pour les deux températures après un certain nombre d’heures de
vieillissement de différents types de condensateurs électrolytiques pour différents fabricants.
2. MODELISATION DU VIEILLISSEMENT
2.1. PARAMETRES A SURVEILLER [3]

Deux paramètres principaux influencent directement le vieillissement des condensateurs :
- la température de fonctionnement
- l’ondulation du courant appliquée aux condensateurs
2.1.1. Influence de la température ambiante sur les paramètres du
condensateur
Sur la figure ci-dessous (Fig.2.1), nous représentons un exemple de la variation de la
résistance équivalente série (ESR) en fonction de la température pour un condensateur 2200
µF, 105 °C, 420V.
53
ESR = f (temp) à 1kHz
140
120
100
ESR (mohm)
80
60
40
20
0
0 20 40 60 80 100
temp (°C)
Fig.2. 1 : Variation d’ESR en fonction de la température ambiante pour des condensateurs neufs
D’après cette courbe, nous observons que la résistance ESR décroît considérablement avec
l’augmentation de la température ambiante. Pour une température allant de 90°C à 0°C, la
valeur de l’ESR passe de 90mΩ à quelques mΩ.
La température au sein du condensateur est le facteur le plus influant sur son vieillissement et
donc sur sa durée de vie, d’où la nécessité d’un capteur de température pour pouvoir mettre en
place un système de surveillance et de prédiction de panne de ces condensateurs.
2.1.2. Influence de l’ondulation du courant sur les paramètres du
condensateur
Un condensateur électrolytique est souvent soumis à des tensions alternatives donc traversé
par des ondulations de courant provoquant des pertes Joule du composant d’où son
échauffement.
La puissance P dissipée par le composant est le produit de l’ESR du condensateur avec le
courant I au carré, courant I correspondant à la valeur efficace de l’ondulation de courant.
Comme la résistance ESR dépend de la fréquence, le calcul de la puissance P se fait en
additionnant les puissances relatives à chacun des harmoniques du courant. Comme ESR
dépend aussi de la température du composant, elle est calculée soit à une température de
référence, soit à la vraie température du condensateur.
Bien que ce soit la température Tc au cœur du condensateur qui détermine réellement la durée
de vie du condensateur, la température Tb sur une borne du composant peut constituer une
très bonne température de référence pour étudier le vieillissement des condensateurs car elle
est facile à mesurer et est proche de la température Tc compte tenu d’une bonne conductivité
thermique existant entre cœur et borne.
ESR .I 2 P
Tb − Ta = = (2.1)
H .S H .S
54
Avec :
H : Une constante W°C-1.m-² traduisant le transfert de chaleur par unité de surface,
S : la surface en m² du condensateur qui est directement en contact avec le milieu ambiant,
Ta la température ambiante.
Les températures Ta et Tb jouent un rôle important dans le vieillissement des condensateurs et
doivent être prises en compte pour prédire la défaillance des condensateurs.
3. PLAN EXPERIMENTAL
3.1. PRESENTATION DES CONDENSATEURS EN TEST
L’ensemble des condensateurs dont nous disposons est prévu pour fonctionner dans des
températures ambiantes allant de -25°C à 85°C. Tous les condensateurs utilisés sont classés en
fonction du type et du fabricant (FAB1 à FAB4) dans le tableau 1 ci-dessous. Pour chaque
fabricant nous avons 4 à 5 composants indiqués référencés par des lettres A, B…à Q et pour
chaque série nous disposons de 3 composants de même caractéristiques électriques avec une
tolérance sur la capacité de ± 20% .
A chaque composant peut donc être attribué un indice 1, 2 ou 3 (exemple A1, A2 et A3). Tous
les condensateurs sont caractérisés tout d’abord en fonction de la température pour déterminer
les lois d’évolution des paramètres.
Tableau 2. 1 : Les condensateurs utilisés en fonction du type et du fabricant
Fabricant Numérotation Capacité à +/- 20% (µF) Tension (V) ESR Max à 25°C/100Hz (mΩ)
A (3Cond) 1000 450 102
B (3Cond) 1000 450 72.6
C (3Cond) 470 450 177.6
FAB1 D (3Cond) 470 400 113
E (3Cond) 1000 400 48.6
F (3Cond) 470 450 317.6
G (3Cond) 470 400 254.6
H (3Cond) 560 450 174
FAB2
I (3Cond) 560 400 179.6
J (3Cond) 470 400 160.3
K (3Cond) 470 450 154.3

FAB3 L (3Cond) 1000 400 63.3
M (3Cond) 1000 450 40.3
55
N (3Cond) 470 400 151
O (3Cond) 470 450 218

FAB4 P (3Cond) 560 400 131.3
Q (3Cond) 560 450 221
D’après ce tableau, nous remarquons que pour des condensateurs de même valeurs nominales
(capacité et tension), les valeurs des résistances équivalentes série (ESR) varient pour un
même fabricant et d’un fabriquant à un autre. Cette variation sur les valeurs de l’ESR est
expliquée par le fait que les industriels utilisent des processus et des matériaux de fabrication
différents [26].
3.2. EVOLUTION DES PARAMETRES EN FONCTION DE LA TEMPERATURE

Cette première étape consiste à déterminer les lois d’évolution des paramètres électriques
(ESR, C) en fonction de la température. Ces lois permettront de déterminer les valeurs d’ESR
et de C à chaque température de fonctionnement pour pouvoir utiliser par la suite la loi de
vieillissement appropriée.
La Fig.2.2 montre les variations de la résistance ESR et de la capacité C en fonction de la
fréquence pour différentes températures (allant de -20°C à 85°C) d’un condensateur (470µF,
400V). Les résultats obtenus sont pratiquement les mêmes pour les autres composants du
même fabricant.
Fig.2. 2 : Variation des paramètres électriques en fonction de la fréquence pour différentes

températures du condensateur FAB2 G1 (470µF, 400V)
Nous constatons à travers ces résultats une diminution de l’ESR et une augmentation de la
capacité avec l’augmentation de la température. De même, nous remarquons une forte
variation d’ESR à basse température allant de 10 à 70% d’ESR pour une variation de 15°C.
Ces variations en température entrainent une modification de la fréquence de résonance [26].
Ces variations sont dues avant tout au changement de viscosité de l’électrolyte lorsque la
température décroît ce qui diminue sa conductivité. En outre, les variations de la température
56
peuvent engendrer une dilatation des armatures qui modifie aussi la valeur de la capacité [38].
Les variations de l’ESR et de la capacité C en fonction de la température pour un
condensateur 1000µF / 450V sont représentées sur la Fig.2.3. Ces variations sont choisies
pour une fréquence de fonctionnement de 200Hz pour la capacité et une fréquence de 20kHz
pour l’ESR. Ces fréquences correspondent à celles utilisées pour identifier les paramètres
ESR et C en ligne dans les ASI.
Fig.2. 3 : Variation des paramètres électriques en fonction de la température du condensateur

FAB3 M1 (1000µF, 450V)
L’ESR décroit de manière exponentielle et cette variation peut s’exprimer par une loi de la
forme suivante :
 − Tc 
 γ 
ESR (T ) = α + β. e  
(2.2)
Les paramètres de cette loi sont déterminés par la méthode des moindres carrés non linéaire
de Levenberg Marquardt qui permet une approximation très proche du modèle.
Avec : α, β et γ coefficients dépendants du composant.
Tc : température au cœur du composant en °C.
Pour l’exemple présenté sur la Fig.2.3 nous obtenons les valeurs suivantes :
α = 13m Ω β = 0.76 Ω γ = 14.88 °C
Sur l’ensemble des mesures de la capacité des condensateurs, nous remarquons que la
variation de la capacité en fonction de la température est approximativement linéaire et peut
s'exprimer tout simplement par une loi linéaire de la forme :
C(T ) = χ + λ.Tc (2.3)
Les paramètres sont déterminés de la même façon que ceux identifiés pour l’ESR en fonction
de la température.
Avec : χ et λ coefficients dépendants du composant.
Tc : température du composant.
Pour l’exemple présenté sur la Fig.2.3 nous obtenons les valeurs suivantes :
57
χ = 0.8 mF λ = 4,6.10 −0, 007 F / °C
De la même façon, nous déterminons les valeurs de chaque paramètre de tous les composants
en test. Ces lois permettent de déterminer les valeurs d’ESR et de la capacité à différentes
température.
3.3. INFLUENCE DE LA MISE SOUS TENSION DES CONDENSATEURS SUR LA

CARACTERISATION
Cette partie consiste à étudier l’influence de l’application de la tension sur la caractérisation
(mesures des paramètres électriques du condensateur en fonction de la fréquence) et faire une
comparaison sur les résultats obtenus.
Les condensateurs ont été caractérisés à leur état neuf et mis sous tension pendant 52h à 400V
à 25°C. Ensuite, ils sont soumis à une deuxième caractérisation dans les mêmes conditions
que la première, les résultats obtenus sont présentés sur les figures (Fig.2.4 et Fig.2.5). Ils
illustrent les variations de la résistance ESR et la capacité C respectivement en fonction de la
fréquence à 25°C, pour un condensateur de 470µF /400V.
Les courbes montrent que la résistance ESR après la mise sous tension a diminué, tandis que
la capacité C a augmenté et ceci pour tous les condensateurs ayant subit ce test. A haute
fréquence, nous ne pouvons pas conclure à cause des erreurs de mesure dues à
l’impédancemètre (cf. les barres sur la Fig.2.4 à droite) . Pour les fréquences basses
(inférieures à 200kHz ), nous remarquons clairement l’influence de l’application de la tension.
Lorsque nous appliquons de nouveau une tension aux bornes d’un condensateur électrolytique
après qu’il soit resté hors tension durant un certain temps, la couche d’oxyde d’alumine se
reforme et le condensateur retrouve ces performances initiales. Les points faibles de la couche
d’oxyde d’alumine sont alors éliminés ce qui fait augmenter de nouveau sa capacité et
diminuer sa résistance. Ce phénomène est appelé l’auto-régénération.
Pour établir des lois de vieillissement correctes, il est donc important de placer les
condensateurs initialement sous tension pendant quelques heures pour obtenir une
caractérisation fiable.
Fig.2. 4 : Résultats de caractérisation sur ESR avant et après la mise sous tension du
condensateur 470µF et 400V à 25°C
58
Fig.2. 5 : Résultats de caractérisation sur la capacité C avant et après la mise sous tension du
condensateur 470µF et 400V à 25°C
Dans cette première partie du travail, les lois d’évolution des paramètres électriques ESR et C
des condensateurs dont nous disposons en fonction de la température ont été déterminées.
Ensuite, nous avons lancé le vieillissement accéléré des condensateurs afin d’évaluer les lois
d’évolution des paramètres électriques en fonction du temps.
4. LOIS DE VIEILLISSEMENT DES CONDENSATEURS ELECTROLYTIQUES

4.1. MODELES DE VIEILLISSEMENT DE L’ESR
La résistance équivalente série ESR est un indicateur de vieillissement qui dépend
essentiellement de la résistivité de l’électrolyte dans les condensateurs électrolytiques à
l’aluminium. Son augmentation en fonction du temps dépend du type d’électrolyte utilisé dans
le condensateur.
Trois modèles en forme d’exponentielle on été proposé[27] permettant de définir l’évolution
de l’ESR en fonction du temps de fonctionnement t fonc _ ESR pour une température de
fonctionnement donnée. Ces lois sont représentées par les trois modèles suivants :
Modèle « 1 » : ESR1 ( t fonc _ ESR ) = (ESR(0) + X1 ).e

( Z1 .t fonc _ ESR )
(2.4)
(
Modèle « 2 » : ESR 2 ( t fonc _ ESR ) = ESR (0). X 2 + Y2 . e
( Z 2 . t fonc _ ESR )
) (2.5)
(
Modèle « 3 » : ESR 3 ( t fonc _ ESR ) = ESR (0). X 3 + Y3 .t v .e
( Z 3 . t fonc _ ESR )
) (2.6)
Xi, Yi et Zi sont des coefficients dépendants des composants qui sont déterminés à la fin du
vieillissement accéléré.
t fonc _ ESR = temps de fonctionnement du condensateur à une température donnée.
ESR(0) est la valeur de la résistance à l’instant t = 0 pour une température donnée.

La durée de vieillissement à 85°C peut être extrapolée à un vieillissement à n’importe quelle
température de fonctionnement T' en utilisant la relation (2.7). En effet, comme le
vieillissement est assimilable à une réaction chimique la loi d’Arrhenius est utilisable :
59
 Ea Tv − T ' 
 . 
t' 
= e
(
k (Tv + 273 ). T ' + 273 ) 
(2.7)
tv
Tv = température de vieillissement (85°C).
T' = température de fonctionnement (25°C par exemple).
t v = temps de vieillissement à Tv (85°C).
t ' = temps extrapolé à T' (25°C par exemple).

E a = énergie d’activation.
k = Constante de Boltzmann (8,617.10-5 eV/K).
L’énergie d’activation E a a été estimée à 0,405 eV par Rhoades [31] grâce à un
vieillissement d’environ 500 condensateurs à différentes températures sur une période de
10000 heures en utilisant l’ESR comme indicateur de vieillissement.
Dans le cadre de notre travail, nous avons déterminé l’énergie d’activation pour chaque
composant en utilisant deux températures de vieillissements T1=85°C et T2=90°C
En utilisant l’équation (2.7), nous pouvons exprimer le temps nécessaire pour le vieillissement
t ' pour une température de fonctionnement T’.
4.2. LOI DE VIEILLISSEMENT DE LA CAPACITE C

La capacité équivalente C diminue avec le temps de vieillissement. Son évolution peut être
exprimée par une loi linéaire de la forme. Ceci est expliqué par les résultats expérimentaux
qui seront détaillés par la suite.
C(t fonc _ C ) = A + B.t fonc _ C (2.8)
A, B = constantes dépendantes du composant.
t fonc _ C = temps de fonctionnement du condensateur à une température ambiante donnée.
La durée de vieillissement à 85°C peut être ainsi extrapolée à un vieillissement à 25°C comme
nous l’avons vu pour l’ESR, en utilisant la relation (2.7).
La détermination des paramètres des différents modèles est effectuée par un algorithme de
Levenberg Marquardt. La qualité de l’approximation est appréciée par le calcul de la distance
euclidienne d entre les mesures et les points donnés par le modèle.
Par exemple, pour l’ESR, elle est définie par l’équation suivante :
1
 n 2
 ∑ (ESRm i − ESRc i )
2

(2.9)
d(ESRm, ESRc ) =  i =1 
 n 
∑
2
 ESRm i 
 i =1 
60
Avec : n le nombre de points de mesure,
ESRmi sont les valeurs de l’ESR mesurées pour chaque point i,
ESRci sont les valeurs de l’ESR calculées pour chaque point i.
5. ESSAIS DE VIEILLISSEMENT ACCELERE :
Deux essais de vieillissement distincts peuvent être effectués :

- Un vieillissement nommé standard à haute température
- Un vieillissement par cycles de charge décharge
Ces deux vieillissements permettent d’évaluer la fiabilité des différents composants par
l’analyse de l’évolution de leurs paramètres internes. Par ailleurs, quelques défaillances en
fonction des choix technologiques des fabricants peuvent être mises en évidence.
Dans le cadre de notre étude, et par manque de temps, nous n’avons effectué que le
vieillissement standard à haute température. Celui-ci semble néanmoins suffisant pour
permettre d’estimer les lois de vieillissement sachant que l’essai par cyclage induit
principalement des défauts liés à la fabrication du composant [26].
5.1. LE VIEILLISSEMENT STANDARD :

Le vieillissement standard consiste à contraindre les condensateurs sous leurs tension
nominales et à la température maximale d’utilisation fixée par le constructeur. Pour pouvoir
ressortir tous les coefficients nécessaires à l’établissement des lois d’évolution des paramètres
électriques, deux vieillissements standards sont effectués à deux températures différentes.
Les condensateurs d’indice 1 sont utilisés pour un premier vieillissement à 85°C et ceux
d’indice 3 sont utilisés pour la température de vieillissement de 90°C.
En effet, vu que le vieillissement à faible température nécessite beaucoup de temps (quelques
années) et en s’appuyant sur l’expérience du laboratoire sur le vieillissement de ces
composants (condensateurs, supercondensateurs), nous effectuons un vieillissement à 90°C
alors que les condensateurs utilisés sont prévus pour fonctionner à 85°C de température
ambiante maximale. Ceci peut être justifié de deux façons :
- tout d’abord par le fait que nous faisons vieillir ces condensateurs à des courants nuls
(ce qui évite une surchauffe interne éventuelle crée par l’ondulation de courant),
- de plus nous verrons par la suite que les résultats trouvés sont logiques d’un fabricant
à un autre et que les mécanismes de défaillance enregistrés sont ‘classiques’ [49].
Le banc utilisé pour faire du vieillissement standard est expliqué par les figures (Fig.2.6 et
Fig.2.7).
61
Fig.2. 6 : Synoptique du vieillissement standard
Fig.2. 7 : Banc du vieillissement standard
5.2. RESULTATS EXPERIMENTAUX

Après avoir caractérisé les condensateurs pour connaitre leurs comportements en fréquence et
en température, nous avons lancé le vieillissement standard. Ce vieillissement a été effectué
pour deux températures différentes (85°C et 90°C) pour pouvoir déterminer les différents
coefficients des lois d’évolution des paramètres ESR et C en fonction du temps de
vieillissement.
Dans cette partie, nous allons présenter les résultats expérimentaux du vieillissement pour ces
deux températures.
5.2.1. Vieillissement à 85°C
Les condensateurs d’indice 1 subissent le premier vieillissement à 85°C. Ils sont branchés en
parallèles sous tension à 400V et mise dans une enceinte climatique comme le montre la
Fig.2.6. Quelques résultats sur l’évolution de l’ESR et de la capacité pour quelques
composants de certains fabricants sont présentés ci-dessous :
62
Pour les composants d’indice 1, nous avons effectué le vieillissement pour 6000 heures (8
mois et 10 jours environ). Nous présentons ci-dessous les résultats de certains composants
(Fig.2.8). Pour les composants qui n’ont pas complément vieilli, une extrapolation des
mesures a été effectuée pour avoir les courbes de vieillissement complètes comme le montre
la Fig.2.9.
a. Résultats pour des condensateurs du FAB 1
0,3
0,25
0,2
ESR (Ω)
0,15
0,1
0,05
0
0 1000 2000 3000 4000 5000 6000
Temps de vieillissement à 85°C (h)
0,00043
0,000425
0,00042
C (F)
0,000415
0,00041
0,000405
0 1000 2000 3000 4000 5000 6000
Fig.2. 8: Evolution des paramètres ESR et C pour FAB 1 D1 (470µF/400V)

0.065
Mesures expérimentaux
Interpolation et extrapolation
0.06
0.055
0.05
Mesures ESR
0.045
0.04
0.035
0.03
0.025
0 1000 2000 3000 4000 5000 6000 7000 8000
Temps (h)
-4
x 10
8.75
8.7
8.65
8.6
Mesures C
8.55
8.5
8.45
8.4
8.35
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Temps (h)
Fig.2. 9 : Evolution des paramètres ESR et C pour FAB 1 E1 (1000µF/400V)
63
Pour les condensateurs du premier fabricant (FAB1), nous remarquons la plus faible évolution
des paramètres ESR et C par rapport aux autres fabricants. Après environ 8 mois de
vieillissement pour une tension appliquée de 400V et à une température de 85°C, seul le
composant D1 a eu une augmentation de 211% de l’ESR.
Les courbes d’évolution des paramètres des différents condensateurs (FAB1) sont semblables
d’un condensateur à un autre.
Pour les condensateurs des autres fabricants et notamment ceux du troisième (FAB3) nous
remarquons une augmentation très importante de la valeur de la résistance équivalente série
ESR de l’ordre de 200% minimum et une faible diminution de la capacité pour la majorité des
composants.
b. Tableau récapitulatif
Nous avons représenté ci-dessous un tableau récapitulatif de l’évolution des paramètres ESR
et C après 6000 heures (environ 8 mois et 10 jours) de vieillissement de tous les
condensateurs utilisés pour une tension de 400V appliquée à 85°C.
Tableau 2. 2: Evolution des paramètres à 85°C / 400V après environ 8 mois de vieillissement
Fabricant Condensateurs Variation ESR(%) Variation Capacité (%)
A1 (1000uF/450V) +46.34 - 2.40
B1 (1000uF/450V) +52.12 - 5.54
FAB1 C1 (470uF/450V) +37.31 - 2.46
D1 (470uF/400V) +211.97 - 1.85
E1 (1000uF/400V) +45.81 - 2.20
F1 (470uF/450V) +27.07 - 0.07
G1 (470uF/400V) +2239.62 - 93.13
FAB2 H1 (560uF/450V) +73.92 - 0.94
I1 (560uF/400V) +821 - 92.94
J1 (470uF/400V) +827 - 98.3
FAB3 K1 (470uF/450V) +2082 - 11.15
L1 (1000uF/400V) +4243 - 20.31

M1 (1000uF/450V) +248 - 0.94
N1 (470uF/400V) +418.07 - 2.43
O1 (470uF/450V) +155.68 - 1.53

FAB4
P1 (560uF/400V) +35.61 1.07
Q1 (560uF/450V) +477 - 2.87
64
Les valeurs indiquées en rouge représentent les paramètres qui ont dépassé la règle pour
qu’un condensateur soit considéré en fin de vie. D’une manière générale, cette règle est fixée
par une multiplication de la valeur de l’ESR d’un facteur 2 et une diminution de 20% de la
valeur de la capacité
5.2.2. Vieillissement à 90°C
Un deuxième vieillissement est lancé à 90°C et 400 V pour les condensateurs d’indice 3. Le
but du deuxième vieillissement est de pouvoir déterminer l’énergie d’activation appropriée de
chaque composant à la fin des deux vieillissements. Cela permet d’extrapoler la durée du
vieillissement de 85°C à n’importe quelle température ambiante de fonctionnement.
Dans ce qui suit, nous représentons l’évolution des paramètres ESR et C en fonction du temps
de vieillissement après 3400 heures (environ 5 mois) de vieillissement pour tous les
condensateurs d’indice 3 (vieillissement à 90°C).
a. Résultats pour quelques condensateurs
0,7
0,6
0,5
ESR (Ω)
0,4
0,3
0,2
0,1
0
0 500 1000 1500 2000 2500 3000 3500 4000
0,00052
0,0005
0,00048
C (F)
0,00046
0,00044
0,00042
0,0004
0 500 1000 1500 2000 2500 3000 3500 4000
Fig.2. 10: Evolution des paramètres ESR et C pour FAB 4 Q3 (560µF/450V)

0.24
0.22
0.2
Mesures ESR
0.18
0.16
0.14
0.12
0.1
0 1000 2000 3000 4000 5000 6000
Temps (h)
65
-4
x 10
4.2
4.1
4
3.9
3.8
Mesures C
3.7
3.6
3.5
3.4
3.3
3.2
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000
Temps (h)
Fig.2. 11 : Evolution des paramètres ESR et C pour FAB 1 C3 (470µF/450V)

b. Tableau récapitulatif
Nous avons représenté ci-dessous un tableau récapitulatif de l’évolution des paramètres ESR
et C après 3394 heures (environ 5 mois) de vieillissement de tous les condensateurs utilisés
pour une tension de 400V appliquée à 90°C.
Tableau 2. 3 : Evolution des paramètres à 90°C / 400V après environ 5 mois de vieillissement
Fabricant Condensateurs Variation ESR(%) Variation Capacité (%)
A3 (1000uF/450V) +0.53 - 0.72
B3 (1000uF/450V) +6.87 - 1.43
FAB1 C3 (470uF/450V) +13 - 2.06
D3 (470uF/400V) +11 - 1.42
E3 (1000uF/400V) +35 - 0.69
F3 (470uF/450V) +15 0.99
G3 (470uF/400V) +9465 -99.8
FAB2 H3 (560uF/450V) +43 0.43
I3 (560uF/400V) +69 -1.45
J3 (470uF/400V) +4597 -67
FAB3 K3 (470uF/450V) +672 -1.12
L3 (1000uF/400V) +211 -8.04

M3 (1000uF/450V) +462 -0.11
N3 (470uF/400V) +240 -1.53
O3 (470uF/450V) +140 -1.24

FAB4
P3 (560uF/400V) +36 0.74
Q3 (560uF/450V) +342 -2.38
Les résultats expérimentaux montrent que pour les condensateurs qui ont complètement
vieilli, le vieillissement à 90°C est logiquement plus rapide que celui effectué à 85°C.
66
Après 3394 heures de vieillissement à 90°C et 400V, nous pouvons conclure que les
condensateurs du premier fabricant sont ceux qui sont le moins affectés par le vieillissement.
De plus, les évolutions des paramètres des condensateurs de ce fabricant sont toutes
classiques (augmentation de l’ESR et diminution de la capacité).
Les condensateurs du deuxième fabricant sont aussi peu affectés par le vieillissement mais
l’évolution des paramètres n’est pas forcément classique (nous remarquons une capacité assez
stable pour certains condensateurs). D’autres mécanismes de défaillances peuvent
éventuellement expliquer ces variations plus marginales (cf. tableau 3.1). De plus un des
condensateurs de ce fabricant a présenté un changement brusque des paramètres après environ
2000 heures de vieillissement.
Les condensateurs du troisième fabricant (FAB3), ne vieillissent pas très bien puisque la
majorité des composants présente une forte évolution de l’ESR et une diminution de la
capacité.
Pour finir, les condensateurs du dernier fabricant (FAB4), sont incontestablement ceux qui
vieillissent le plus rapidement. Ils présentent une très grande augmentation de la valeur de la
résistance équivalente série par rapport à la valeur initiale et ceci pour tous les condensateurs.
5.3. DETERMINATION DES LOIS D’EVOLUTION DES PARAMETRES EN

FONCTION DU TEMPS DE VIEILLISSEMENT
Les résultats expérimentaux du vieillissement standard sont utilisés pour déterminer toutes les
lois d’évolution des paramètres en fonction du temps pour les différents modèles présentés
auparavant (cf. paragraphe 4.1 et 4.2). Les paramètres des différents modèles pour quelques
condensateurs et pour les deux températures de vieillissement (85°C et 90°C) sont présentés
ci-après.
Pour les modèles correspondants à la variation de l’ESR en fonction du temps nous avons les
résultats suivants :
Tableau 2. 4 : Coefficients des différents modèles pour le condensateur D1 (470µF, 400V) à 5
kHz :
Coefficients
Xi Yi Zi d
Modèles
Modèle 1 -2,13.10-3 - 2,39. 10-4 h-1 1,63.10-3
Modèle 2 8,5.10-1 11,70.10-2 5,64.10-3 h-1 1,31.10-4
Modèle 3 9,34.10-1 4,98.10-5 h-1 4,01.10-4 h-1 1,07.10-4
67
Paramètres pour le condensateur D1
0.35
Mesures
0.3 Modèle 1
Modèle 2
Modèle 3
0.25
ESR(ohm)
0.2
0.15
0.1
0.05
0
0 1000 2000 3000 4000 5000 6000 7000
Temps(h) pour 85°C
Fig.2. 12 : Courbes d’évolution de l’ESR pour les différents modèles (condensateur D1 470µF/
400V à 5 kHz)
Tableau 2. 5 : Coefficients des différents modèles pour le condensateur E1 (1000µF, 400V)
Coefficients
Xi Yi Zi d
Modèles
Modèle 1 -1,64.10-3 - 6,96.10-5 h-1 2,83.10-4
Modèle 2 9,69.10-1 22,84.10-3 4,56.10-4 h-1 1,08.10-5
Modèle 3 1 8,62.10-6 h-1 3,07.10-4 h-1 1,34.10-5
d : la distance euclidienne correspondante à chaque modèle
0.055
Mesures
0.05 Modèle 1
Modèle 2
Modèle 3
0.045
ESR(ohm)
0.04
0.035
0.03
0.025
0 1000 2000 3000 4000 5000 6000 7000
Temps(h) pour 85°C
Fig.2. 13 : Courbes d’évolution de l’ESR pour les différents modèles (condensateur E1 1000µF/
400V à 5 kHz)
Tableau 2. 6 : Coefficients des différents modèles pour le condensateur C3 (470µF, 450V)
Coefficients
Xi Yi Zi d
Modèles
Modèle 1 -7,89.10-3 - 9,37.10-5 h-1 4,66.10-4
Modèle 2 9,62.10-1 6,05.10-2 8,11.10-4 h-1 8,57.10-5
Modèle 3 9,87.10-1 4,04.10-5 h-1 5,48.10-4 h-1 7,76.10-5
68
1
Mesures
0.8 Modèle 1
Modèle 2
Modèle 3
ESR(ohm)
0.6
0.4
0.2
0
0 1000 2000 3000 4000 5000 6000 7000
Temps(h) pour 90°C
Fig.2. 14 : Courbes d’évolution de l’ESR pour les différents modèles (condensateur C3 470µF/
450V à 5 kHz)
Tableau 2. 7 : Coefficients des différents modèles pour le condensateur Q3 (560µF/ 450V)
Coefficients
Xi Yi Zi d
Modèles
Modèle 1 -1,83.10-3 - 6,23.10-4 h-1 6,55.10-4
Modèle 2 2,3.10-1 1,28 6,75.10-4 h-1 9,45.10-4
Modèle 3 8,95.10-1 7,58.10-5 h-1 4,38.10-4 h-1 8,51.10-4
7
Mesures
6 Modèle 1
Modèle 2
5 Modèle 3
ESR(ohm)
0
0 1000 2000 3000 4000 5000 6000 7000
Temps(h) pour 90°C
Fig.2. 15 : Courbes d’évolution de l’ESR pour les différents modèles (condensateur Q3 560µF/
450V à 5 kHz)
Pour ces différents modèles et pour différents composants, nous remarquons une petite
variation de la distance euclidienne d entre le modèle « 2 » et le modèle « 3 ». Pour cette
raison et pour la suite des études, nous avons choisi le modèle le plus simple entre les deux
(modèle « 2 ») pour représenter l’évolution de l’ESR en fonction du temps.
Pour l’évolution de la capacité en fonction du temps, les paramètres de la loi linéaire pour
quelques condensateurs sont présentés dans le Tableau 2.8 :
69
Tableau 2. 8 : Coefficients de l’évolution de la capacité pour quelques condensateurs
Coefficients
A B d
Condensateurs
D1 (470µF, 400V) 4,25.10-4 -1.24.10-9 h-1 5.66.10-7
D3 (470µF, 400V) 4,22.10-4 -3,9.10-9 h-1 5,79.10-6
E1 (1000µF, 400V) 8,69.10-4 -3,44.10-9 h-1 1,97.10-6
E3 (1000µF, 400V) 8.65.10-4 -7,23.10-9 h-1 4,57.10-6
Q1 (560µF, 450V) 4,83.10-4 -5,23.10-9 h-1 9,47.10-6
Q3 (560µF, 450V) 4,96.10-4 -8,53.10-9 h-1 3,48.10-6
C1 (470µF, 450V) 4,08.10-4 -1,48.10-9 h-1 1,28.10-6
C3 (470µF, 450V) 4,12.10-4 -7,58.10-9 h-1 4,04.10-6
Un condensateur est considéré en fin de vie si l’un des seuils de défaillance suivant est
vérifié :
- Une augmentation de 100% de la valeur de l’ESR : c'est-à-dire que le condensateur est
considéré vieilli si la valeur de ESR en fonctionnement est le double de la valeur initiale :
ESRseuil = 2 x ESR(0)
- Une diminution de 20% de la valeur de la capacité initiale : Cseuil = 0.8 x C(0)
Pour ces deux seuils de défaillance, nous présentons les temps nécessaires au vieillissement
pour le modèle de vieillissement choisi (modèle « 2 »)
Tableau 2. 9 : Temps de vieillissement nécessaire pour avoir une augmentation de 100% de la
valeur de l’ESR
Condensateur D1 Condensateur D3 Condensateur E1 Condensateur E3

(470µF, 400V) (470µF, 450V) (1000µF, 400V) (1000µF, 400V)
Modèle « 2 » 6419h 4682h 7434h 4842h
Condensateur C1 Condensateur C3 Condensateur Q1 Condensateur Q3

(470µF, 450V) (470µF, 450V) (560µF, 450V) (560µF, 450V)
Modèle « 2 » 7550h 5932h 2479h 1525h
Tableau 2. 10 : Temps de vieillissement nécessaire pour avoir une diminution de 20% de la

valeur de la capacité
Condensateur C1 Condensateur C3 Condensateur Q1 Condensateur Q3

(470µF, 450V) (470µF, 450V) (560µF, 450V) (560µF, 450V)
Modèle « 2 » 55221 h 10925 h 18550 h 11721 h
70
Condensateur D1 Condensateur D3 Condensateur E1 Condensateur E3

(470µF, 400V) (470µF, 450V) (1000µF, 400V) (1000µF, 400V)
Modèle « 2 » 68552 h 21721 h 54500 h 24113 h
Une fois les temps de vieillissement calculés en prenant en compte les deux seuils de
défaillance pour deux températures différentes et pour différents modèles, nous pouvons
calculer les énergies d’activation relatives à chaque composant. Les résultats des calculs sont
présentés dans les tableaux (Tableau 2.11 et Tableau 2.12)
Tableau 2. 11 : Energie d’activation pour une augmentation de 100% de la valeur de l’ESR
Condensateur C Condensateur D Condensateur E Condensateur Q

(470µF, 450V) (470µF, 400V) (1000µF, 400V) (560µF, 450V)
Modèle « 2 » 0.54 eV 0.71 eV 0.96 eV 1.09 eV
Tableau 2. 12 : Energie d’activation pour une diminution de 20% de la valeur de la capacité
Condensateur C Condensateur D Condensateur E Condensateur Q

(470µF, 450V) (470µF, 400V) (1000µF, 400V) (560µF, 450V)
Modèle « 2 » 3.63 eV 2.57 eV 1.83 eV 1.03 eV
6. ALGORITHME DE VIEILLISSEMENT
Pour déduire le nombre d’heures avant la panne à partir de la mesure de la température
ambiante et des valeurs de l’ESR et de C retrouvées en temps réel, nous utilisons un
algorithme de vieillissement.
Les paramètres ESR et C dépendent de la fréquence de découpage de l’onduleur et de la
température ambiante.
Les tests expérimentaux effectués hors ligne et présentés précédemment nous permettent de
ressortir les lois suivantes :
- Evolution des paramètres en fonction de la température: en connaissant la température
ambiante T' , ces lois nous permettent de déterminer les valeurs d’ESR(0) et de C(0) en
utilisant les lois suivantes :
 −T ' 
 
ESR (0) = α + β. e  γ 
(2.10)
C(0) = χ + λ.T ' (2.11)
71
- Les courbes d’évolution des paramètres présentées lors des résultats expérimentaux
nous permettent de déterminer les lois d’évolution des paramètres en fonction du
temps de fonctionnement.
(
ESR ( t fonc _ ESR ) = ESR (0 ). X 2 + Y2 .e
(Z2 .t fonc _ ESR )
) (2.12)
C( t fonc _ C ) = E.C(0 ) + B.t fonc _ C (2.13)
A
avec A = E.C(0) E =
C ( 0)
A partir de ces lois d’évolution, nous déterminons les temps de vieillissement correspondants
aux deux températures de vieillissement (85°C et 90°C) en utilisant les équations suivantes :
 ESR seuil − ESR (0).X 2 
Log 
 Y2 .ESR (0) 
tv ESR = (2.14)
Z2
C seuil − E.C (0) (2.15)
tv C =
F
- Après avoir calculé les temps de vieillissement pour les deux températures (85°C et
90°C) nous calculons les différentes énergies d’activation ( Ea ESR et Ea C ) utilisées
dans la loi d’Arrhenius (2.7) comme suit :
 tv ESR (85°C) 
Log 
 tv 
 ESR (90°C)  (2.16)
Ea ESR = k.
(90 − 85)
(273 + 90).(273 + 85)
 tv C (85° C) 
Log 
 tv 
Ea C = k.  C ( 90° C ) 
(2.17)
(90 − 85)
(273 + 90).(273 + 85)
tv ESR : Temps de vieillissement correspondant au seuil de ESR à Tv
tv C : Temps de vieillissement correspondant au seuil de C à Tv
k = Constante de Boltzmann ( 8.617.10 −5 eV / °K )

Ea ESR : Energie d’activation prenant en compte ESR comme indicateur de vieillissement
Ea C : Energie d’activation prenant en compte C comme indicateur de vieillissement

La procédure de détermination des différentes lois et des différents paramètres hors ligne est
illustrée sur la Fig.2.12 ci-dessous.
72
tv ESR tv C tv ESR tv C
Ea ESR EaC
Fig.2. 16 : Procédure de détermination des lois d’évolution des paramètres hors-ligne

En temps réel et en ligne, nous disposons de trois valeurs à savoir la résistance équivalente
série (ESR) et la capacité (C) ressorties par l’algorithme d’identification ainsi que la
température ambiante T' de fonctionnement.
La valeur de la température ambiante T' de fonctionnement permet aussi de déterminer le
temps nécessaire au vieillissement t ' à travers les équations suivantes :
 Ea ESR Tv − T ' 

(Tv + 273 ).(T ' +273 ) 
.
t 'ESR = tv ESR .e  k
(2.18)
 Ea C Tv − T ' 
 . 
( + ) ( + )
t 'C = tv C .e  k T 273 . T ' 273 
v
(2.19)
Tv : Température de vieillissement (85°C par exemple)

T' : Température ambiante (25°C par exemple)
t ' ESR : Temps extrapolé à T' avec ESR comme indicateur de vieillissement
t ' C : Temps extrapolé à T' avec C comme indicateur de vieillissement

Les valeurs d’ESR et de C identifiées en temps réel, ainsi que les valeurs ESR(0) et C(0)
seront utilisés dans les équations (2.12) et (2.13) pour déterminer les temps respectifs de
fonctionnement comme l’indique les équations suivantes :
73
 ESR − X 2 .ESR (0) 
Log 
 Y2 .ESR (0) 
t fonc _ ESR = (2.20)
Z2
C − E.C(0) (2.21)
t fonc _ C =
F
Ainsi le temps restant avant la panne t panne (ESR ) correspondant à l’ESR en utilisant les
équations (2.18) et (2.20) est donné par:

  ESR − X 2 .ESR (0)  
 Log  

 Ea ESR

Tv − T ' 

 k . (T + 273 ).( T ' +273 )   Y .ESR (0 )  (2.22)
t panne ( ESR ) =  tv ESR . e  −
 2

v
 Z2 
 
 
La figure ci-dessous explique les temps exprimés par les équations (2.18), (2.20) et (2.22) :
t panne (ESR)
t fonc _ ESR
t' ESR
Fig.2. 17 : Evolution de l’ESR en fonction du temps de fonctionnement

De même, le temps restant avant la panne correspondant à la capacité C en utilisant les
équations (2.19) et (2.21) est donné par :
  Ea C

Tv − T ' 

C − E.C(0) 

t panne (C) = tv C . e
 k . (T + 273 ).(T ' +273 ) 
 v 
− (2.23)
 F 
 
Le temps restant avant la panne pour le condensateur considéré est le minimum entre les deux
temps de panne :
t panne = Min ( t panne (ESR ), t panne (C)) (2.24)
La Fig.2.14 ci-dessous explique l’algorithme de vieillissement qui est utilisé au niveau DSP
en ligne.
74
α, β, γ
Ea ESR , ta ESR A 1 , B1
Durée de vieillissement par Modèle de vieillissement

rapport au seuil ESR pour ESR
 ESR 
 Ea ESR Tv − T ' 
 k . ( T + 273 ).( T ' +273 )  Log   t pan (ESR )
t 'ESR = ta ESR .e  v  t ' ESR
 ESR ( 0) + X1
t ESR =
ESR (T ,0) Z1
ESR (T,0) = α + β. exp( −T / γ ) t failure ( ESR ) = t ' ESR − t ESR
ESR
Comparaison
T’ Adaptation de T Temps avant
la temperature panne
t pan = Min ( t pan ( ESR ), t pan (C))
C
Durée de vieillissement par Modèle de vieillissement

rapport au seuil C pour C
t 'C
Tv − T '
 Ea C 
 k . (T + 273 ).(T '+273 )  C − E.C(0)
t 'C = ta C . e  v 
C(T ,0)
tC =
F t pan (C)
C(T,0) = χ + λ.T t failure (C) = t ' C − t C
Ea C , ta C
E, F
χ, λ
Fig.2. 18 : Algorithme de vieillissement
7. CONCLUSION
Dans ce chapitre, nous avons présenté tout d’abord les différents résultats expérimentaux
réalisés sur différents condensateurs électrolytiques afin de déterminer les différentes lois
d’évolution des paramètres électriques ESR et C en fonction de la température. Ensuite, nous
avons évoqué les résultats du vieillissement standard de ces composants à deux températures
différentes (85°C et 90°C) après quelques mois de vieillissement. Ces résultats ont permis de
déterminer les différentes lois d’évolution des paramètres en fonction du temps de
vieillissement et ainsi les valeurs des énergies d’activation pour la résistance équivalente série
(ESR) et la capacité (C) de différents condensateurs pour différents fabricants. L’objectif final
souhaité est de pouvoir déterminer ces lois directement à partir de datasheets bien détaillés
fournis par les fabricants sans devoir faire ces tests expérimentaux pour chaque condensateur
utilisé. Ces lois d’évolution seront utilisées dans l’algorithme de vieillissement implémenté en
temps réel pour déterminer le temps restant avant la panne des condensateurs électrolytiques
utilisés dans les convertisseurs de puissance.
75
76
CHAPITRE III : SYSTEME DE MAINTENANCE PREDICTIVE DES
CONDENSTEURS ELECTROLYTIQUES DANS LES ASI
78
CHAPITRE III : SYSTEME DE MAINTENANCE PREDICTIVE DES CONDENSTEURS
ELECTROLYTIQUES DANS LES ASI
1. INTRODUCTION
Ce troisième chapitre est dédié à l’explication du système temps réel utilisé pour identifier les
paramètres internes des condensateurs dans les ASI. Nous présentons, les résultats de
simulation et la mise en œuvre expérimentale permettant d’estimer les indicateurs de
défaillance des condensateurs électrolytiques à savoir la résistance équivalente série (ESR) et
la capacité C.
Le prototype expérimental comportant les différentes cartes électroniques conçues, ainsi que
les moyens expérimentaux et de calcul mis en place sont détaillés.
Ce système temps réel est implémenté de façon à ajouter le minimum de capteurs et de
ressources possible par rapport à l’existant dans les ASI et aussi de fonctionner en tâches de
fond sans perturber les fonctions principales du système.
La première partie présente les différents résultats de simulation de tout le système
implémenté en intégrant, les différentes chaînes de mesures, les différents filtres analogiques,
l’identification des paramètres et toutes les caractéristiques utilisées (tension, fréquences,
charge appliquée, etc...).
Le prototype expérimental complet est présenté dans la deuxième partie. Pour étayer notre
propos, de nombreuses explications sur la programmation DSP implémentée sont données.
Quant à l’illustration, elle est caractérisée par des résultats d’estimation des paramètres sur un
convertisseur de puissance DC/DC puis sur un convertisseur AC/DC.
2. PRINCIPE ET SIMULATION DU SYSTEME
2.1. CONVERTISSEUR DE PUISSANCE

Tout d’abord, nous allons présenter un schéma du convertisseur de puissance (AC/DC) utilisé
dans les ASI pour une phase comme le montre la figure suivante :
Fig.3. 1 : Modélisation du hacheur parallèle
79
Pour la suite de notre étude, nous allons utiliser une seule demi-phase de ce convertisseur
comme le montre la figure suivante (Fig.3.2).
rL
iL iD iC i ch
UL UD
VC
Ve Vg U dc U ch
Fig.3. 2 : Modélisation du hacheur parallèle (demi-phase positive)

Les composants en électronique de puissance du système sont :
- L’inductance d’entrée dimensionnée pour fournir le courant nécessaire
- Une diode de redressement (ici positif)
- Une diode de roue libre D
- Un interrupteur commandé IGBT, commandé à une fréquence fixe par l’intermédiaire
d’une carte électronique (carte driver). Cette carte permet en outre d’isoler la
commande par rapport au reste du circuit.
- Le condensateur électrolytique dimensionné en tension et en courant. La constante du
temps du système est modélisée par la capacité C et la résistance équivalente série
ESR (Fig.3.2).
- La charge appliquée : dans notre cas, tout au long du projet, pour valider le
En considérant les interrupteurs électroniques comme parfaits, les équations du système sont
données par :
di L Ve − Vg − (rL .i L )
= (3.1)
dt L
dVC i D − i ch
= (3.2)
dt C
U dc = VC + ESR.i C (3.3)
Désignons par ‘u’ la commande envoyée à l’IGBT qui peut être à 0 ou à 1. Nous avons alors :
Vg = U dc .(1 − u ) (3.4)
i D = i L .(1 − u ) (3.5)
U dc
i ch = (3.6)
R
Les équations d’états se mettent sous la forme:

 U 
U dc = VC + ESR. i L .(1 − u ) − dc  (3.7)
 R 
80
   U  
Ve − (1 − u ). Vc + ESR. i L .(1 − u ) − dc   − (rL .i L )
di L    R  
= (3.8)
dt L

 ((1 − u ).i L ) − U dc 
dVC  R 
= (3.9)
dt C
2.2. REGULATION DU HACHEUR PARALLELE

Cette partie explique la régulation du système qui permet d’aboutir aux performances désirées
(cf. Chapitre 1) qui sont :
- un facteur de puissance le plus proche de 1 : assuré par un prélèvement sinus,
- une tension continue de sortie (présentant le moins d’ondulations possible).
Cette régulation permet de générer l’angle de commande des IGBTs.
Plusieurs techniques de régulation et de commande peuvent être utilisées à savoir :
- la régulation PI, PID,
- la régulation Dead Beat,
- la commande RST,
- la commande en mode glissant.
La régulation du convertisseur mise en place se base sur le principe de deux boucles
imbriquées :
- une boucle externe lente pour contrôler la tension,
- une boucle interne rapide pour contrôler le courant.
D’après les équations du système et en considérant la résistance rL nulle, le modèle moyen
valable autour d’un point de fonctionnement, est donné par les équations suivantes :
Ve (p) − Vg (p) Ve − (1 − α ).U dc ( p)
i L ( p) = (3.10) i L (p) = (3.11)
L.p L.p
Une fois le courant iL retrouvé, la valeur de la tension de sortie est donnée à la sortie du bloc
Sys_U qui vérifie les équations suivantes :
 U 
i c = (1 − α ).i L − i ch (3.12) U dc ( p ) = Z c (p ). (1 - α ).i L ( p ) − dc  (3.13)
 R 
Zc : la fonction de transfert du condensateur
Le synoptique de régulation du convertisseur de puissance utilisé est donnée par la figure
Fig.3.3.
81
α Vg uL iD iC U dc 1 i ch
I* 1 iL ESR.C.p + 1
L.p C.p R
Ve 1− α
Fig.3. 3 : Synoptique de la régulation du convertisseur

La consigne (Cons) de la boucle de tension est un signal constant (égal à 400V dans notre cas)
Pour la régulation de la boucle de tension, nous utilisons un régulateur Proportionnel/ Intégral
(PI). Ce régulateur donne la consigne du courant I*. Nous utilisons le principe du prélèvement
sinusoïdal. En effet le courant ‘iL’ doit être à la fois sinusoïdal et en phase avec la tension du
réseau. Pour cela, nous multiplions la sortie du correcteur de tension par un signal sinusoïdal
d’amplitude ‘1’ et à la fréquence du réseau (Référence).
A la sortie du régulateur du courant, nous obtenons la valeur du rapport cyclique α utilisée
pour générer la commande ‘u’ envoyée vers l’IGBT. La valeur de α qui pilote le courant iL
interfère sur le Sys_U qui renvoie une grandeur perturbatrice sur le Sys_I.
Dès lors que le fonctionnement normal avec les performances désirées est mis en place, nous
allons maintenant nous focaliser au système de maintenance prédictive des condensateurs
électrolytiques.
Dans ce qui va suivre, nous allons étudier le système permettant d’identifier les paramètres
électriques internes du condensateur.
2.3. SURVEILLANCE DES CONDENSATEURS ELECTROLYTIQUES

Comme nous l’avons montré au premier chapitre, le condensateur électrolytique est
modélisable par un schéma électrique équivalent série C ESR ESL (cf. Fig.1.7 et paragraphe
III.2.1 du chapitre1). ESR, ESL et C varient en fonction de la température et de la fréquence.
La fréquence de résonance pour un condensateur électrolytique est donnée par :
1
fr = (3.14)
2.π ESL.C
Les figures suivantes représentent les schémas équivalent série avant et après la fréquence de
résonance :
Fig.3. 4 : Schémas électriques d’un condensateur avant et après la fréquence de résonance

Au niveau des ASI, nous travaillons généralement avec des fréquences de découpage
82
inférieures à la fréquence de résonance des condensateurs électrolytiques utilisés. Pour cette
raison, nous considérons le schéma électrique équivalent (1) et par suite la fonction de
transfert équivalente donnée par :
i C ( p) ESR.C.p + 1
H ( p) = = (3.15)
U dc (p) C.p
Cependant, au niveau des convertisseurs de puissance nous utilisons des mesures

échantillonnées. Pour cela, nous considérons la fonction de transfert correspondante à
l’équation (3.15) en utilisant :
la transformée en z en utilisant le bloqueur d’ordre zéro (BOZ) donne la fonction de transfert
suivante :
 ESR 1 
H(z −1 ) = 1 − z −1.TFz  +  (3.16)
 p Cp 2 
 1 1 Te.z −1 
H(z −1 ) = 1 − z −1.ESR. +
(1 − z )− 2 
−1
. (3.17)
 1 − z C
 Te 
−1 ESR +  − ESR .z −1
b 0 + b1 .z  C 
H (z −1 ) = = (3.18)
1 − z −1 1− z −1
La transformée bilinéaire (dite de Tustin) vérifie l’équation (3.19) :

2 1 − z −1
p= . (3.19)
T 1 + z −1
En appliquant cette équation (3.19) sur l’équation (3.15) nous obtenons la fonction de
transfert (3.20) suivante :
 Te   Te 
−1  ESR + + − ESR .z −1
b 0 + b1 .z
=
2.C   2.C 
H (z −1 ) = (3.20)
1 − z −1 1− z −1
avec Te la période d’échantillonnage

En comparant les diagrammes de Bode respectifs aux deux fonctions de transfert numériques
(BOZ et Tustin), par rapport au Bode nous remarquons que la transformée de ‘Tustin’ est la
plus proche du modèle réel comme le montre la figure ci-dessous (Fig.3.5) :
83
Bode Diagram
15
Continue
10 'Tustin'
'Boz'
5
Magnitude (dB)
0
-5
-10
-15
-20
X: 4e+004
-25 Y: -22.62
90
45
Phase (deg)
-45
-90
2 3 4 5 6 7 8
10 10 10 Frequency
10 (Hz) 10 10 10
Fig.3. 5 : Diagramme de Bode du modèle continue complet d’un condensateur ainsi que la
transformée de Laplace et de Tustin
C’est pour cette raison, que nous avons choisi pour le reste de notre étude d’utiliser la
transformée bilinéaire de Tustin donnée par l’équation (3.20).
L’objectif de cette partie est d’identifier en temps réel les deux paramètres ESR et C qui sont
représentatifs du vieillissement normal ainsi que de presque toutes les causes de défaillance
des condensateurs (tableau ci-dessous Tableau 3.1).
Tableau 3. 1 : Modes, mécanismes et causes de défaillance des condensateurs électrolytiques
84
Ce tableau présente en effet tous les modes, mécanismes et causes de défaillance des
condensateurs électrolytiques. Les causes sont généralement dues soit aux défauts de
fabrication et d’utilisation, soit à l’usure normale. Ce tableau montre que la cause de la
majorité des pannes (ronds bleus) peut être détectée à travers l’évolution des paramètres ESR
et/ou C (rond rouge). C’est pour cette raison qu’il est important d’avoir une estimation en
temps réel de ces deux paramètres électriques.
Dans ce qui va suivre, nous expliquons la procédure utilisée pour identifier en temps réel les
deux paramètres ESR et C d’un condensateur.
2.4. IDENTIFICATION EN TEMPS REEL DES PARAMETRES ELECTRIQUES

DES CONDENSATEURS
Pour identifier ces deux paramètres ESR et C, nous utilisons des algorithmes d’estimation des
paramètres basé sur le filtre de Kalman.
En effet, connaissant l’entrée et la sortie du système à savoir respectivement le courant et la
tension aux bornes du condensateur et l’ordre du système (donné par un modèle électrique
validé) nous pouvons utiliser l’identification des paramètres comme suit :
iC U dc
U dc ( k )
i C (k)
^
U dc ( k )
Fig.3. 6 : Application du filtre de Kalman pour identifier les paramètres internes du

condensateur
A.A.P désigne l’algorithme d’adaptation paramétrique, qui permet d’adapter à chaque
itération les paramètres du système (ESR et C dans notre cas). L’objectif est que l’erreur entre
la sortie réelle et la sortie estimée soit la plus faible possible. Plusieurs algorithmes[36]
peuvent être utilisés à savoir :
- l’algorithme des moindres carrées récursifs (MCR)
- l’algorithme des moindres carrées étendus (MCE)
- l’algorithme des moindres carrés généralisés (MCG)
- le maximum de vraisemblances récursif (MVR)
- l’erreur de sortie avec modèle de prédiction étendu (ESMPE)
Ces différents algorithmes ont été étudiés et simulés dans notre cas pour évaluer leurs
performances en termes de rapidité (temps de convergence) et de précision (erreur
85
d’estimation des paramètres). Les résultats de ces études présentés dans les annexes (Annexe
1) montrent que l’algorithme des moindres carrés récursifs (MCR) est le meilleur utilisé dans
notre cas.
L’algorithme d’adaptation paramétrique pour le MCR est donné par les équations suivantes :
φ( k ) T = [i c ( k ) i c ( k − 1)] (3.21)
 Te Te 
θT = ESR + − ESR  (3.22)
 2.C 2.C 
 F(k )φ(k )φ(k ) T F(k ) 

F(k + 1) = F(k ) −  (3.23)
 φ(k ) T F(k )φ(k ) 
ε(k + 1) = ∆U DC (k + 1) − θˆ (k ) T φ(k ) (3.24)
θˆ ( k + 1) = θˆ ( k ) + F( k + 1)φ( k )ε( k + 1) (3.25)
Avec Φ(k ) le vecteur des mesures, θ le vecteur des paramètres à identifier (notamment b 0
et b1 ). ε représente l’erreur entre la sortie réelle et la sortie estimée.

En effet, à partir de mesures numériques et en connaissant la période d’échantillonnage, il
suffit de trouver les deux paramètres b 0 et b1 de l’équation (3.20) pour déterminer ESR et C
comme suit :
Te
C= (3.26)
b 0 + b1
b 0 − b1
ESR = (3.27)
2
Pour valider notre approche, nous avons établi une simulation complète intégrant trois
fonctions essentielles :
- le fonctionnement du hacheur parallèle sur une seule alternance réseau en intégrant
tous les composants de puissance correspondant à la maquette dont nous disposons,
- la régulation de ce convertisseur (une boucle de régulation de courant, une boucle de
régulation de tension) permettant de générer la commande nécessaire,
- l’identification des paramètres ESR et C en utilisant l’algorithme des moindres carrés
récursif (MCR).
Dans la partie qui suit, seront présenter les résultats de simulation de ces trois fonctions.
3. ETUDE THEORIQUE ET RESULTATS DE SIMULATION

Comme nous l’avons précisé auparavant, l’identification des paramètres se fait en utilisant
l’algorithme des moindres carrés récursif. Cet algorithme est intégré au niveau de la
86
simulation à travers une S-fonction sous Matlab, permettant ainsi de simuler l’estimation des
paramètres en parallèle avec la régulation. Au niveau de cette fonction, nous avons fixé la
fréquence d’échantillonnage utilisée. Cette fréquence a été choisie en s’appuyant sur des
mesures FFT. Cette analyse sera détaillée par la suite au niveau des résultats expérimentaux.
Tout au long de l’avancement du projet, nous avons procédé par la validation du système de
maintenance prédictive des condensateurs électrolytiques sur le convertisseur de puissance en
s’approchant du plus en plus du produit final commercialisé.
3.1. CONVERTISSEUR DC/DC

Pour valider progressivement notre approche, nous avons réalisé une simulation sous Matlab
du convertisseur DC/DC (Fig.3.7) (Boost converter) ayant les caractéristiques suivantes :
- tension d’entrée fixée à 50V continue
- tension de sortie régulée à 200V continue et présentant le moins d’ondulation possible
(Taux de distorsion harmonique de la tension – THDU < 3%).
- Les paramètres électriques des condensateurs sont fixés à ESR = 32mΩ, C = 2200µF,
Ces valeurs correspondent à celles utilisées au niveau de la maquette.
- Fréquence de découpage fixée à 5 kHz.
- Fréquence d’échantillonnage fixée à 80 kHz. Le choix de cette fréquence est justifié
plus tard dans ce chapitre.
Les conditions, les modèles et les méthodes de simulation sont présentés dans les Annexes
(Annexe 2).
iL iD i ch
UD iC
UL
VC
Ve 5 kHz Vg U ch = 200V
U dc
Fig.3. 7 : Modélisation du convertisseur DC/DC utilisé

Les résultats de simulation sont présentés ci-dessous :
La tension de sortie au niveau du convertisseur DC/DC est donnée par la figure suivante :
87
250
200 Zoom
Tension de sortie (V)
150 200.6
200.4
100 200.2
200
199.8
50
199.6
199.4
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 199.2
Temps (s)
Fig.3. 8 : Tension de sortie du convertisseur DC/DC

Les régulateurs mis en place permettent d’avoir les performances souhaitées. En effet, nous
remarquons que la tension de sortie présente une faible ondulation autour de 200V : le taux de
distorsion harmonique de la tension (THDU) est inférieur à 3%.
3.1.1. Mesure du courant
Une des difficultés majeures de notre projet est lié au fait que nous ne disposons pas de
capteur de courant aux bornes des condensateurs dans les convertisseurs industriels.
L’implémentation de ce capteur est à la fois difficile et coûteuse.
Nous proposons une approche qui permet de reconstituer la mesure du courant du
condensateur à partir des capteurs et des données dont nous disposons. En effet, d’après les
lois de Kirchhoff relatives au convertisseur de puissance utilisé (cf. Fig. 3.7) nous pouvons
déduire que le courant du condensateur est régi par l’équation suivante :
i C = i D − i ch (3.28)
Cependant, quand le transistor utilisé (IGBT) est ouvert, le courant passant dans la diode est le
même que celui passant dans l’inductance, nous pouvons conclure donc à tout instant que :
iD = iL .u (3.29)
En régime stationnaire, la valeur moyenne du courant condensateur est égale à zéro, donc
pour une période réseau par exemple, nous pouvons écrire l’équation suivante :
i ch = moy(i D ) (3.30)
Les équations (3.28), (3.29) et (3.30) nous permettent donc d’exprimer la mesure du courant
condensateur par l’équation suivante :
i C = (i L . u ) − moy(i L . u ) (3.31)
3.1.2. Résultats de simulation
Pour une bonne identification des paramètres, les mesures utilisées doivent être centrées (ne
pas présenter de composante continue). Pour cette raison, nous avons utilisé un filtre
analogique passe-haut permettant d’enlever la composante continue sur la mesure de la
88
tension aux bornes du condensateur. Ce même filtre est utilisé pour la mesure du courant
condensateur même si celle-ci ne présente pas de composante continue en régime permanent.
Ce dernier est utilisé pour éviter un déphasage entre les mesures de courant et de tension aux
bornes du condensateur et pour permettre ainsi une bonne identification des paramètres.
A la sortie des filtres, nous retrouvons donc, la mesure de l’ondulation de tension en phase
avec celle du courant comme le montre les figures ci-dessous :
Fig.3. 9 : Mesures d’ondulation de la tension et du courant au niveau du condensateur

Ces mesures sont utilisées pour identifier les paramètres ESR et C du condensateur. Nous
remarquons que la valeur moyenne de ces mesures est bien nulle (pas de composante
continue) ce qui est nécessaire pour avoir une bonne identification des paramètres.
Le résultat de simulation pour l’identification des paramètres ESR et C est illustré dans le
tableau suivant
Tableau 3. 2 : Résultat de simulation pour l’identification des paramètres

fixés Estimés Erreur (%)
ESR 32mΩ 32,57 mΩ 1,2
C 2259 2250µF 2 ,2
3.2. ANALYSE FFT (FAST FOURRIER TRANSFORM)
Comme nous avons évoqué auparavant, nous avons effectué une analyse FFT sur les mesures
de tension et de courant des condensateurs utilisés pour l’identification des paramètres. Cette
analyse est faite à partir de mesures expérimentales prises sur l’oscilloscope avec un balayage
89
en fréquence jusqu’à 150 MHz. Les figures ci-dessous montrent le spectre de fréquence
respectivement sur la mesure de tension et la mesure du courant. Cette analyse est faite sur
512=29 points. Le programme sous Matlab permettant de faire cette analyse à partir de
mesures expérimentales est présenté dans les annexes (Annexe 2).
Fig.3. 10 : Spectres de fréquences de tension et de courant condensateur utilisés pour

l’identification des paramètres
Nous remarquons que 25 kHz est la fréquence au-delà de laquelle les spectres de fréquences
sont très faibles, pour cette raison, nous avons choisi une fréquence d’échantillonnage de 80
kHz, ce qui correspond à 3 échantillons environ pour la bande passante des mesures.
Pour valider notre choix, nous avons effectué la même analyse FFT sur des mesures
expérimentales de tension et de courant condensateur avec un échantillonnage à 80 kHz. Le
résultat de cette analyse est donné par les figures suivantes.
90
Fig.3. 11 : Spectres de fréquences des mesures expérimentales de tension et de courant

condensateur utilisés pour l’identification des paramètres
Nous remarquons que pour une fréquence d’échantillonnage à 80 kHz, nous récupérons tout
le spectre ce qui est indispensable pour une identification précise des paramètres.
3.3. CONDENSATEURS EN PARALLELES
D’une manière générale, les alimentations sans interruption (ASI) utilisent plusieurs
condensateurs électrolytiques en série et/ou en parallèle pour le filtrage. Pour pouvoir
surveiller tous les condensateurs un par un, nous devrions disposer d’un capteur de courant
pour chacun. Ceci est très couteux et très difficile à implémenter. En utilisant un seul capteur
de courant, nous ne pouvons faire la surveillance que de l’ensemble des condensateurs mis en
parallèles. Les paramètres électriques équivalents identifiés pour n condensateurs mis en
parallèles sont alors donnés par les équations suivantes :
ESR
ESR eq = (3.32)
n
C eq = n.C (3.33)
Nous allons présenter les résultats de simulation pour le fonctionnement avec un convertisseur
AC/DC (cf. figure Fig.3.2).
3.4. CONVERTISSEUR AC/DC
3.4.1. Identification séparée des deux paramètres ESR et C

Pour améliorer l’identification des paramètres et surtout celle de la capacité sachant que les
fournisseurs donne une valeur nominale de la capacité avec +/- 20% d’erreur, nous avons
choisi d’identifier séparément les deux paramètres ESR et C. Ceci est expliqué principalement
par le fait que la bande passante où dominent ces deux paramètres est différente (Fig.3.12).
Cela s’explique aussi par le fait qu’à travers les mesures utilisées pour l’identification des
paramètres, nous pouvons calculer la valeur de l’ESR qui correspond au rapport entre la
valeur de l’ondulation de tension et du courant tandis que la valeur de la capacité ne peut pas
être calculée explicitement.
91
En fonctionnement avec un convertisseur AC/DC pour améliorer la précision d’estimation des
deux grandeurs électriques ESR et C, nous utilisons des mesures de courant et de tension
différentes pour chaque paramètre. Des filtres passe-bande sont utilisés pour choisir la bande
de fréquence dominante. La figure ci-dessous montre les bandes de fréquences utilisées pour
chaque paramètre.
Fig.3. 12 : Diagramme de Bode présentant la zone de fréquence dominante respectivement pour

identifier ESR et C
En effet, la résistance équivalente série (ESR) est identifiée à partir des mesures de tension et
de courant qui sont filtrées en utilisant le même filtre passe-haut de fréquence de coupure
basse f = 10 kHz. Sur cette bande de fréquence (cf. Fig.3.12), le modèle électrique du
condensateur (cf. Fig.1.9) revient seulement à la résistance équivalente série (ESR). La
fonction de transfert numérique du condensateur est donnée par :
H (z −1 ) = ESR (3.34)
De même, la capacité C est identifiée à partir des mesures de tension et de courant qui sont
filtrés en utilisant le même filtre passe-bande de fréquence de coupure basse f = 200 Hz. Sur
cette bande de fréquence, le modèle électrique du condensateur correspondant à une capacité
C. Dans ce cas, la fonction de transfert numérique en utilisant la transformée de ‘Tustin’ est la
suivante :
Te  1 + z −1 
H ( z −1 ) = .  (3.35)
2.C  1 − z −1 
Les chaînes de mesure complètes utilisées pour l’identification de chaque paramètre sont
présentées dans les annexes (Annexe 1).
3.4.2. Résultats de simulation
Respectivement, les résultats de simulation pour la tension et le courant utilisés pour
l’identification des deux paramètres sont présentés ci-dessous (Fig.3.13 et Fig.3.14). Ces
courbes correspondent au fonctionnement d’une seule demi-phase pour un convertisseur
AC/DC.
92
Fig.3. 13 : Résultat de simulation des mesures de tension et de courant condensateur nécessaires

à l’identification de la capacité C
Fig.3. 14 : Résultat de simulation des mesures de tension et de courant condensateur nécessaires

à l’identification de la résistance équivalente série (ESR)
Le résultat de simulation pour l’identification séparée des paramètres ESR et C est illustré
dans le tableau suivant. Ces résultats sont donnés par les algorithmes d’indentification (MCR)
après une simulation complète du système sur trois secondes. Ce temps est suffisant pour la
convergence des paramètres comme le montre la courbe d’évolution de la matrice de
covariance F (cf. eq. 3.23) présentée dans les annexes (Annexe 1).
Tableau 3. 3 : Résultat de simulation pour l’identification des paramètres
fixés Estimés Erreur (%)
ESR 32mΩ 32,7 mΩ 2,2
C 2259 2257µF 2,6
93
4. CONCEPTION D’UNE MAQUETTE ET RESULTATS
EXPERIMENTAUX
Pour valider ce système de maintenance prédictive des condensateurs électrolytiques, nous
avons mis en place une maquette sur la base d’un produit existant. A ce produit, nous avons
adjoint des cartes électroniques selon le cahier des charges fixé.
Le produit existant est un convertisseur de puissance triphasé AC/DC conçu pour délivrer
15 kVA. Les composants de puissance (inductances, condensateurs électrolytiques, diodes),
les composants d’électronique de puissance (IGBT, drivers,..) et les différentes cartes (carte
de puissance, carte contrôle/ commande, carte d’acquisition) sont conçues et adaptés de façon
à valider notre système. Les différents constituants et les cartes électroniques utilisés dans
cette maquette sont présentés dans la partie suivante.
4.1. PRESENTATION DE LA MAQUETTE

La maquette présente plusieurs sous-ensembles comme le montre la figure ci-dessous
(Fig.3.15).
Fig.3. 15 : Les différents sous-ensembles de la maquette utilisée

4.1.1. Un transformateur d’isolement
Un transformateur d’isolement est utilisé pour isoler la maquette du réseau. Ce transformateur
sert à alimenter un autotransformateur qui nous permet de faire varier la tension appliquée à
l’entrée de l’application.
4.1.2. Un redresseur
Pour ne récupérer que la composante positive de la tension réseau, nous utilisons un
redresseur. Pour commander ce redresseur, nous utilisons des thyristors qui sont pilotées par
un GBF avec un signal carré délivré à une fréquence déterminée. La mono alternance positive
récupérée à la sortie de ce redresseur est donnée par la figure suivante :
94
60
Tension réseau redressée (V)

50
40
30
20
10
-10
0 0.02 0.04 0.06 0.08 0.1
Temps (s)
Fig.3. 16 : Tension réseau à la sortie du redresseur

4.1.3. Une carte de puissance
La carte de puissance est conçue pour le fonctionnement d’un convertisseur triphasé. Chaque
phase est composée de deux parties (une pour l’alternance positive et une autre pour
l’alternance négative). Pour notre maquette, nous utilisons l’alternance positive d’une seule
phase, ce qui donne le schéma de fonctionnement du système représenté sur la Fig.3.2.
4.1.4. Une carte d’interface
Pour appliquer des filtres analogiques directement sur les mesures de tension et de courant
aux bornes des condensateurs, nous utilisons une carte d’interface (carte CRAKC) qui vient se
connecter directement sur les condensateurs. Cette carte est conçue de façon à minimiser au
maximum les boucles de mesures.
4.1.5. Une carte d’acquisition et de contrôle/ commande
Pour adapter et filtrer toutes les mesures utilisées pour la régulation du convertisseur et celles
utilisées pour l’identification des paramètres, nous avons conçu une carte d’acquisition et de
contrôle commande. Cette carte présente plusieurs fonctionnalités à savoir :
- le filtrage analogique de toutes les mesures : les filtres passe-bande, les filtres passe-
haut et les filtres anti-repliement,
- Le gain variable : chaque mesure utilisée pour l’identification des paramètres ESR et
C est adaptée automatiquement pour toujours avoir la pleine échelle (3V) à l’entrée du
DSP (le rôle de ce dernier sera présenté au paragraphe suivant). En connaissant la
valeur minimale et maximale de chaque mesure, nous utilisons un multiplexeur (1/8)
pour chaque chaîne de mesure (Fig.3.17). En fonction de la valeur appliquée à l’entrée
du démultiplexeur, à travers un algorithme, le DSP donne R1
les impulsions nécessaires
pour les trois bits de commande. Ces bits permettent de choisir une des huit
résistances. Une explication détaillée des chaînes de mesure ainsi que de
l’implémentation de cet algorithme est évoquée en annexes (Annexe 2).
- L’envoi de la commande : un mini circuit électrique est intégré dans cette carte
permettant d’adapter la commande générée par le DSP pour pouvoir envoyer
95
l’impulsion nécessaire transmise à l’IGBT.
4.1.6. Une carte d’évaluation eZdspTMS320F2812
Cette carte présentée plus en détails dans les annexes (Annexe 1) est à base d’un DSP (Digital
Signal Processing) à virgule fixe utilisé pour effectuer plusieurs tâches :
- gestion des interruptions,
- échantillonnage des mesures,
- calcul nécessaire à la régulation (de courant et de tension) et à la génération de la
commande,
- algorithmes d’identification des paramètres,
- algorithme de choix des gains à appliquer.
La programmation du DSP se fait à travers une interface fournie avec la carte à savoir le CCS
(code composer studio) qui est détaillée dans les annexes (Annexe 1). A part la
programmation en langage C, cette interface permet :
- l’allocation de la mémoire,
- le suivi en temps réel de tous les paramètres, les zones mémoires, l’évolution du
programme en temps réel,
- la visualisation des différents signaux en temps réels.
Le synoptique complet du fonctionnement des cartes d’interface et de la carte d’évaluation
DSP est donné par la figure suivante :
f
fc = s ≈ 40kHz
2
f
fc = s ≈ 40kHz
2
f
f c ≈ 200Hz fc = s ≈ 40kHz
2
f s = 80 kHz
f
fc = s ≈ 40kHz
f c ≈ 10kHz 2
f
fc = s ≈ 40kHz
f c ≈ 200Hz 2
f
f c ≈ 10kHz fc = s ≈ 40kHz
2
Fig.3. 17 : Synoptique de fonctionnement des cartes d’interface et de la carte d’évaluation DSP
96
- Sur ce synoptique nous présentons toutes les fonctions et les rôles des différentes
cartes utilisées. Les cartes d’interface représentent les cartes conçues (carte CRACK et
carte ACQMC) présentées dans les annexes (Annexe 1).
Une photo de cette maquette est présentée ci-dessous :
Fig.3. 18 : Photo de la maquette

Sur la carte d’évaluation DSP, nous montrons les différents tâches réalisées permettant de :
- commander le convertisseur de puissance,
- donner des alertes sur toutes les pannes qui peuvent intervenir au niveau des
condensateurs électrolytiques,
- afficher le temps restant avant la défaillance des condensateurs.

Le système permettant l’identification des paramètres internes du condensateur à savoir ESR
et C a été validé par plusieurs étapes énumérées ci après :
- fonctionnement en mode DC/DC avec capteur de courant condensateur conçu
spécialement,
- fonctionnement du convertisseur en mode AC/DC,
- identification séparée des paramètres ESR et C,
- application d’un gain variable.
Tous les résultats expérimentaux de chacune des étapes sont présentés ci-dessous
97
4.2.1. Fonctionnement en mode DC/DC :
Pour valider l’identification des paramètres en temps réel, nous avons commencé par
l’utilisation d’un convertisseur DC/DC (hacheur boost). La tension d’alimentation continue
d’entrée est fixée à 50V.
Pour la mesure du courant aux bornes du condensateur, nous avons conçu un transformateur
d’intensité (TI) de façon à avoir une résistance équivalente série très faible comparée à la
valeur de l’ESR du condensateur. Une explication plus détaillée de cette conception est
présentée dans les annexes (Annexe 1).
Les mesures de l’ondulation de tension et du courant du condensateur sont présentées sur les
figures ci-dessous.
10
8
Courant condensateur (A)
-2
-4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) x 10
-3
Ondulation de tension condensateur (V)
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) x 10
-3
Fig.3. 19 : Mesures expérimentales de l’ondulation de courant et de tension condensateur

utilisées pour identifier les paramètres ESR et C sur un convertisseur DC/DC
Les mesures par l’intermédiaire du DSP correspondantes à l’ondulation de la tension et du
courant condensateur reconstitué (cf. équation (3.31)) sont données sur les figures suivantes :
10
Courant condensateur sous DSP (A)
-2
-4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) x 10
-3
98
0.8
0.6
0.4
sous DSP (A)

0.2
-0.2
-0.4
-0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s) x 10
-3
Fig.3. 20 : Mesures expérimentales de l’ondulation de courant et de tension condensateur utilisés

pour identifier les paramètres ESR et C sur un convertisseur DC/DC
Les résultats expérimentaux d’identification des paramètres ESR et C sont illustrés dans le
tableau suivant :
Tableau 3. 4 : Résultats expérimentaux de l’identification des paramètres pour un convertisseur
DC/DC
Mesurés Estimés [min, max] Erreur (%)
ESR 31.2 [29.95mΩ, 32.76mΩ] +/- 5
C 2259 [2124µF, 2394µF] +/- 6
Les paramètres électriques des condensateurs sont mesurés par un impédancemètre à la même
température ambiante que celle utilisée pour l’identification. Les résultats présentés dans ce
tableau correspondent à une série de plusieurs identifications faites consécutivement dans les
mêmes conditions.
4.2.2. Fonctionnement en mode AC/DC
Une fois la méthode validée, nous avons utilisé ce même convertisseur pour le
fonctionnement en mode AC/DC. Pour cela, nous avons utilisé un transformateur pour isoler
la maquette, un autotransformateur pour faire varier la tension d’entrée appliquée au
convertisseur et un redresseur pour ne prendre qu’une seule alternance (positive dans notre
cas) de la tension.
Les schémas électriques de toutes les chaînes de mesure utilisées pour l’identification séparée
des deux paramètres sont donnés dans les annexes (Annexe 1). Ces schémas présentent :
- les filtres analogiques utilisés pour choisir la bande de fréquence qui nous intéressent
pour l’identification de chaque paramètre,
- l’adaptation automatique des gains qui permet d’avoir des mesures à pleine échelle à
l’entrée du DSP,
- le filtre anti-repliement de second ordre et de fréquence de coupure fixée à 40 kHz
correspondant à la moitié de la fréquence d’échantillonnage (80 kHz),
- les circuits de saturation pour ne pas dépasser la tension limite (3V) supportée par le
DSP.
99
4.2.3. Gain variable
Les amplitudes des mesures utilisées pour l’identification des deux paramètres ESR et C
varient en fonction de plusieurs paramètres du système, comme la température, la tension
d’entrée et la charge appliquée au convertisseur de puissance. Pour avoir l’amplitude
maximale à l’entrée du DSP (3V) et par suite avoir une bonne identification des paramètres,
nous avons choisi d’implémenter un système qui permet d’ajuster automatiquement
l’amplitude de chaque mesure utilisée. Ce système utilise un démultiplexeur 1/8
(M74HC4051) pour chaque mesure. Chaque démultiplexeur est commandé indépendamment
par DSP.
La programmation en temps réel de cet algorithme est optimisée de façon à minimiser les
différentes boucles (if, for, while,..) au niveau du codage sous DSP. Cette optimisation est
indispensable car comme les algorithmes d’identification, cet algorithme travaille en tâches de
fond et par conséquent, il doit utiliser le minimum de cycles horloge possible.
Le fonctionnement au niveau DSP est illustré dans la figure ci-dessous :
Initialisation des paramètres
Lancement du convertisseur
(régulation et envoi des
commandes)
non
DSP libre?
oui
Acquisition des mesures et

calcul des valeurs maximales
sur une période réseau
non
Fin
calcul?
oui
Choix de la résistance à
appliquer pour le gain de
chaque chaîne de mesure
non
Tâches de fond
Choix
Effectués?
oui
Vérification de chaque chaîne
Lancement de l’identification
des paramètres ESR et C
Fig.3. 21 : Tâches de fonds correspondants au choix du gain variable et de l’identification des

paramètres en temps réel
Les graphiques expérimentaux de l’ondulation de la tension et du courant du condensateur
utilisés pour identifier la capacité et la résistance équivalente série sont présentés ci-dessous
(Fig. 3.22 et Fig.3.23):
100
1.5
Courant pour identifier C

0.5
-0.5
-1
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (s)
1.5
1
Tension pour identifer C
0.5
-0.5
-1
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (s)
Fig.3. 22 : Mesures du courant et de la tension condensateur utilisées pour identifier la capacité

en temps réel
1.5
1
Courant pour identifier ESR
0.5
-0.5
-1
-1.5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (s)
1.5
1
Tension pour identifier ESR
0.5
-0.5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (s)
Fig.3. 23 : Mesures du courant et de la tension condensateur utilisées pour identifier la

résistance équivalent série (ESR) en temps réel
Ces mesures sont effectuées pour cinq périodes réseau (0,1 seconde) avec le gain approprié
permettant d’avoir la pleine échelle (3V) à l’entrée du DSP. Bien entendu, les mesures
présentées sont en mode AC de l’oscilloscope (pas de composante continue), c’est pour cela
qu’elles varient entre -1,5V et 1,5V.
Les mesures correspondantes au niveau du DSP pour une fréquence d’échantillonnage de
80 kHz sont présentées ci-dessous. Nous présentons cependant les mesures prises sur une
demi-période réseau pour mettre en évidence l’échantillonnage.
101
1.5
Courant DSP pour identifier C

1
0.5
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01
Temps (s)
1.5
Tension DSP pour identifier C
0.5
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01
Temps (s)
Fig.3. 24 : Mesures courant et de tension condensateur sous DSP utilisées pour identifier la
capacité en temps réel
1.5
Tension DSP pour identifier l'ESR
0.5
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01
Temps (s)
1.5
Tension DSP pour identifier l'ESR
0.5
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01
Temps (s)
Fig.3. 25 : Mesures courant et de tension condensateur sous DSP utilisées pour identifier la
résistance équivalente série (ESR) en temps réel
Comme nous l’avons expliqué auparavant, le calcul de la valeur de la capacité nécessite
l’utilisation de la valeur de la période d’échantillonnage (cf. équation (3.23)). Dans notre cas,
vu que le DSP dont nous disposons est à virgule fixe, il faut s’assurer que la virgule est
toujours fixée à l’endroit approprié pour éviter plusieurs problématiques comme le
dépassement : comme le calcul est effectué en temps réel et les paramètres sont liés à des
calculs matriciels, il faut s’assurer qu’à chaque calcul effectué, nous n’avons pas de
102
dépassement par rapport à la virgule fixée. Pour palier ce problème, nous avons opté pour
deux solutions :
- la normalisation des mesures : vu que nous avons beaucoup d’opérations de calcul et
notamment des multiplications, nous avons choisi de normaliser toutes les mesures
inférieures à ‘1’. Avec cette normalisation, nous sommes sûres de ne pas avoir de
dépassement.
- dans certains cas et pour avoir plus de précision et minimiser l’erreur de
quantification, nous sommes contraints à déplacer la virgule. Tout au long de la
programmation sous DSP, concernant la régulation du convertisseur, le choix du gain
variable et pour l’identification de la valeur de l’ESR, nous avons choisi de travailler
avec 15 bits à droite de la virgule. Dans ce cas, la précision de calcul est
1
de P = = 0,0000305 . Cette précision est supérieure à la valeur de la période
2 −1
15
d’échantillonnage (Te = 12.5 µs = 0.0000125 s) ce qui induit forcément des erreurs

d’estimation. Pour palier à ce problème, lors de l’estimation de la capacité, nous avons
opté de travailler avec 21 bits à droite de la virgule, ce qui nous donne une précision
1
de P = = 0,000000476 . Cette alternative a été validée par la librairie ‘fixed point’
2 −1
21
de Matlab, qui en fixant les valeurs minimales et maximales à l’entrée et à la sortie

d’un algorithme, permet de donner le meilleur emplacement de la virgule pour éviter
les dépassements.
Les résultats expérimentaux d’identification des paramètres ESR et C sont illustrés dans le
tableau suivant :
Tableau 3. 5 : Résultats expérimentaux de l’identification séparée des paramètres en temps réel
pour un convertisseur AC/DC
Mesurés Estimés [min, max] Erreur (%)
ESR 32.7 [31.4mΩ, 34.95mΩ] +/- 4
C 2359 [2292µF, 2429µF] +/- 3
Les résultats expérimentaux d’estimation des paramètres présentés dans le tableau résument
une série d’une vingtaine de mesures d’identification. Ces identifications successives sont
faites à même température et pour différentes valeurs de tensions appliquées à l’entrée du
convertisseur.
103
5. CONCLUSION
Dans ce troisième chapitre, nous avons présenté la procédure d’implémentation en temps réel
du système de maintenance prédictive des condensateurs électrolytiques pour une partie des
alimentations sans interruption (ASI). Dans une première partie, nous avons présenté d’une
manière plus détaillée la composition du convertisseur de puissance utilisée et la régulation de
ce système. La deuxième partie évoque les résultats de simulation de ce système, prenant en
compte la partie électronique de puissance, la conception de la régulation de ce système et
l’identification des paramètres électriques des condensateurs, ceci pour un convertisseur
DC/DC puis pour un convertisseur AC/DC. La dernière partie, a été consacrée à la procédure
expérimentale, en expliquant, la programmation DSP, l’implémentation des gains variables et
les différentes cartes conçues pour expérimenter ce système. Ces travaux ont permis une
estimation précise (< à 5%), robuste et répétitive des paramètres ESR et C dans des conditions
réelles de fonctionnement des convertisseurs.
104
CHAPITRE IV : ETUDE DE LA FAISABILITE D’UN SYSTEME TEMPS
REEL DE SURVEILLANCE D’ETAT DE CHARGE ET D’ETAT DE
SANTE D’UNE BATTERIE AU PLOMB ETANCHE DANS LES ASI
106
AU PLOMB ETANCHE DANS LES ASI
1. INTRODUCTION
Comme nous l’avons expliqué au premier chapitre, la batterie est un système électrochimique
complexe qui est à la fois non linéaire et non stationnaire. Cette non linéarité de la batterie est
due au fait que la relation entre le courant appliqué à l’entrée et la tension récupérée à la sortie
est non linéaire. La batterie est non stationnaire parce que les caractéristiques des paramètres
électriques internes de la batterie sont variables durant le cycle de vie d’une batterie ou
pendant un cycle de charge/décharge.
L’objectif est d’avoir une idée précise sur l’évolution de l’état de charge (SOC pour ‘State of
Charge’) et de l’état de santé (SOH pour ‘State of Health’) de la batterie en temps réel au
niveau des ASI.
Pour ce faire, dans ce chapitre, nous allons présenter dans une première partie quelques
modèles électriques qui peuvent permettre d’évaluer ces informations (SOC et/ou SOH). Dans
une deuxième partie, nous allons expliquer la procédure d’application du filtre de Kalman
étendu sur un modèle de batterie choisi correspondant à nos besoins et à notre application. La
troisième partie est dédiée à la procédure mise en œuvre pour évaluer le filtre de Kalman
étendu par des signaux simulés puis par des mesures expérimentales. Enfin, dans la dernière
partie nous détaillerons la procédure expérimentale qui sera appliquée pour vieillir les
batteries avec des cycles de charges / décharge.
2. MODELES ELECTRIQUES DES BATTERIES

Pour avoir une idée précise sur le comportement de la batterie et notamment en termes d’état
de charge (SOC) et /ou d’état de santé (SOH), nous présentons plusieurs modèles électriques.
2.1. MODELE SIMPLE

Le modèle présenté à la figure Fig4.1 est l’un des modèles le plus utilisé. Il représente une
batterie idéale avec une tension de circuit ouvert (V0), une résistance interne (Rint) et une
tension terminale représentée par Vt. Etant très simple, ce modèle ne représente pas le
comportement dynamique de la batterie. Ce genre de modèle ne peut être utilisé que pour des
applications ne demandant pas beaucoup de précision.
107
Fig.4. 1 : Modèle simple de la batterie
2.2. MODELE DE THEVENIN

Le modèle de Thevenin [37] présenté à la Fig.4.2 présente une batterie idéale avec une tension
de circuit ouvert Voc, une résistance interne Rd pour la décharge, une résistance interne Rc
pour la charge, une capacité C et une résistance terminale Rb. La capacité C est utilisée pour
modéliser la diffusion chimique de l’électrolyte dans la batterie. Les résistances Rc, Rb et Rd
sont utilisées pour modéliser toutes les formes de perte d’énergie dans la batterie. Les diodes
permettent de choisir Rc en cas de charge (Ib > 0) et Rd en cas de décharge (Ib < 0).
Fig.4. 2 : Modèle de Thévenin

Avec ce modèle, une technique d’observation [37] est développée pour estimer la tension de
circuit ouvert à partir des mesures de courant et de tension aux bornes de la batterie. La
tension en circuit ouvert est ensuite utilisée pour estimer l’état de charge (SOC).
2.3. MODELE RC
Le modèle RC [10] [73] illustré à la Fig.4.3 est constitué par les éléments suivants :
- Rt : résistance terminale ou résistance de connexion, quelques mΩ
- Rs : résistance liée à la double-couche, quelques mΩ
- Re : résistance liée aux phénomènes d’oxydoréduction, quelques mΩ
- Cbulk : capacité bulk, quelques kF (voir quelques dizaines de kF)
- Csurface : capacité de surface, quelques dizaines de Farad (F)
- Vcb : tension aux bornes de capacité Cbulk
- Vcs : tension aux bornes de la capacité Csurface
108
Fig.4. 3 : Modèle RC
Dans ce modèle, Cbulk est utilisée pour représenter la capacité de stockage de la batterie, la
tension Vcb aux bornes de Cbulk représente la tension de circuit ouvert à partir de laquelle nous
pouvons remonter à l’état de charge (SOC) de la batterie. Quand la batterie vieillit, la perte
progressive de la capacité peut être représentée par la diminution progressive de Cbulk. Cela
donne une information sur l’état de santé (SOH) de la batterie.
3. APPLICATION DU FILTRE DE KALMAN ETENDU

L’objectif est de mettre en place un système temps réel pour prédire l’état de charge (SOC) et
l’état de santé (SOH) de la batterie dans les ASI. Ce système utilise les entrées mesurables
comme le montre la figure suivante :
Fig.4. 4 : Modèle idéal de la batterie

Comme expliqué au premier chapitre, pour obtenir le SOC et /ou le SOH de la batterie à partir
du courant, la tension et la température, plusieurs méthodes sont présentées dans la littérature
(réseau de neurone, logique floue, filtre de Kalman,..).
Dans cette partie nous expliquons l’utilisation du filtre de Kalman étendu (à la valeur de la
capacité Cbulk) que nous désignons par EKF (Extended Kalman Filter)[30] pour estimer le
SOC et le SOH de la batterie. Le choix de cette méthode repose principalement sur les deux
raisons suivantes :
- L’EKF est un algorithme adaptatif capable de suivre les évolutions des paramètres
internes du système non linéaire et non stationnaire comme la batterie
- L’EKF peut être implémenté dans des processeurs temps réel (DSP) qui sont utilisés de
nos jours dans les ASI.
Une explication plus détaillée de l’EKF est donnée dans les annexes (Annexe 4).
109
3.1. MISE EN ŒUVRE DU FILTRE DE KALMAN ETENDU (EKF)
L’application de l’EKF repose tout d’abord sur le choix d’un modèle correspondant à notre
application et à notre système.
Une comparaison entre la réponse du modèle RC pour une décharge à courant constant avec
celle de la batterie (Fig.4.5) montre que le modèle RC n’arrive pas à suivre la réponse non
linéaire de la batterie.
Modèle RC
Réponse batterie
Fig.4. 5 : Comparaison entre la réponse du modèle et la mesure expérimentale sur la batterie

pour un courant de décharge constant
Cependant, comme nous l’avons expliqué auparavant, l’estimation de Vcb aux bornes de Cbulk
peut être utilisée pour représenter la tension de circuit ouvert. Cette tension est représentative
de l’état de charge de la batterie (SOC).
De même, l’estimation de Cbulk peut nous donner une information sur l’état de santé (SOH) de
la batterie. En effet, comme pour les condensateurs, quand la batterie vieillit, la valeur de la
capacité Cbulk va décroître. Si cette variable décroit de 20% par rapport sa valeur initiale, nous
pouvons conclure que la batterie est en fin de vie.
Comme nous avons vu auparavant (cf. Fig.4.5), le modèle RC n’arrive pas à suivre la réponse
non linéaire de la batterie. Cependant, du fait qu’il est relativement simple et qu’il permet
d’estimer les deux grandeurs qui nous intéresse dans notre application à savoir le SOC et
SOH, nous avons décidé de l’utiliser pour valider l’utilisation d’EKF.
L’objectif du filtre de Kalman étendu avec ce modèle RC est de suivre l’évolution de Vcb et
de Cbulk en temps réel et d’en déduire le SOC et le SOH de la batterie.
Nous allons appliquer l’EKF étendu à ce modèle RC pour une batterie au plomb étanche (6V /
8.5Ah / 34W). Le choix de cette batterie est expliqué plus tard.
110
Fig. 4. 6 : Utilisation du filtre de Kalman étendu

Normalement, l’évolution de la valeur de Cbulk est très lente et doit rester quasi constante
pendant un seul cycle de charge/ décharge.
Les relations de tensions et courants dans ce modèle RC sont données par :
Vo = I ⋅ R t + I b ⋅ R e + Vcb (4.1)
Vo = I ⋅ R t + I s ⋅ R s + Vcs (4.2)
A partir de (4.1) et (4.2), nous avons :
I b ⋅ R e = I s ⋅ R s + Vcs − Vcb (4.3)
Sachant que I = I b + I s , à partir de (4. 3), nous pouvons déduire :
I b ⋅ (R e + R s ) = I ⋅ R s + Vcs − Vcb (4.4)

& ⋅ C , nous avons :
Comme I b = Vcb bulk
& =− Vcb Vcs I⋅Rs

V + + (4.5)
⋅ (R e + R s ) C bulk ⋅ (R e + R s ) C bulk ⋅ (R e + R s )
cb
C bulk
En appliquant la même démarche, nous obtenons :
& =− Vcs Vcb I⋅ Rs

V + + (4.6)
⋅ (R e + R s ) C surface ⋅ (R e + R s ) C surface ⋅ (R e + R s )
cs
C surface
Pour la simplicité, nous utilisons pour toute la suite Cb pour Cbulk et Cs pour C surface , nous
pouvons donc écrire les équations d’état par :
 1 1   Rs 
−
&
Vcb   C b ⋅ (R e + R s ) C b ⋅ (R e + R s )  Vcb  C b ⋅ (R e + R s ) 

& = 1 1
 V  +  Re
 I (4.7)
 Vcs   −   cs   
 C s ⋅ (R e + R s ) C s ⋅ (R e + R s )   C b ⋅ (R e + R s ) 
La tension de sortie V0 (cf. Fig.4.3) peut être déduite à partir de (4.1) ou (4.2) avec
& ⋅ C . L’expression de V0 est donnée par :
& ⋅ C où I = V
Ib = Vcb b s cs s
 Rs Re  Vcb   Re ⋅Rs 
Vo =    V  + R t +  I (4.8)
Re + Rs Re + Rs   cs   Re + Rs 
111
Pour une entrée constante ( &I = 0 ) et en dérivant (4.8), nous pouvons déduire :
& = −
V
Rs
+
Re  
Vcb + 
Rs
−
Re 
Vcs
 2 2
 C b ⋅ (R e + R s ) Cs ⋅ (R e + R s )   C b ⋅ (R e + R s ) Cs ⋅ (R e + R s ) 
o 2 2
 R s2 R e2 
+ + 2 
I (4.9)
 C b ⋅ (R e + R s ) C s ⋅ (R e + R s ) 
2
A partir de (4.8), nous déduisons :

Re + Rs R (R + R s ) ⋅ R t
Vcs = ⋅ Vo − s ⋅ Vcb − e ⋅ I − Rs ⋅ I (4.10)
Re Re Re
En substituant l’expression de Vcs dans (4.9), nous pouvons finalement écrire les équations
d’état suivantes :
 1 1   Rs 
− 0  
&   C b ⋅ (R e + R s )
Vcb
C b ⋅ (R e + R s )  Vcb   C b ⋅ (R e + R s ) 
&  
0  V  +   (4.11)
1 1 Re
 cs  =  C ⋅ (R + R )
V −
C s ⋅ (R e + R s )  cs   C ⋅ (R + R )  I
V
& 
 o     Vo   s 
s e s e s
  
 A(3,1) 0 A(3,3)  B(3) 
Avec :
Rs Re R s2 Rs
A(3,1) = − + − +
C b ⋅ (R e + R s ) 2
C s ⋅ (R e + R s ) 2
C b ⋅ R e ⋅ (R e + R s ) 2
C s ⋅ (R e + R s ) 2
Rs 1
A(3,3) = −
C b ⋅ R e ⋅ (R e + R s ) C s ⋅ (R e + R s )
R e2 Rs ⋅ Rt Rt Rs ⋅ Re
B(3) = − + −
C s ⋅ (R e + R s ) 2
C b ⋅ R e ⋅ (R e + R s ) C s ⋅ (R e + R s ) C s ⋅ (R e + R s ) 2
En mettant le système sous forme standard comme

x& (t) = A ⋅ x(t) + B ⋅ u(t)
y(t) = C ⋅ x(t)
Nous savons que :
u=I y = Vo x = [Vcb Vo ] C = [0 0 1]
T
Vcs
Les équations d’état sont basées sur la supposition que les valeurs de Rt, Rs, Re, Cb, Cs, Vcb, Vcs
sont constantes. Cependant, pour estimer l’état de santé, la valeur de Cb, doit pouvoir évoluer
lentement pendant un cycle de vie de la batterie. Pour se faire, sachant que la valeur de Cb
1
étant très grande (quelques kF), nous avons choisi d’ajouter un nouvel état α = dans le
Cb
112
vecteur d’état interne et ajouter ainsi α& = 0 (évolution nulle sur une faible période) dans la
structure de (4.11), ce qui nous donne les vecteurs suivants :
x = [Vcb α]
T
Vcs Vo
 (Vcs − Vcb + I ⋅ R s ) ⋅ α 
 Re + Rs 
 
 Vcb − Vcs + I ⋅ R e 
x& = f(x, u) =
 C s ⋅ (R e + R s ) 
V ⋅ f1 + V ⋅ f2 + I ⋅ f3
 cb o

 0 
y = C⋅x (4.12)
Rs ⋅ α Re R s2 ⋅ α Rs
avec : f1 = − + − +
(R e + R s ) 2
C s ⋅ (R e + R s ) 2
R e ⋅ (R e + R s ) 2
C s ⋅ (R e + R s ) 2
Rs ⋅α 1
f2 = −
R e ⋅ (R e + R s ) C s ⋅ (R e + R s )
R e2 Rs ⋅ Rt ⋅α Rt Rs ⋅ Re
f3 = − + −
C s ⋅ (R e + R s ) 2
R e ⋅ (R e + R s ) C s ⋅ (R e + R s ) C s ⋅ (R e + R s ) 2
C = [0 0 1 0]
Le principe du filtre de Kalman est présenté dans les annexes (Annexe 4).
En ajoutant les bruits ω et ν respectivement sur l’état et la sortie, nous avons les équations
d’état ci-dessous, sur lesquelles nous appliquerons le filtre de Kalman :
x& = f(x, u) + ω (4.13)
z = h(x) + ν (4.14)
avec :
- u : vecteur d’entrées mesurées, u ∈ R l
- x : vecteur d’état (états internes du système), x ∈ R n
- z : vecteur de sorties mesurées, z ∈ R m
- ω : bruit de modèle représentant l’inexactitude du modèle, ω ∈ R p
- ν : bruit de mesure, ν ∈ R m
Le faite d’ajouter α& = 0 dans la structure de (4.11), à partir de (4.13), nous avons :
α& = ω(4) (4.15)
où :
ω(4) représente le bruit pour Cb
113
L’évolution lente de la valeur de Cb est représentée par la perturbation du bruit ω(4) dans
(4.15).
A partir des équations d’état précédentes, nous pouvons déduire l’expression des matrices Fx
et Fu comme suit:
 α α 
 − R +R Re + Rs
0 F(1,4)
 e s

 1 1
− 0 0  (4.16)
Fx (x k , u k ) =  C s ⋅ (R e + R s ) C s ⋅ (R e + R s ) 
 Rs ⋅α 1 
 F(3,1) 0 − F(3,4)
 R e ⋅ (R e + R s ) C s ⋅ (R e + R s ) 
 0 0 0 0 
avec :
Vcs − Vcb + I ⋅ R s
F(1,4) =
Re + Rs
Rs ⋅α Re R s2 ⋅ α Rs
F(3,1) = − + − +
(R e + R s ) 2
C s ⋅ (R e + R s ) 2
R e ⋅ (R e + R s ) 2
C s ⋅ (R e + R s ) 2
R s ⋅ Vcb Vcb ⋅ R s2 Re I⋅Rs ⋅Rt

F(3,4) = − − + −
(R e + R s ) 2 R e ⋅ (R e + R s ) R e ⋅ (R e + R s ) R e ⋅ (R e + R s )
 R ⋅α Re 
Fu =  s f3 0 (4.17)
R e + Rs C s ⋅ (R e + R s ) 
Avec :
R e2 Rs ⋅ Rt ⋅α Rt Rs ⋅ Re
f3 = − + −
C s ⋅ (R e + R s ) 2
R e ⋅ (R e + R s ) C s ⋅ (R e + R s ) C s ⋅ (R e + R s ) 2
Nous obtenons donc le modèle discrétisé de la batterie sans bruit ajouté et sous forme
standard :
x k +1 = A k ⋅ x k + B k ⋅ u k (4.18)
y k +1 = C k ⋅ x k (4.19)
Avec :
A k = Φ(k + 1 k) = I + Fx (x k , u k ) ⋅ Tc
B k = Ψ(k + 1 k) = Fu (x k , u k ) ⋅ Tc
C k = [0 0 1 0]
En ajoutant les matrices de covariance d’erreur Q et R respectivement sur ω et ν, nous
obtenons le modèle discrétisé avec les bruits ajoutés suivant :
114
x k +1 = A k ⋅ x k + B k ⋅ u k + Q (4.20)
z k +1 = C k ⋅ x k + R (4.21)
Connaissant les relations pour calculer Fx et Fu, l’implémentation de l’algorithme du filtre de
Kalman étendu expliqué plus en détails dans les annexes (Annexe 4) suit le schéma ci-
dessous :
Fig.4. 7 : Implémentation du filtre de Kalman [46]

L’algorithme du filtre de Kalman étendu est introduit à l’aide du module « S-function » sous
Simulink de MATLAB [76]. Cette fonction est exécutée périodiquement selon une période
bien définie. Cette période correspond à la période d’échantillonnage des mesures.
Plusieurs simulations appliquées sur le modèle RC pour valider le filtre de Kalman sont
présentés dans les annexes (Annexe 4).
Dans ce qui va suivre, nous allons présenter la procédure expérimentale nécessaire pour
évaluer expérimentalement les paramètres électriques du modèle choisi.
3.2.DETERMINATION DES VALEURS INITIALES DES PARAMETRES DANS LE

MODELE DE LA BATTERIE UTILISEE [10]
La procédure expérimentale pour déterminer les valeurs initiales des paramètres (Rt, Re, Rs,
Cbulk, Csurface) d’une batterie 6V/ 8.5Ah est expliquée ci-dessous :
- Pour la capacité Cb
Comme l’énergie stockée W dans la capacité initiale Cb-initiale peut s’écrire
1
W= C b −initiale .V 2 = Vo .I.t (4.22)
2
115
3600 ⋅ Nominal(Ah) ⋅ V0_100%SoC 3600sec ⋅ 8.5Ah ⋅ 6.53V (4.23)
C b -initial = = ≈ 66182F
1 2 1
(V0_100%SoC − V0_0%SoC
2
) (6.53 2 − 6.05 2 )
2 2
- Pour la capacité Cs
Comme Cs est liée à la capacité double couche, sa valeur dépend de la réponse de la batterie à
une excitation relativement de haute fréquence. La figure ci-dessous (Fig.4.8) donne la
réponse de la batterie pour une décharge d’impulsion fixée à 10A pendant un temps t = 0.5
seconde.
V1 = 6.503V
V4 = 6.437V
V3 = 6.361V
V2 = 6.294V
t = 0.5 s
Fig.4. 8 : Réponse de la batterie pour la décharge de 10 A pendant 0.5 s

A partir de la constante de temps τ liée à la capacité Cs et les résistances associées au modèle,
la valeur de Cs est calculée comme suit. Une approximation de la constante de temps est
donnée grâce à l’équation suivante :
 − 
t
Vstable = V1 = V3 + (V4 − V3 )1 − e τ  (4.24)

 
La constante de temps est donc :
 V − V3 
τ = −∆t ⋅ ln1 − 4  = 0.383 s (4.25)
 V1 − V3 
La constante de temps est aussi décrite par :

τ ≈ (R s + R e ) ⋅ Cs (4.26)
Donc la valeur de Csurface est donnée par :
τ (4.27)
Csurface = 34.8 F
Rs + Re
- Calcul des résistances Rt, Re et Rs

En utilisant un ohmmètre, nous pouvons mesurer la résistance interne de la batterie. Cette
116
mesure est prise quand la batterie est à 100% de SOC. Nous supposons que Re et Rs sont des
valeurs identiques et représente chacune environ 75% de la résistance totale [10]. Pour une
résistance interne mesurée de 7.3mΩ, nous avons R e ≈ R s ≈ 0.0055Ω .
Rt peut être calculée par la formule (4.27) :
1
0.0073 = R t + (4.28)
1 1
+
Rs Re
Les valeurs trouvées sont résumées dans le tableau ci-dessous :
Tableau IV. 1 : Paramètres électriques du modèle RC trouvés expérimentalement
Paramètre : Rt ( Ω ) Re ( Ω ) Rs ( Ω ) Cb(F) Cs(F)
Valeurs : 0.0045 0.0055 0.0055 66182 34.8
3.3. RESULTATS DE SIMULATION

En ayant une idée plus précise sur les paramètres internes d’un modèle RC bien défini d’une
batterie 6V / 8.5Ah, nous avons validé le fonctionnement du filtre de Kalman étendu en
utilisant plusieurs profils d’entrée de courant :
- Simulation avec une entrée riche en fréquence
- Simulation pour une décharge à courant constant
- Simulation pour une décharge à puissance constante
- Simulation en ajoutant Rt dans le vecteur d’état x pour étendre le filtre de Kalman et
améliorer ainsi l’estimation.
- Simulation pour différentes matrices de covariance de bruits Q et R
Les données expérimentales utilisées sont issues des batteries de 6V / 8.5Ah / 34W. Les
données du fournisseur de cette batterie sont présentées dans les annexes (Annexe 5).
Les résultats de simulation pour un courant riche à l’entrée sont présentés. Une autre
simulation en introduisant la résistance Rt dans le vecteur d’état est aussi expliquée. Les autres
résultats de simulation sont présentés dans les annexes (Annexe 4).
3.3.1. Simulation avec une entrée riche en fréquence
Pour ce cas, une batterie de HRL634W à 100% de S0C est déchargée pendant 50 minutes
avec une entrée de courant variant périodiquement, le courant et la tension aux bornes de la
batterie sont mesurés et puis importés dans MATLAB pour la simulation. Les résultats de
simulation sont donnés dans la Fig.4.9
117
Tension mesurée aux bornes

de la batterie 8 heures après
la décharge = 6.04 V
Fig.4. 9 : Résultat de simulation avec une entrée riche en fréquence

La tension mesurée 8 heures après la fin de décharge aux bornes de la batterie est de 6.04 V
(la mesure est prise un certain temps de repos après la décharge pour que la tension de la
batterie soit complètement stable) et la valeur finale de Vcb estimée par le filtre de Kalman
étendu est de 5.74 V, l’erreur entre les deux est environs 5%, qui est acceptable en termes de
précision.
Pour améliorer la précision de l’estimation, nous avons introduit la résistance Rt dans le
vecteur d’état du système car celle-ci évolue lors de la décharge (cf. V0(t) sur la Fig.4.9)
3.3.2. Simulation en ajoutant une résistance Rt dans le vecteur d’état x
Le fait que la résistance interne de la batterie évolue pendant un cycle de charge/décharge
conduit à ajouter Rt dans le vecteur d’état à estimer. Ceci permet à l’EKF de prendre en
compte le changement de la valeur Rt pendant la décharge. En comparant avec les équations
d’état dans (4.12), le modèle non linéaire de la batterie devient :
x = [Vcb Vcs Vo α Rt] T (4.29)
 (Vcs − Vcb + I ⋅ R s ) ⋅ α 
 Re + Rs 
  (4.30)
 Vcb − Vcs + I ⋅ R e 
x& = f(x, u) =  C s ⋅ (R e + R s ) 
V ⋅ f1 + V ⋅ f2 + I ⋅ f3
 cb o

 0 
 0 
y = C⋅x (4.31)
118
En utilisant la même entrée riche utilisée précédemment (cf. paragraphe 3.3.1), nous obtenons
les résultats présentés sur la figure ci-dessous.
Tension mesurée aux bornes

de la batterie 8 heures après
la décharge = 6.04 V
Fig.4. 10 : Résultat de simulation après l’ajout de Rt dans le vecteur d’état

La tension mesurée 8 heures après la fin de décharge aux bornes de la batterie est de 6.04V et
la valeur finale de Vcb estimée par le filtre de Kalman étendu est de 5.849V. L’erreur
d’estimation est de 3.1% environ, donc le fait de rajouter la résistance Rt dans le vecteur d’état
améliore la précision (l’erreur d’estimation de Vcb est passée de 5,7% à 3,1% en fin de
décharge).
Nous remarquons aussi que comme prévu, la résistance Rt évolue pendant la décharge. La
valeur estimée de cette résistance passe de 4,5 mΩ en début de décharge à 11,6 mΩ en fin de
décharge. En prenant en compte les résistances Rs et Re, la résistance interne Rint estimée à la
fin de décharge par le filtre de Kalman étendu est donnée, compte tenu de l’équation 4.27,
par :
5.5 (4.32)
R int = 11.6 + = 14.35m Ω
2
La résistance interne de la batterie mesurée après la décharge avec un ohmmètre est de
14.5 mΩ . Donc l’erreur d’estimation du filtre de Kalman étendu, est de 1% environ. Par
contre, la valeur de Cb décroît beaucoup pendant la décharge.
Les résultats de simulation pour les différents profils de courant appliqués à la batterie en
119
introduisant la variation de la résistance Rt sont présentés dans les annexes (Annexe 4).
Le tableau ci-dessous résume toutes les simulations effectuées avec et sans introduction de la
résistance Rt dans le vecteur d’état.
Tableau IV. 2 : Résultat d’estimation de la tension Vcb avec le filtre de Kalman étendu
N° de test Type de décharge Vcb estimée Vcb réelle Erreur %

1 82.6 W à 5.90 V 6.44 V 6.31 V 2.0%
2 82.6 W à 5.01 V 5.89 V 6.03 V 2.3%
3 60 W pendant 15 minutes 6.28 V 6.28 V 0.01%
4 60 W à 5.01 V 5.81 V 6.01 V 3.2%
5 110 W à 5.01 V 5.85 V 6.06 V 3.4%
6 110 W à 5.80 V 6.32 V 6.29 V 0.5%
7 10 A à 5.50 V 5.73 V 5.94 V 3.5%
Courant riche en variation
8 5.85 V 6.04 V 3.1%
pendant 50 minutes
A partir des résultats, nous pouvons voir que les erreurs d’estimation de la tension de circuit
ouvert sont toutes <5%.
3.3.3. Simulation avec différentes matrices de covariance de bruits Q et R
Les simulations avec différentes matrices Q et R concernent seulement le filtre de Kalman
étendu avec le vecteur d’état x = [Vcb Vcs Vo α Rt] T.
Les informations concernant les bruits du modèle et de la mesure se trouvent dans les
matrices de Q et R. La sélection de Q et R détermine la précision de la performance du filtre,
comme ils déterminent le gain du filtre Kk+1 et la matrice de covariance d’erreur Pk+1|k+1.
L’initialisation de Q, selon plusieurs expériences effectuées, est plus compliquée que le choix
de R car la connaissance de la précision du modèle est limitée. Par conséquent, les études
expérimentales avec différentes matrices de Q sont nécessaires afin de trouver une matrice Q
qui convient le mieux au système défini.
La Fig.4.11 montre la performance de l’EKF pour quatre différentes matrices Q. L’entrée de
la batterie est la même que celle de la Fig.4.10. Les quatre matrices Q sont
respectivement listées ci-dessous, notons que la matrice Q2 est celle que nous avons
finalement choisie car c’est celle qui permet la meilleure estimation de la variation de Vcb.
120
 0 .6 6 0 0 0 0  0.0286 0 0 0 0 
   
 0 0 .6 4 0 0 0   0 0.0284 0 0 0 
Q1 =  0 0 0 .6 4 0 0  Q2=  0 0 0.0284 0 0 
   
 0 0 0 0 .6 8 0   0 0 0 0.0288 0 
 0 0 . 6 4   0 0.0284 
 0 0 0  0 0 0
0.0282 0 0 0 0  0.0283 0 0 0 0 
 2   3 
 0 0.028 0 0 0   0 0.028 0 0 0 
Q3 =  0 0 0.0282 0 0  Q4 =  0 0 0.0283 0 0 
   3 
 0 0 0 0.0282 0   0 0 0 0.028 0 
 0 0.0282   0 0 0 0 0.0283 
 0 0 0 
Fig.4. 11 : Résultats de simulations pour différentes matrices Q

Pour le choix de la matrice R, la Fig.4.12 présente les résultats de simulations de la tension Vo
du filtre pour différentes matrices R. Sur la figure de droite, se trouve les réponses de la
tension Vo du filtre pour une décharge avec des impulsions de courant. Nous pouvons voir que
plus la valeur de R est grande, moins la réponse du filtre est oscillatoire. Dans la figure à
gauche se trouve les réponses de la tension Vo du filtre pour une décharge à puissance
constante. Nous constatons que plus la valeur R est grande, moins la réponse du filtre est
précise (cf. Fig.4.12)
Le tableau ci-dessous montre l’influence de la valeur R sur la tension finale de Vcb estimée
par le filtre de Kalman étendu pour différentes entrées utilisées. Nous rappelons que ces
résultats de simulation ne concernent que l’EKF avec le vecteur d’état x = [Vcb Vcs Vo α Rt]T.
Au vue des écarts maximaux calculés pour les trois types de décharge, nous constatons que
quand la batterie est déchargée avec un courant riche en fréquence ou à puissance constante,
l’influence de la variation de la valeur R sur l’estimation finale de Vcb est relativement petite.
Ceci est important vu que dans les ASI, les batteries sont déchargées à puissance constante.
121
Tableau IV. 3 : Résultat de simulation de la tension Vcb avec plusieurs valeurs de la matrice R
Type de Courant riche en variation Courant constant (10A) Puissance constante
décharge
Valeur R Vcb réelle =5,85V Vcb réelle =5,94V Vcb réelle =6,03V
1 5.84 V 5.70 V 5.99 V

10 5.85 V 5.62 V 5.96 V
100 5.85 V 5.73 V 5.89 V
1000 5.86 V 5.85 V 5.92 V
Ecart maximal 0.02 V 0.24 V 0.11 V
Fig.4. 12 : Résultats de simulations de la réponse Vo pour différentes matrices R
3.3.4. Simulation pour deux batteries en série

Les résultats précédents ne concernent que les simulations sur une seule batterie. Dans cette
partie, nous allons montrer des résultats de simulation sur deux batteries connectées en série.
La même méthode décrite précédemment est utilisée pour déterminer les paramètres du
modèle RC. La Fig.4.13 ci-dessous montre la réponse pour une décharge à courant de 10A
pendant t = 0.5 s.
122
V1 = 13.802V
V4 = 12.937V
V3 = 12.809V
V2 = 12.596V
Fig.4. 13 : Réponse de deux batteries en série pour une décharge de 10A pendent 0.5 s
Les valeurs des paramètres du modèle RC sont résumées dans le Tableau IV.4 :
Tableau IV. 4 : Paramètres expérimentaux du modèle RC pour deux batteries en série
Paramètre : Rt ( mΩ ) Re ( mΩ ) Rs ( mΩ ) Cb (kF) Cs (F)
Valeur : 9.1 10.9 10.9 132,36 14.38
Les résultats de quelques simulations (avec la matrice de covariance R = 10) se trouvent dans
le tableau ci-dessous. Le filtre de Kalman étendu avec le vecteur d’état x = [Vcb Vcs Vo α Rt]T
est utilisé pour prendre en compte la variation de la résistance interne pendant la décharge.
Tableau IV. 5 : Résultat d’estimation de la tension Vcb avec plusieurs profils de décharge
N° de test Type de décharge Vcb réelle Vcb estimé Erreur %
1 120W pendant 30 min à10.2V 12.04V 11.86V 1.5%
2 120W pendant 20 min 12.44V 12.40V 0.3%
3 120W pendant 10 min 12.80V 12.92V 0.9%
4 120W pendant 5 min 12.96V 12.98V 0.2%
Les résultats dans le tableau ci-dessus montrent que :
- La méthode du filtre de Kalman étendu est valable pour deux batteries en série
- Les performances du filtre de Kalman étendu pour deux batteries en série sont
meilleures que pour une seule batterie.
Les résultats de simulation présentés ci-dessus montrent qu’après l’ajout de la résistance
R t dans le vecteur d’état à estimer, le filtre de Kalman étendu avec le modèle RC est capable
d’estimer la tension de circuit ouvert. Cette tension qui est un indicateur de l’état de charge
(SOC) de la batterie est estimée avec une précision satisfaisante (<5% d’erreur). Dans le cas
des ASI, les batteries sont toujours déchargées à puissance constante, par conséquent,
l’utilisation du filtre de Kalman étendu avec le modèle RC pour estimer l’état de charge est
123
satisfaisante.
Par ailleurs, toutes les simulations ont montré que la valeur de Cb estimée par le filtre décroît
pendant la décharge. L’évolution de la valeur de Cb est liée à la non-linéarité de la batterie et à
la limitation du modèle RC. Dans le cas de la simulation avec des valeurs de Cs, Rt, Re, Rs
fixées, le filtre du Kalman ne peut que changer la valeur de Cb pour que la réponse estimée
corresponde à celle de la batterie. L’ajout de la résistance R t dans le vecteur d’état du filtre de
Kalman étendu n’améliore pas cette situation car la non linéarité causée par la variation de la
valeur de Rt est trop petite et donc ne peut donc compenser la variation de Cb.
Cependant, pour avoir une estimation précise sur le SOH de la batterie, une méthode sera
détaillée plus tard dans ce chapitre (cf. paragraphe 4.4).
Dans ce qui va suivre, nous allons évaluer le comportement de l’impédance interne de la
batterie en utilisant la spectroscopie d’impédance.
4. SPECTROSCOPIE D’IMPEDANCE DE LA BATTERIE

Le spectromètre d’impédance électrochimique, ou encore la Spectroscopie d’Impédance
Electrochimique (SIE) est une méthode de caractérisation fréquentielle pour étudier les
systèmes électrochimiques [32]. C’est une technique de mesure stationnaire qui repose sur la
mesure de la réponse électrique à une perturbation sinusoïdale de courant ou de potentiel pour
différentes valeurs de fréquence. Ses applications couvrent ainsi le domaine de
l’électrochimie, avec pour application principale l’étude de la corrosion, tout en étant bien
entendu adaptée à l’étude des accumulateurs électrochimiques comme celle de la batterie.
4.1. PRINCIPE DU SPECTROMETRE D’IMPEDANCE

Comme indiqué par son nom, le spectromètre d’impédance est utilisé pour obtenir les valeurs
des impédances du système électrochimique pour différentes valeurs de fréquence.
L’impédance est généralement mesurée en utilisant des petites perturbations sinusoïdales en
courant (mode galvanostatique) ou en tension (mode potentiostatique), afin que le système
électrochimique soit à la fois linéaire et invariant dans le temps.
Pour un système linéaire, la réponse à un signal sinusoïdal est aussi sinusoïdale à la même
fréquence mais avec un décalage en phase, comme le montre la Fig.4.14 ci-dessous :
124
Fig.4. 14 : Réponse en courant pour un système linéaire

La tension et le courant peuvent être respectivement exprimés par :
U(t ) = U 0 sin (ωt ) (4.33)
I(t ) = I 0 sin (ωt + θ ) (4.34)
où U 0 est l’amplitude du signal de tension, I0 est l’amplitude du signal de courant, ω la
pulsation telle que ω=2.π.f (avec f la fréquence) et θ le décalage en phase.

D’après la loi d’Ohm, nous pouvons calculer l’impédance du système à l’instant t par :
U(t ) U 0 sin (ωt ) sin (ωt )
Z= = = Z0 (4.35)
I(t ) I 0 sin (ωt + θ ) sin (ωt + θ )
L’impédance est donc exprimée sous forme d’une amplitude Z 0 et d’une phase de décalage θ .
Avec la notation complexe, nous pouvons aussi exprimer l’impédance comme :
Z(f ) = Z 0 e jθ = Re(Z ) + j Im(Z) (4.37)
Les impédances obtenues pour différentes fréquences sont alors représentées sur les
diagrammes de Bode ou de Nyquist, tels que représentés sur la Fig4.15. Un point important à
noter est qu’il est usuel d’opposer l’axe imaginaire des diagrammes de Nyquist des batteries.
Il faut donc savoir que la partie haute représente la partie capacitive (basse fréquence) et la
partie basse représente la partie inductive (haute fréquence).
Fig.4. 15 : Diagrammes de Nyquist et de Bode d’une batterie au plomb
125
4.2. MOYENS EXPERIMENTAUX
Les équipements expérimentaux utilisés dans cette partie sont montrés sur la figure ci-
dessous (Fig.4.16). Le spectromètre d’impédance dont nous disposons peut caractériser des
systèmes électrochimiques (batteries, supercondensateurs, etc …) dont la tension délivrée doit
être inférieure à 10V. Cela explique notre choix sur la batterie utilisée (6V / 8.5Ah / 34W).
Fig.4. 16 : Equipements expérimentaux utilisés au laboratoire

Le spectromètre d’impédance, utilisé pour mesurer les batteries, est connecté à un PC. Le
logiciel (Thales 3.08 USB) est utilisé à la fois pour :
- pour récupérer les données de mesure,
- tracer l’impédance de la batterie sous forme de diagramme de Nyquist ou de
diagramme de Bode,
- effectuer un ‘fitting’ afin de trouver un modèle électrique pour la batterie.
La Fig.4.17 représente la page d’accueil de ce logiciel.
Fig.4. 17 : Interfaces du logiciel « Thales 3.08 USB »
126
Sur la Fig.4.18 se trouve les résultats de mesures obtenues avec le spectromètre d’impédance
pour une batterie neuve (6V/ 8.5Ah/ 34W) à 100% de SOC.
Fig.4. 18 : Diagramme de Nyquist (à gauche) et de Bode (à droite) de la batterie

Le spectromètre d’impédance est aussi capable d’indiquer la précision de mesure pour les
différentes fréquences. A partir de la Fig.4.19, nous pouvons voir que l’erreur de mesure est
importante pour les basses et hautes fréquences.
Fig.4. 19 : Précision de mesure pour le diagramme de Nyquist de la Fig.4.18

Le diagramme de Nyquist de la batterie n’est pas figé. En effet, il évolue pour différents SOC
et au fur et à mesure de la vie de la batterie. Les diagrammes de Nyquist pour différents SOC
sont montrés par la Fig.4.20. Nous pouvons constater que le diagramme de Nyquist de la
batterie se décale vers la droite quand le SOC diminue, ce qui correspond au fait que la
résistance interne de la batterie augmente quand son état de charge (SOC) diminue.
Zoom
Fig.4. 20 : Diagramme de Nyquist de la batterie pour différents SOC,
127
Le diagramme d’impédance de la batterie, ainsi que le SOC évolue aussi pendant le
vieillissement de la batterie [2] [50], comme l’explique la Fig.4.21 ci-dessous :
Fig.4. 21 : Tendance d’évolution d’impédance pendant la durée de vie d’une batterie [50]
Les évolutions du diagramme d’impédance pour la batterie utilisée seront présentées plus tard
dans ce chapitre.
4.4. PROPOSITION D’UNE METHODE POUR ESTIMER LE SOH DE LA

BATTERIE
A partir de la figure ci-dessus (Fig.4.21), nous remarquons que le diagramme de Nyquist se
décale vers la droite avec le vieillissement de la batterie, ce qui est expliqué par
l’augmentation de la résistance interne de la batterie pendant le vieillissement. Ce décalage est
particulièrement visible pour la partie haute fréquences où les tracés sont proches des lignes
droites et qui représentent une augmentation quasi linéaire d’impédance dans le diagramme de
Bode. Cela nous conduit à proposer une méthode qui consiste à identifier les impédances à
haute fréquences pour estimer l’état de santé de la batterie. Plusieurs tentatives utilisant les
résistances internes ou impédances de la batterie pour estimer l’état de santé ont déjà été
présentées dans des publications [66] [70] [71].
Sur les batteries utilisées (6V / 8.5Ah / 34W), en analysant plusieurs diagrammes de Nyquist
nous avons trouvé que pour la plage de fréquence de 5 kHz à 10 kHz, la partie réelle de
l’impédance reste quasiment la même. Le tableau ci-dessous résume les valeurs de la partie
réelle d’impédance de six diagrammes de Nyquist de plusieurs batteries 6V / 8.5Ah / 34W.
Tableau IV. 6 : Evolution de la résistance Rint en fonction de la fréquence pour plusieurs
batteries
N° de test Batterie n° 1 Batterie n° 2 Batterie n° 3 Batterie n° 4
Fréquence Rint (mΩ) Rint (mΩ) Rint (mΩ) Rint (mΩ)
5 kHz 7.0271 7.7870 6.4512 6.5025
6 kHz 7.0037 7.7521 6.4427 6.5047
8 kHz 6.9930 7.7452 6.4387 6.5024
128
10 kHz 7.0062 7.7529 6.4463 6.5428
Sachant que les valeurs de la partie réelle de l’impédance des fréquences entre 5 kHz et 10
kHz restent quasi constantes pour un diagramme de Nyquist donné et que ce diagramme
décale vers la droite avec le vieillissement, nous pouvons utiliser les impédances des
fréquences entre 5 kHz et 10 kHz pour estimer l’état de santé de la batterie.
Dans le diagramme de Nyquist, une ligne droite verticale dans la partie inductive correspond
à un modèle électrique contenant une résistance et une inductance en série, comme le montre
la figure ci-dessous (Fig.4.22).
R L
R = 6.447mΩ L = 84.28e-9 H
Fig.4. 22 : Fitting du tracé du diagramme de Nyquist pour les fréquences entre 5 kHz et 10 kHz
et le modèle électrique correspondant
Dans le cas des ASI, les batteries sont maintenues en floating (charge à tension constante), par
conséquent elles sont à 100% de SOC dans la plupart du temps.
D’autre part, quand la batterie vieillit, son tracé du diagramme de Nyquist décale vers la
droite et ainsi la valeur de la résistance R dans le modèle électrique de la figure (cf. Fig.4.22)
augmente. Nous pouvons donc estimer l’état de santé de la batterie à partir de l’évolution de
cette résistance R. Pour obtenir la valeur de cette résistance R, nous proposons une méthode
contenant les quatre étapes décrites ci-dessous :
- Etape 1 : injecter à la batterie une petite perturbation de courant alternatif riche en
fréquences entre 5 kHz et 10 kHz pour provoquer une petite variation de la tension de
sortie
- Etape 2 : récupérer les informations du courant et de la tension aux fréquences entre 5
kHz et 10 kHz en utilisant des filtres passe-bande
- Etape 3 : identifier la résistance R avec un algorithme d’estimation optimal, par
exemple, l’algorithme de moindres carrés récursifs, utilisé et implémenté sous DSP
129
pour les condensateurs électrolytiques comme expliqué dans la première partie du
travail.
La Fig.4.23 résume la méthode proposée pour estimer la résistance.
I (perturbation) V (réponse)
Batterie
R
Filtre passe-bande Algorithme de MCR
L
Fig.4. 23 : Résumé de la méthode proposée

Les programmes et résultats de simulation de cette méthode sont expliqués dans les Annexes
(Annexe 4).
Notons que la température est aussi un paramètre influençant l’impédance de la batterie. Ce
paramètre devra donc être aussi considéré.
Pour vérifier la faisabilité de cette méthode, il est nécessaire de faire des études
expérimentales de vieillissement de la batterie pour étudier l’évolution de l’impédance à haute
fréquence.
Comme nous l’avons expliqué auparavant, la batterie vieillit au fur et à mesure de son usage,
le vieillissement se caractérise par la perte de la capacité en ampère-heure et l’augmentation
de la résistance interne. Afin de maîtriser les caractéristiques du vieillissement de la batterie,
des expérimentations sont donc nécessaires pour étudier les lois d’évolutions des paramètres
liées au vieillissement.
5. EXPERIMENTATION DE VIEILLISSEMENT
L’objectif de cette partie est d’établir une procédure accéléré capable de vieillir la batterie le
plus vite possible dans un premier temps, et d’étudier ensuite les lois de vieillissement des
paramètres internes de la batterie.
5.1. MOYENS EXPERIMENTAUX

Deux équipements sont disponibles pour effectuer des essais de vieillissement accéléré : un
banc de charge/décharge et une enceinte thermique comme le montre par la Fig.4.24 ci-
dessous :
130
Fig.4. 24 : Banc expérimental utilisé pour le vieillissement

Le banc de charge/décharge permet aussi de caractériser les batteries. Le courant de décharge
peut atteindre au maximum 500A et le courant de charge au maximum 30A.
Relié au PC, ce banc est piloté par un logiciel (BTS – 600) qui permet de :
- surveiller en temps réel l’état de la batterie pendant le test (tension, courant, Ah
cumulé, ...),
- programmer les opérations à exécuter comme charge, décharge, repos, temporisation,
cyclage, etc ...,
- récupérer des données de mesure selon une séquence programmée,
- tracer les données recoupées sous forme graphique.
Sur la Fig.4.25 ci-dessous, nous montrons quelques interfaces de ce logiciel.
Fig.4. 25 : Interface du logiciel de programmation du banc utilisé [22]

Les résultats d’expérimentation d’un cycle de charge complet programmé (courant constant
puis tension constante) sur le banc sont montrés dans la Fig.4.18 ci-dessous :
131
Fig.4. 26 : Résultat expérimental pour un cycle de charge à température ambiante de 25°C
5.2. DUREE DE VIE DE LA BATTERIE

Le fournisseur de la batterie utilisée nous indique la durée de vie de la batterie en nombre de
cycles (charge/décharge) comme le montre la Fig.4.27 ci-dessous :
Fig.4. 27 : Données fournisseur pour la durée de vie d’une batterie au plomb en nombre de
cycles à différentes profondeurs de décharge [17]
La durée de vie évolue pour différentes profondeurs de décharge. A partir de cette relation, il
est possible de trouver la variation de la capacité (Ah) en fonction des ampères-heures débités
et ceci, pour des vieillissements à décharge de profondeur supérieure à 50% (cf. Fig. 4.28).
Fig.4. 28 : Durée de vie en fonction des Ampères-heures débités

Pour une décharge de profondeur 100%, il faut environ 200 cycles pour vieillir la batterie
(vieillissement équivalent à une diminution de 20% de la capacité initiale).
132
5.2.1. Influence de la température
Plusieurs points concernant la température sont indiqués dans les dossiers techniques de la
batterie utilisée.
- La température nominale pour la batterie est de 25°C±3°C et la plage de température
de fonctionnement de la batterie est limitée à -15°C~50°C pour la décharge et -
15°C~40°C pour la charge
- Si la batterie fonctionne sous une température hors de la plage de 5°C à 35°C, un
circuit de compensation de température est nécessaire pour la charge de la batterie. Le
coefficient d’ajustement de température est -0.5mV/°C par cellule pour l’usage en
cyclage
- La capacité de la batterie augmente quand la température augmente
- La durée de vie de la batterie diminue quand la température augmente, mais
l’influence exacte de la température sur l’usage en cyclage n’est pas précisée dans les
dossiers techniques.
Sachant que la température élevée réduit la durée de vie de la batterie, celle-ci sera mise dans
une enceinte thermique sous 40°C pour accélérer le vieillissement.
5.2.2. Etablissement du plan de vieillissement
Plusieurs procédures de vieillissement existent dans la littérature. Quelques unes sont
présentées dans les annexes (Annexe 6) [35]. Pour notre étude, le vieillissement de la batterie
doit se faire en s’approchant le plus de notre application. Ceci dans le but de provoquer les
phénomènes de vieillissement les plus observés pour des batteries utilisées dans les ASI (cf.
paragraphe 5.2.6 du chapitre 1). L’utilisation d’une batterie dans une ASI vérifie les deux
conditions suivantes :
- batterie toujours en charge (floating),
- décharge à puissance constante.
La Fig.4.29 présente les étapes d’expérimentation de la batterie lors d’un cycle de charge/
décharge de huit heures qui prend en compte ces deux conditions.
Une batterie de 6V / 8.5Ah / 34W est mise dans l’enceinte thermique et connectée aux deux
circuits de charge et décharge du banc.
133
Fig.4. 29 : Organigramme d’expérimentation de vieillissement

Pendant la phase de charge, et selon les données fournisseurs, la batterie est chargée avec un
courant constant à 2A jusqu'à ce que la tension atteigne 7.275V et puis elle est chargée à
tension constante de 7.275V. Pour la décharge, la batterie est déchargée à puissance constante
de 60.3W jusqu’à la tension d’arrêt de 5.01V correspondant à 0% de SOC.
Les profils de courant et de tension pendant un cycle sont montrés par la figure ci-dessous
(Fig4.30) :
134
Charge
Décharge
Fig.4. 30 : Profils de tension et de courant pendant un cycle de vieillissement

Les opérations décrites dans l’organigramme sont programmées en utilisant le logiciel du
banc. Les détails des programmes sont présentés dans les annexes (Annexe 6).
Plusieurs cycles de charge / décharge (comme celui présenté à la Fig.4.30) doivent être
réalisés pour vieillir la batterie. En s’appuyant sur une caractérisation avec la spectroscopie
d’impédance, l’objectif est de trouver un modèle électrique simple et précis représentant la
batterie.
6. CONCLUSION
Dans ce chapitre, en première partie, nous avons présenté quelques modèles électriques de la
batterie utilisés dans la littérature pour évaluer le SOC et/ ou le SOH. En deuxième partie,
nous avons étudié la performance du filtre de Kalman étendu et les limites modèle électrique
choisi pour évaluer le SOC et le SOH. Une autre approche permettant d’évaluer le SOH a été
proposée. La troisième partie a été consacrée à l’étude de la spectroscopie d’impédance d’une
batterie au plomb étanche. Enfin, une procédure expérimentale de vieillissement de la batterie
s’appuyant sur plusieurs cycles de charge / décharge a été défini. Cette procédure
s’approchant de l’utilisation de la batterie dans les ASI permettra, d’une part, de trouver un
modèle électrique simple et fiable, d’autre part, d’établir les lois d’évolution des paramètres
électriques de ce modèle.
135
136
CONCLUSION GENERALE
138
CONCLUSION GENERALE
Face à l’évolution des systèmes électriques, nous assistons au développement des

technologies permettant d’améliorer la sureté de fonctionnement et notamment la
maintenabilité des convertisseurs de puissance de type Alimentation Sans Interruption (ASI).
C’est dans ce cadre que nous avons effectué ces travaux dont l’objectif est de proposer
un système de surveillance et de prédiction de panne des condensateurs électrolytiques et des
batteries utilisés dans les ASI. Ces systèmes permettent d’assurer la continuité de
fonctionnement en proposant une maintenance prédictive. Ils doivent cependant respecter des
contraintes techniques, temporelles et économiques de nature industrielle. Ils doivent
fonctionner en temps réel en ajoutant un minimum de capteurs relativement à ceux existants
déjà dans les ASI.
Dans le premier chapitre, nous avons présenté le contexte général de notre travail en
expliquant l’architecture des différents convertisseurs de puissance qui constituent une ASI.
Puis nous avons expliqué le principe, la modélisation et les caractéristiques des condensateurs
électrolytiques à l’aluminium d’une part, et des batteries au plomb étanches d’autre part.
Ensuite, nous avons exposé les systèmes de maintenance prédictive existants relatifs aux
condensateurs électrolytiques et aux batteries en soulignant leurs principaux inconvénients.
Enfin, à partir de ces études menées sur l’état de l’art, nous nous sommes fixés les cahiers des
charges respectifs aux systèmes de surveillance et de prédiction de panne des condensateurs
électrolytiques et des batteries au plomb.
Le second chapitre est composé de deux parties. La première explique les différentes étapes
permettant la caractérisation et le vieillissement des condensateurs électrolytiques. Ces étapes
sont les suivantes :
- La caractérisation des condensateurs en fonction de la température et de la

fréquence. Cette étape a permis d’établir les lois d’évolution en fonction de la
température des paramètres électriques, à savoir la résistance équivalente série
(ESR) et la capacité (C).
139
- Le vieillissement standard accéléré dans une enceinte climatique pour deux
températures différentes : cette étape a permis de déterminer les lois d’évolution des
paramètres en fonction du temps et d’évaluer ainsi les énergies d’activation
relatives à chaque composant.
La deuxième partie explique la démarche à suivre pour implémenter l’algorithme de
vieillissement des condensateurs sur une carte à base d’un processeur numérique (Digital
Signal Processing – DSP) en s’appuyant sur les lois d’évolution des paramètres.
Dans le troisième chapitre, nous avons expliqué les différents résultats de simulation
sous Matlab de la méthode proposée pour le système de maintenance et de prédiction de
pannes des condensateurs électrolytiques. Ensuite, nous avons détaillé les résultats
expérimentaux sur une maquette en abordant toutes les problématiques et les contraintes
rencontrées. Enfin, nous avons développé la conception des différentes cartes électroniques en
précisant leur interaction ainsi que la programmation de la carte à base de DSP.
Dans le dernier chapitre, nous avons abordé la surveillance de la batterie au plomb
étanche utilisée dans les ASI. Dans un premier temps, nous avons expliqué le fonctionnement
de ce système électrochimique dans notre contexte de travail. Puis, nous avons montré les
résultats de simulation du modèle simple proposé pour déterminer en temps réel l’état de
charge (SOC) de la batterie. L’état de santé (SOH) est difficilement extrapolable à partir du
modèle simple de la batterie proposé. Nous avons donc proposé d’utiliser la résistance interne
de la batterie pour évaluer son SOH. Enfin, nous avons présenté une procédure expérimentale
de vieillissement accéléré pour les cycles de charge décharge de la batterie proche de notre
application. .
A la fin de cette thèse, nous pouvons conclure que la simulation et les résultats
expérimentaux de la méthode proposée notamment pour les condensateurs électrolytiques
donnent des résultats encourageants qui ont fait l’objet de plusieurs publications, à savoir un
brevet international [39], une revue internationale [40] et deux congrès internationaux [42]
[41].
Le travail présenté sur les batteries au plomb est un premier pas vers l’implémentation
d’un système de surveillance et de prédiction de panne des batteries au plomb dans les ASI.
En termes de perspectives, pour les condensateurs électrolytiques, il nous faut valider
expérimentalement l’implémentation sous DSP de la loi de vieillissement proposée. Puis, il
faudra recueillir des résultats de mesure pour des ASI installées chez les clients. Cela nous
permettra de valider définitivement le système pour pouvoir le commercialiser et assurer ainsi
une maintenabilité optimale des convertisseurs de puissance.
140
Pour les batteries au plomb étanches, il faut effectuer leur vieillissement accéléré pour
établir une loi de vieillissement représentant le fonctionnement réel dans notre application.
Bien que cette modélisation soit difficile, elle est indispensable pour appliquer le filtrage de
Kalman et avoir ainsi une idée précise sur l’état de santé (SOH) des batteries utilisées.
De manière plus élargie, il est maintenant indispensable d’optimiser la disponibilité
des systèmes électroniques et plus particulièrement des ASI. Ceci passe par une étude et une
compréhension de la fiabilité des composants qui constituent une ASI. Cette étude a montré
tout l’intérêt d’une maintenance prédictive qui permet d’augmenter la disponibilité du
système. Pour aller plus loin, il faudrait mener ce type d’étude sur l’ensemble des composants
contribuant aux défaillances des ASI. Nous pensons aux éléments tels que les ventilateurs, les
interrupteurs de puissance et les condensateurs à films polypropylène.
141
142
ANNEXES
144
ANNEXES : Annexe 1
ANNEXE 1 : ASPECTS PRATIQUES POUR LA MAQUETTE D’IDENTIFICATION DES

PARAMETRES
Aspects pratiques de la méthode se basant sur la mesure de puissance
Cette méthode est principalement dédiée pour une implémentation numérique. L’opération de
division, nécessaire à la fin pour ressortir la valeur de ESR, doit être calculée à une fréquence
assez grande, c’est pourquoi nous avons besoin d’un calculateur performant et présentant une
assez grande puissance de calcul.
La Fig.1 représente l’implémentation de cette méthode sur un système électriquement
autonome utilisant un calculateur moderne (microcontrôleur, DSP,..) et qui est connecté
directement sur le condensateur électrolytique
Fig.1: Implémentation de cette méthode sur un calculateur

Identification des paramètres ESR et C
Nous présentons ci-dessous des photos des cartes électroniques utilisées dans la maquette
pour l’identification des paramètres ESR et C :
Les cartes électroniques conçues
Cette carte est conçue pour plusieurs tâches :
- Assurer le filtrage analogique sur les mesures de tension est de courant utilisés pour
identifier les paramètres ESR et C.
- Connecter le transformateur d’intensité (TI) pour assurer la mesure de courant à
travers des résistances de shunt
- Connecter jusqu’à quatre condensateurs en parallèles et/ou en série en assurant le
même plan de masse.
Cette carte a été réalisée de façon à minimiser les boucles de mesures pour diminuer les
perturbations.
145
ANNEXES : Annexe 1
Transformateur
d’intensité
Filtrage
analogique
Fig.2: Cartes CRAKC
Alimentation
de la carte
Démultiplexeur
M74HC4051
Carte d’évaluation
eZdsp TMS320F2812
Fig.3: Carte ACQMC
Cette carte présente toutes les chaînes de mesures complètes utilisées pour identifier les
paramètres ESR et C sont présentées ci-dessous :
Ces chaînes présentent :
- Le filtrage analogique utilisé pour choisir la bande de fréquence relative à chaque
identification de paramètre
- Le gain variable
- Le filtrage anti-repliement
- La mise à échelle pour avoir des mesures utilisées par le convertisseur analogique
numérique du DSP (mesures entre 0 et 3V)
Cette carte permet aussi
- L’interface avec la carte d’évaluation eZDSP
- Un circuit pour la génération de la commande (PWM)
146
ANNEXES : Annexe 1
Fig.4 : Chaîne de mesure de tension pour identifier la capacité
Fig.5 : Chaîne de mesure de tension pour identifier l’ESR

-4
x 10
0.076 6
0.074
5
0.072
0.07 4
Evolution de C (uF)
Evolution ESR
0.068
3
0.066
0.064 2
0.062
1
0.06
0.058
0 0.5 1 1.5 2 2.5 3 3.5 4 0
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Temps (s)
1.8
1.6
1.4
Evolution de la trace
1.2
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Fig.6 : Evolution des paramètres ESR et C et de la matrice de covariance en temps réel
147
ANNEXES : Annexe 1
La carte d’évaluation eZdsp TMS320F2812

Le DSP TMS320F2812 présente les caractéristiques suivantes :
- Son processeur est à 32 bit en virgule fixe
- Le CPU (control processus unit) fonctionne à une fréquence de150 MHz ce qui
correspond à 6.67 ns de temps de Cycle.
- 128 Flash mémoire
- 2 blocs de 4*16 SARAM…

Nous utiliserons essentiellement, le périphérique ‘Event Manager’ EV A/B ‘ et le
convertisseur analogique/ numérique (CAN) de 12 bits, pour générer notre commande et pour
procéder à l’identification des paramètres. De plus, il faut configurer l’environnement de
travail du DSP, comme par exemple autoriser les pins d’interruption, choisir la fréquence
d’échantillonnage.
Les commandes PWM
La génération des PWMs utilise les fonctions ‘GP Timers’ et ‘Compare units’. En effet, pour
ressortir les signaux PWMs, il faut configurer les registres correspondants (Compare Control
Registre COMCONx et Action Control Registre ACTRx).
Le TMS3202812 a 12 sorties PWMs, les six premières utilisent les trois Compare Units
(1/2/3) dans EVA et les six derrières utilisent les trois Compare Units (4/5/6) dans EVB.
De plus, pour générer le signal physique de sortie, un générateur ‘Waveform’ est utilisé pour
générer le signal carré. Chaque fois le compteur atteint la valeur de Compare Units, la sortie
de PWM passe de l’état1 à l’état 0 ou l’inverse. Ce mode de fonctionnement est illustré dans
la figure suivante (Fig.4.4)
Fig.7 Génération des sorties PWMs

Le Convertisseur Analogique Numérique (CAN)
Le convertisseur analogique/numérique de TMS320F2812 est à 12-bits ADC et ayant 16
148
ANNEXES : Annexe 1
chaînes d’entrées. Ces chaînes peuvent être programmées comme deux chaînes de 8 entrées
indépendantes ou une seule chaîne mise en cascade de 16 entrées. En plus des chaînes
d’entrées, un module ‘sample-hold’ (S/H) et deux multiplexeurs sont connectés au
convertisseur. La structure du CAN est présentée dans la figure suivante (Fig.4.6).
Fig.8 : Structure de l’ADC

Une fois le signal d’entrée choisi par le multiplexeur, il passe par le module (S/H) ou il va être
échantillonné et stocker avant de passer au module de conversion. La conversion étant
terminée, les valeurs numériques seront placé dans le registre des résultats ‘Register Results’.
La gestion des Interruptions
La gestion des interruptions au niveau du TMS320F2812 est gérée par un bloc PIE
(Pheripheral Interrupt Expansion). Ce bloc peut supporter 96 interruptions qui sont groupées
par block de 8 et chaque groupe est associé sur les 12 lignes d’interruptions du CPU (INT1 to
INT12). Chaque interruption est stockée dans son propre emplacement mémoire au niveau de
la RAM qui peut être modifié à tout moment par l’utilisateur.
Dans ce qui suivre, nous allons présenté l’environnement utilisé pour la programmation et la
suivie en temps réel du fonctionnement du DSP.
Programmation du DSP
La programmation DSP est faite sous langage C en utilisant un environnement de Texas
Instrument à savoir le Code Composer Studio. Cet environnement permet de :
Configurer les options de construction d’un projet (allocation des mémoires, registres,…)
Compilation, détection des erreurs et génération de l’exécutable qui va être transmis vers le
DSP.
Suivie en temps réel (valeurs des registres, les Timers, l’état de la mémoire,…)
La figure suivante (Fig.9) représente l’environnement CCS (version 2)
149
ANNEXES : Annexe 1
Fig.9 : L’environnement CCS de Texas Instrument

Conception du transformateur d’intensité (TI)
Un transformateur d’intensité T.I pour haute fréquence est expliqué dans le schéma suivant :
Ip Is
Rp
VE Np Ns Rc VRc
Lp Ls
T.I. HF
BIDIRECTIONNEL
Fig.10 : Dimensionnement du transformateur d’intensité (TI)
D’après la maquette utilisée, les données que nous avons sont :
Ip = 10A (valeur crête)
La tension de mesure est fixée VRc = 3.33V ce qui permet de ramener 3V au niveau du DSP.
Ip VRc Rc
On a VRc = Rc. ⇒ = = 0.333 (1)
Ns Ip Ns
Rc
Or la résistance ramenée Rp = 2
au primaire doit être inférieur à 10% de l’ESR au niveau
Ns
ESR ≈ 0.03Ω → Rp ≈ 0.003Ω (2)
150
ANNEXES : Annexe 1
du condensateur avec dans notre cas

(1) et (2) donnent :
Ns = 111 spires
Rc = 36.963 Ω
Pour des raisons pratiques nous avons fait 99 spires au secondaire du T.I et pour vérifier
l’équation (2) nous avons:
Rc
Rp = ≈ 0.003 ⇒ Rc = 0.003.N s ≈ 29.4Ω
2
2
Ns
VRc.N s
Pour Rc et Ns définis ci dessus, nous avons un courant Ip = = 11.22 A correspondant
Rc
au 3V à l’entrée du DSP.
Les caractéristiques du tore Thomson FT16 / MO1 T6 utilisé sont :
La perméabilité µ = 4000
La ligne de champ est l ch = 40.29mm
La section est S F = 2 * 20 = 40mm 2 puisque nous utilisons deux tores superposés
Rc.l ch
Ces caractéristiques permettent de ressortir la pulsation de cassure ω c = = 3.10 −2
N s .µ .S F
2
La pulsation fondamentale pour une fréquence de découpage de f c = 10kHz est
ω 0 = 2π . f c ≈ 31415rd .s −1
ω0
k= ≈ 10 6 donc le TI mis en place permet de restituer jusqu’à ‘k fois’ les harmoniques
ϖc
susceptibles de constituer le courant Ip.
Etude comparative sur les différents algorithmes d’estimation des
paramètres
Plusieurs simulations et tests sur maquette ont été effectués pour comparer entre les différents
algorithmes d’estimation utilisés pour identifier la résistance équivalente série (ESR) et la
capacité (C). Un tableau montrant quelques résultats d’estimation des paramètres est présenté
ci-dessous :
151
ANNEXES : Annexe 1
Tableau 1 : Résultats du MCR en variant le facteur d’oubli et le coefficient de contraction pour

le MVR
Les résultats donnés montrent des différences au niveau du temps de convergence et de la

précision. Nous pouvons faire un classement prenant comme critère la performance et le coût.
La performance et le coût sont les réunions de plusieurs critères :
- La performance : la précision des résultats, la véracité des résultats, le nombre de réglages
et la rapidité de convergence.
- Le coût : le besoin de ressources dû à des calculs difficiles (division), le nombre de
paramètres (donc la taille des vecteurs et matrices), le temps d’exécution, le nombre de
variables.
La figure suivante présente une comparaison entre les différents algorithmes sur ces critères.
Fig.11 : Comparaison des algorithmes résultant des simulations

Il résulte de cette comparaison que l’algorithme de M.V.R. est intéressant car il introduit le
152
ANNEXES : Annexe 1
coefficient de contraction qui est un réglage supplémentaire. En effet, selon le réglage de ce

coefficient, nous pouvons trouver des valeurs d’ESR ou de C plus précises que les valeurs
obtenues avec les M.C.R., mais pas les deux en même temps. Par contre, il converge moins
vite et est beaucoup plus lourd au niveau calcul et temps d’exécution.
Toutefois, si nous voulons une meilleure précision sur les deux paramètres en même temps,
les Moindres Carrés Récursifs paraient être le choix à faire. Les différents algorithmes
donnent des résultats cohérents mais pas assez précis pour se démarquer de l’algorithme des
M.C.R. déjà mis en place. D’ailleurs en ce qui concerne l’algorithme E.S.M.P.E., il est trop
lourd. Pour conclure, d’un point de vue de rentabilité, l’algorithme des Moindres Carrés
Récursifs donnant des résultats en temps réel sans stockage de mesures et aussi bons ou
meilleurs que les autres algorithmes, l’algorithme des Moindres Carrés Récursifs paraient le
plus adéquat.
La séparation de l’estimation des paramètres ESR et la capacité C permet d’alléger la plupart
des algorithmes et donc de les faire fonctionner en temps réel. L’étude comparative en
séparant l’identification des paramètres est présentée dans la figure suivante.
Fig.12 : Bilan pouvant aider au chois de l’algorithme à utiliser sous forme de comparaison
Pour conclure, il résulte que les Moindres Carrés Récursifs (MCR) est l’algorithme, le plus
simple, le plus rapide (que ce soit en temps de convergence ou en temps d’exécution) et d’une
précision meilleure ou équivalente aux autres algorithmes.
153
ANNEXES : Annexe 2
ANNEXE 2 : PROGRAMMES UTILISES SUR MATLAB POUR LES CONDENSATEURS

M.file sous Matlab utilisé pour les analyses FFT
%U is the input measurement to analyse
Y = fft(U,512);
%Compute the power spectral density, a measurement of the energy at various
frequencies, using the complex conjugate (CONJ).
% Form a frequency axis for the first 127 points and use it to plot the
result. (The remainder of the 256 points are symmetric.)
%Pyy = Y.*conj(Y)/512;
f = 1000000/256*(0:255);
%plot(f,Y)
plot(f,Pyy(1:256))
title('Power spectral density')
xlabel('Frequency (Hz)')
Conditions, modèles et méthodes de simulation sous Matlab
Fig.13 : Simulation complète (Modélisation, régulation et identification)
Fig.14 : Modélisation du convertisseur sous forme d’équation d’état
154
ANNEXES : Annexe 2
Fig.15 : Simulation de la régulation sous Matlab
Fig.16 : Conditions de simulation
155
ANNEXES : Annexe 3
ANNEXE 3 : PROGRAMMES UTILISES SUR MATLAB POUR LA BATTERIE

M-file : pour le module « Ident_MCR » pour identifier L et R de la batterie
function[sys,v0,str,ts]=Ident_MCR(t,v,u,flag,na,nb,lambda,d,st)
% *************************************************************************
% Fonction: Realiser l'algorithme de Moindres Carrés Récursifs
% Cree par: APC by Shneider Electric, Monbonnot, France
% Date de creation: 08 septembre 2009
% *************************************************************************
%*0* Introduction :
%ARX
%S-Function pour l'identification des paramètres du système
%Cette fonction comprend une évaluation parametral pour une application en
%ligne en appliquant l'algorithme des moindres carrés récursifs avec facteur d'oubli
%*1* Les arguments d'entrée sont:

% p: Nombre de paramètres inconnus de theta (p = na+nb)
% lambda: Facteur d'oubli (*ici lambda1 = lambda2 = 1)
% st: Période de prélèvement d'échantillons
% d: Retard pur de l'usine
% flag: les marques de état pour s-function
% u: entrées au bloc
% v: Vecteur de état v=[ye theta' P' z']'
% t: Temps
% *** L'utilisateur doit spécifier u,p,lambda,T,d
% z=[-y(k-1),...,-y(k-n)u(k-1),...,u(k-d),u(k-d-1),...,u(k-d-n)]'
%*2* Les arguments de sortie sonts:

% sys = [ye,a_1,...,a_na,b_1,...,b_nb]'
% v0: Valeur initiale du vecteur de état v
% str: Reserved for the future use by Matlab
%*3* L'algorithme ARX est (MCR: Moindres carrés récursifs):

% theta(k) = theta(k-1)+P(k)*x(kT)*e(kT) % x(k) est phi
% e(kT) = y(kT)-x'(kT)*theta'(k-1) % e(k) est erreur
% P(k) = [P(k-1)-P(k-1)*x(kt)*x'(kT)*P(k-1)/D]/lambda % P est F(k)
% D = lambda+x'(kT)*P(k-1)*x(kT)
% theta: Vecteur de paramètres inconnus
% theta = [a_1,...,a_na, b_1,...,b_nb]'
% x: Vecteur de régression, *soit vecteur d'entrées
% P: matrice inverse de variances - covariances, *soit F
% lambda: facteur d'oubli, *ici lambda1 = lambda2 = 1
% Fonctin transfert:
% b1*Z + b2
% ---------------
% Z^2 - a1*Z - a2
% !!note: cette méthode semble être seulement efficace pour le cas où
% ordre(Denominateur) > ordre(numérateur)
%--------------------------------------------------------------------------
156
ANNEXES : Annexe 3
%**************************************************************************
%flag=0; Elle rend les dimensions des paramètres et les conditions
%initiales (** soit étape "Initialize")
%**************************************************************************
p=nb+na;
if flag==0
sys(1)=0; %* Number of continuous states
sys(2)=(p+1)^2+d; %* Nbr of dicrete states (ici=nbr d'élément de v)
sys(3)=p+1; %* Nbr of output
sys(4)=2; %* Nbr of input
sys(5)=0; %* Must be zero, reserved for root finding
sys(6)=0; %* Voir y=C*x+D*u, si D=0 alors sys(6)=0, sinon =1
sys(7)=1; %* Nbr of sample times, this is the number of rows
%* in ts
% Conditions initiales
P=eye(p,p)*1e12;
%* pour v0, on met 0 partout pour ye, theta, P(soit F) et z
v0=[0,zeros(p,1)',P(:)',zeros(p+d,1)']';
ts=[st,0];
str=[]; % obligatoire=[]en matlab
%**************************************************************************
%flag=2 Elle rend la condition discrète v (k+1) correspondante aux
%paramètres évalués après (** soit étape "Update")
%**************************************************************************
elseif abs(flag)==2
theta=v(2:p+1);
P=zeros(p,p);
P(:)=v(p+2:p*p+p+1); %* F(k), p*p matrix
yk= u(2); %* yk et uk : entrées de block; u'2) est la sortie de modèle
uk= u(1); % u(1) est l'entrée de modèle
z=v(p*p+p+2:(p+1)*(p+1)+d); %* [-y(k-1),...,y(k-n),u(k-d,...,u(k-n-d)]
x=[z(1:na)',z(na+d+1:p+d)']';
ye=x'*theta; % the same as ye=theta'*x
err_est=yk-ye;
D=lambda+x'*P*x;
P=(1/lambda)*(P-((P*x*x'*P)/D));
theta=theta+P*x*err_est;
z=[yk z(1:na-1)' uk z(na+1:p+d-1)']';
%Calcul de la sortie estimée

x=[z(1:na)',z(na+d+1:p+d)']';
ye=x'*theta;
sys=[ye,theta',P(:)',z']'; % v(k+1) = sys
%**************************************************************************
157
ANNEXES : Annexe 3
%flag=3 Elle rend theta et ye, seulement dans les instants de prélèvement
%d'échantillons (** soit étape "Output")
%**************************************************************************
elseif flag==3
sys=[v(1),v(2:p+1)']'; % output=[ye,a_1,...a_na,b_1,...,b_nb ]
%**************************************************************************
%flag=4 Elle rend le temps de prélévement des échantillons
% (** soit étape "Get time of next variable hit")
%**************************************************************************
elseif flag==4
%ns=t/st;
%sys=(1+floor(ns+1e-13*(1+ns)))*st;
sys=t+st;
%**************************************************************************
%flag=9 (** soit étape "Termination"_ additional routines at the end)
%**************************************************************************
elseif flag==9
theta=v(2:p+1+d);
a1 = theta(1)
a2 = theta(2)
b1 = theta(3)
b2 = theta(4)
num=[theta(3) theta(4)];
den=[1 -theta(1) ];
printsys(num,den,'z')
R_estime = (b1+b2)/2 % résistance estimée

L_estime = (b1-b2)*st/4 % inductance estimée
end
158
ANNEXES : Annexe 4
ANNEXE 4 : RESULTATS DE SIMULATION POUR L’APPLICATION DE EKF SUR LA

BATTERIE AU PLOMB
Plusieurs essais sont effectués pour vérifier le bon fonctionnement du filtre
développé :
- essai avec la valeur de C bulk constante
- essai avec la valeur de C bulk décroissante
- essai avec la valeur de C bulk évolue de manière sinusoïdale
- essai de convergence : pour le cas où les valeurs initiales x̂(0 0) sont différentes que les
valeurs initiales définies dans le modèle numérique
Dans la simulation, les valeurs initiales ci-dessous sont utilisées :

C bulk = 88000F C s = 80F R e = 0.00375Ω R s = 0.00375Ω R t = 0.00275Ω
0.34 0 0 0 
 
0 0.34 0 0 
Q= R = 10
 0 0 0.34 0 
 
 0 0 0 0.36 
Les matrices Q et R sont obtenus par des essais de simulation avec différentes valeurs.
Les résultats de simulations sont présentés ci-dessous :
Essai avec la valeur de Cbulk constante :
Fig.17 Résultat d’essai avec la valeur de Cbulk constante
Essai avec la valeur de C bulk décroissante :
159
ANNEXES : Annexe 4
Fig.18 : Résultat d’essai avec la valeur de Cbulk décroissante
Essai avec la valeur de C bulk évolue de manière sinusoïdal :
Fig.19 : Résultat d’essai avec la valeur de Cbulk évolue sinusoïdalement
A partir des trois essais, on voit bien que le filtre de Kalman étendu arrive à suivre l’évolution
de la valeur de C bulk , Vcb , Vcs et Vo .
Essai de convergence :
160
ANNEXES : Annexe 4
Dans cet essai, les valeurs initiales de C bulk , Vcb , Vcs et Vo sont définies de manière
qu’il y a une différence importante entre les valeurs initiales du modèle numérique et celles du
filtre de Kalman étendu, comme dans le tableau ci-dessous. Si le filtre de Kalman étendu
marche correctement, les valeurs estimées par le filtre de Kalman étendu vont converger vers
les valeurs sortant du modèle numérique.
Modèle Filtre de Kalman
Valeur initiale numérique étendu
Vcb 2.2 V 1.2 V
Vcs 2.2 V 1.2 V
Vo 2.2 V 1.2 V
C bulk 88000 F 66000F
Les résultats de simulation sont donnés dans les figures (Fig.14 et Fig.15) ci-dessous. A partir
des résultats, on peut voir que les valeurs estimées par le filtre de Kalman étendu convergent
vers les valeurs du modèle numérique après une période d’oscillation.
Fig. 20 Résultats de simulations d’essai de convergence
161
ANNEXES : Annexe 4
Fig.21 : Zoom sur les résultats de Cbulk et Vcb

A partir des résultats de simulation, on peut voir que le filtre de Kalman étendu développé est
capable de suivre les évolutions des paramètres dans le modèle numérique, le bon
fonctionnement du filtre est ainsi vérifié.
Résultat de simulation avec des données expérimentales
Le schéma de simulation est donné dans la Fig.16
Fig.22 : Schéma de simulation pour le nouveau filtre de Kalman étendu

En utilisant la même entrée dans la simulation avec l’entrée riche, nous obtenons le
résultat présenté dans la Fig.17 ci-dessous.
162
ANNEXES : Annexe 4
Tension mesurée aux

bornes de la batterie une
nuit après la décharge =
Fig.23 : Résultat de simulation avec courant constant 10 A

La valeur finale de Vcb estimée par le filtre de Kalman étendu est de 5.73 V, l’erreur entre la
valeur estimée de Vcb et la tension de circuit ouvert de la batterie est environs 3.5%, qui est
plus précise que dans le cas de la Fig.18 où la valeur finale de Vcb estimée est 5.45V.
Par contre, la valeur de C bulk décroît aussi beaucoup pendant la décharge.

En utilisant la même entrée dans la simulation avec décharge de puissance constante, nous
obtienons le résultat présenté dans la figure (Fig.18).
Fig.24 : Résultats de simulations de la réponse VO pour différentes matrices R
163
ANNEXES : Annexe 4
Explication du filtre de Kalman Etendu (EKF)

Pour expliquer le principe du filtre de Kalman étendu, prenons l’exemple de la figure 3.4 et
supposons qu’on a un système non linéaire qui est représenté par les équations d’état
suivantes :
x& = f(x, u) + ω (1)
z = h(x) + ν (2)
Avec :
u vecteur d’entrées mesurées, u ∈ R l
x vecteur d’état (états internes du système), x ∈ R n
z vecteur de sorties mesurées, z ∈ R m
ω bruit de modèle représentant l’inexactitude du modèle, ω ∈ R p
ν bruit de mesure, ν ∈ R m
Figure 3.4 Utilisation du filtre de Kalman étendu

Supposons que le temps d’échantillonnage est suffisamment petit afin que pendant une
période Tc , l’évolution du système peut être considérée comme linéaire au tour du point de
fonctionnement ( x 0 , u 0 ). A chaque instant d’échantillonnage, le filtre de Kalman étendu a

besoin donc d’un modèle de petit signal du système à partir d’une linéarisation du modèle
décrit par (12) et (13). Pour linéariser le modèle autour du point de fonctionnement ( x 0 , u 0 ),
on utilise la méthode d’expansion de série de Taylor :
f(x, u) = f(x 0 , u 0 ) + Fx (x 0 , u 0 ) ⋅ (x − x 0 ) + Fu (x 0 , u 0 ) ⋅ (u − u 0 ) + T.O.E (3)
h(x, u) = h(x 0 ) + H x (x 0 ) ⋅ (x − x 0 ) + T.O.E (4)

où :
Fx ∈ R n×n , Fu ∈ R n×l , Fx ∈ R m×n sont les matrices de Jacobian données par :
164
ANNEXES : Annexe 4
 ∂f1 /∂x 1 L ∂f1 /∂x n 

 
Fx (x 0 , u 0 ) =  M O M  (5)
∂f /∂x L ∂f /∂x 
 n 1 n n  x=x
0 ,u =u 0
 ∂f 1 /∂u 1 L ∂f 1 /∂u l 
 
Fu (x 0 , u 0 ) =  M O M  (6)
∂f /∂u L ∂f /∂u 
 n 1 n l  x=x
0 ,u =u 0
 ∂h 1 /∂x 1 L ∂h 1 /∂x n 
 
H x (x 0 ) =  M O M  (7)
∂h /∂x L ∂h /∂x 
 m 1 m n  x=x
0 ,u =u 0
T.O.E représente « Termes d’ordres plus élevés ».

Identique au filtre de Kalman simple, le filtre Kalman étendu contient aussi deux phases
récursives : Prédiction et Correction. On va maintenant utiliser les équations ci-dessus pour
établir l’algorithme du filtre de Kalman étendu :
Etablissement de l’équation de « Prédiction » :
En négligeant les T.O.E (les termes d’ordres plus élevés), on peut écrire l’équation (8)
comme :
f(x 0 , u 0 ) = Fx (x 0 , u 0 ) ⋅ x 0 + Fu (x 0 , u 0 ) ⋅ u 0 + [f(x, u) - Fx (x 0 , u 0 ) ⋅ x − Fu (x 0 , u 0 ) ⋅ u ] (8)
Si (x, u) est suffisamment proche de (x 0 , u 0 ) , on peut écrire l’équation (19) comme :
f(x 0 , u 0 ) ≈ Fx (x 0 , u 0 ) ⋅ x 0 + Fu (x 0 , u 0 ) ⋅ u 0 (9)
A chaque instant t, connaissant l’entrée nominale u ∗ (t) , on peut donc calculer l’état nominal
x ∗ (t) et la sortie nominale z ∗ (t) par les équations suivantes :
x& ∗ (t) = f[x ∗ (t), u ∗ (t)] (10)
z ∗ (t) = h[x ∗ (t)] (11)

Selon (8), on peut donc écrire :
f[x ∗ (t), u ∗ (t)] ≈ Fx [x ∗ (t), u ∗ (t)] ⋅ x ∗ (t) + Fu [x ∗ (t), u ∗ (t)] ⋅ u ∗ (t) (12)
Le filtre de Kalman donne l’estimé de l’état à l’instant t en utilisant la connaissance du
système et des mesures courantes. Maintenant on va utiliser le terme x̂(t t k ) pour représenter
l’estimé de l’état à l’instant t basé sur les informations jusqu’à l’instant t = t k , et on va utiliser
le terme x̂(k + 1 k ) pour représenter x̂(t t k ) . Définissons :
165
ANNEXES : Annexe 4
δx̂(t t k ) = x̂(t t k ) − x ∗ (t) avec t ∈ [t k , t k +1 ] (13)
En linéarisant l’équation d’état concernant x̂(k k ) à chaque instant t k , on peut voir que :
x ∗ (t) = x̂(t t k ) , ∀t ∈ [t k , t k +1 ] (14)
Par conséquent, δx̂(t t k ) = 0 , et en substituant (25) dans (21), on peut ensuite déduire :
t k +1
x̂(k + 1 k ) = x̂(k k ) + ∫ f[x(τ t k ), u ∗ (ττ)]d
tk
(26)L’équation (26) est appelée l’équation de prédiction du filtre de Kalman étendu. Notons
bien qu’ici x ∗ (t k +1 ) = x̂(k + 1 k ) .
Comme on a linéarisé le modèle au point du fonctionnement [x ∗ (t), u ∗ (t)] , et comme u ∗ (t) est
fixé pendant l’intervalle de [t k , t k +1 ] , donc pour t ∈ [t k , t k +1 ] , Fx [x ∗ (t), u ∗ (t)] et Fu [x ∗ (t), u ∗ (t)]

sont constants et sont exprimés par :
Fx [x ∗ (t), u ∗ (t)] = Fx [x̂(k k ), u ∗ (t k )] (15)
Fu [x ∗ (t), u ∗ (t)] = Fu [x̂(k k ), u ∗ (t k )] (16)
Pareille pour H x [x ∗ (t)] , on a :
H x [x ∗ (t)] = H x [x̂(k + 1 k )] (17)
On va utiliser par la suite Fx , Fu , H x pour représenter respectivement (15), (16), (17). On peut
donc avoir :
f[x̂(k k ), u ∗ (t k )] ≈ Fx ⋅ x̂(k k ) + Fu ⋅ u ∗ (t k ) (18)
Une solution pour l’équation (30) est :

t k +1
x̂(k + 1 k ) = Φ(t k +1 , t k ) ⋅ x̂(k k ) + ∫ Φ(t k +1 , τ) ⋅ Fu ⋅u ∗ (t k )dτ (19)
tk
Avec :
Φ(t k +1 , t k ) = e Fx ⋅Tc et Tc = t k +1 − t k (20)
Pour la simplicité, on va utiliser par la suite Φ(k + 1, k) pour représenter Φ(t k+1 , t k ) . En
utilisant la méthode d’expansion de série de Taylor, on peut rendre e Fx ⋅Tc en :
Fx ⋅Tc Tc2 3 Tc
3
e = 1 + Fx ⋅ Tc + F ⋅
2
x + Fx ⋅ +L (21)
2 3!
Pour un temps d’échantillonnage suffisamment petit, on peut utiliser le terme suivant pour les
équations de prédiction et correction :
e Fx ⋅Tc ≈ 1 + Fx ⋅ Tc (22)
166
ANNEXES : Annexe 4
On peut donc avoir :

Φ(k + 1, k) = I + Fx ⋅ Tc (23)
En utilisant ce résultat dans (31) et sachant que l’entrée mesurée u(t) = u ∗ (t) est constante
pour t ∈ [t k , t k +1 ] , on peut donc écrire le terme intégral en (31) par :
t k +1 t k +1
∫
tk
Φ(t k +1 , τ) ⋅ Fu ⋅τ = ∫
tk
[I + Fx ⋅ (t k +1 − τ)] ⋅ Fu ⋅τ
t k +1
≈ Fu ⋅ Tc + Fx ⋅ Fu ⋅ Tc − Fx ⋅ Fu ⋅ ∫ τdτ
tk
Tc2
≈ Fu ⋅ Tc + Fx ⋅ Fu ⋅ ≈ Fu ⋅ Ts (24)
2
On va représenter Fx ⋅ Fu par Ψ (k + 1, k) , on a donc finalement l’équation de prédiction :
x̂(k + 1 k ) = Φ(k + 1, k) ⋅ x̂(k k ) + Ψ(k + 1, k) ⋅ u(k) (25)
Avec :
Φ(k + 1, k) = I + Fx ⋅ Tc et Ψ (k + 1, k) = Fu ⋅ Tc
Etablissement de l’équation de « Correction » :
L’équation de correction du filtre de Kalman étendu est donnée par :
x̂(k + 1 k + 1) = x̂(k + 1 k ) + K(k + 1) ⋅ {z(k + 1) - ẑ(k + 1 k)} (26)
Avec :
ẑ(k + 1 k ) = h[x̂(k + 1 k )] (27)
Le gain de filtre K(k + 1) est une matrice de dimension n × m , le calcul de K(k + 1) est donné
par les équations suivantes :
P(k + 1 k ) = Φ(k + 1, k) ⋅ P(k k ) ⋅ Φ T (k + 1, k) + Q(k + 1, k) (28)
K(k + 1) = P(k + 1 k ) ⋅ H Tx (k + 1) ⋅ [H x (k + 1) ⋅ P(k + 1 k ) ⋅ H Tx (k + 1)] + R(k + 1)]-1 (29)
P(k + 1 k + 1) = [I − K(k + 1) ⋅ H x (k + 1)] ⋅ P(k + 1 k ) (30)
Où I ∈ R n×n est une matrice d’unité, P(k + 1 k + 1) ∈ R n×n est la matrice de covariance d’erreur,
Q(k + 1, k) et R(k + 1) sont respectivement les matrices de covariance de ω(k) et υ(k) dans (1)
et (2). En pratique, Q(k + 1, k) et R(k + 1) peuvent être initialisés par matrices constantes
diagonales Q ∈ R p×p et R ∈ R m×m .

Résumé de l’algorithme du filtre de Kalman étendu :
En bref, l’utilisation du filtre de Kalman étendu est résumée par les étapes suivantes :
167
ANNEXES : Annexe 4
Etape 1 : Décrire le système non linéaire par des équations d’état :

x& = f(x, u) + ω
z = h(x) + ν
Etape 2 : Déterminer les valeurs initiales de Tc , x̂(0 0) , P(0 0) , Q et R.
Pour chaque instant k :

Etape 3 : Calculer Fx et Fu à chaque instant k:
 ∂f1 /∂x 1 L ∂f1 /∂x n 

 
Fx (x k , u k ) =  M O M 
∂f /∂x L ∂f /∂x 
 n 1 n n  x =x
k ,u =u k
 ∂f1 /∂u 1 L ∂f 1 /∂u l 

 
Fu (x k , u k ) =  M O M 
∂f /∂u L ∂f /∂u 
 n 1 n l  x =x
k ,u =u k
Etape 4 : Calculer Φ(k + 1, k) et Ψ (k + 1, k) :
Φ(k + 1, k) = I + Fx ⋅ Tc
Ψ (k + 1, k) = Fu ⋅ Tc
Etape 5 : Calculer l’état estimé a priori x̂(k + 1 k) :
x̂(k + 1 k ) = Φ(k + 1, k) ⋅ x̂(k k ) + Ψ(k + 1, k) ⋅ u(k)
Etape 6 : Calculer P(k + 1 k) :
P(k + 1 k ) = Φ(k + 1, k) ⋅ P(k k ) ⋅ Φ T (k + 1, k) + Q
Etape 7 : Calculer H x
Etape 8 : Mettre à jour le gain de Kalman K :
K(k + 1) = P(k + 1 k ) ⋅ H Tx ⋅ [H x ⋅ P(k + 1 k ) ⋅ H Tx ] + R]-1
Etape 9 : Mettre à jour la matrice de covariance d’erreur

P(k + 1 k + 1) = [I − K(k + 1) ⋅ H x ] ⋅ P(k + 1 k )
Etape 10 : Calculer l’état estimé a posteriori x̂(k + 1 k + 1) :
x̂(k + 1 k + 1) = x̂(k + 1 k ) + K(k + 1) ⋅ {z(k + 1) - ẑ(k + 1 k)}
avec :
ẑ(k + 1 k ) = h[x̂(k + 1 k )] = H x ⋅ x̂(k + 1 k )
Etape 11 : Revenir à l’étape 3 pour prochain instant k+1
168
ANNEXES : Annexe 5
ANNEXE 5 : DATASHEET DE LA BATTERIE HRL634W [17]
169
ANNEXES : Annexe 5
170
ANNEXES : Annexe 6
ANNEXE 6 : VIEILLISSEMENT DE LA BATTERIE

Sept procédures de vieillissement de la batterie [35]
IEC 61427 Standard cycling test procedure
The test conditions are as follows:

- Fifty cycles of 30 % depth of discharge are carried out between 5 and 35 %
SOC, and then a hundred cycles are carried out between 75 and 100 % SOC.
These 150 cycles are immediately followed by a capacity measurement and
form a test sequence,
- A period lasts about 50 days. There are between 3 and 10 periods in a single
test, requiring 5 to 16 months to complete the procedure. Several test sequences
are repeated until an "end of test" criterion is reached,
- The temperature of the battery bath is 40 °C (The high temperature at which the
test takes place aims at accelerating the degradation and thus reducing the time
necessary to reach the end of life criterion).
NFC Standard cycling test procedure
171
ANNEXES : Annexe 6

- A complete test sequence consists of three stages (stage A, stage B and stage A
again) and two capacity measurements (C10 and C100).
- In stage A, the battery undergoes shallow cycles with 3 hours discharge at the
6.6* I100 rate and recharge for 4 hours at the 4.85*I100 rate until the low voltage
threshold is reached. The charging regime is not sufficient to fully charge the
battery so that the SOC of the battery progressively decreases during stage A.
The number of cycles needed to reach the low voltage threshold ranges from 30
to 80 cycles, depending on the battery type;
- In stage B, the battery undergoes shallow cycles with the same discharge regime
as in stage A and 4 hours recharge at the 5.45* I100 rate so that the SOC of the
battery progressively increases with cycling. The number of cycles in stage B is
by definition the same as in stage A
- A test sequence lasts between 50 and 90 days. The total duration ranges from 3
to 10 test sequences, therefore from 3 months to two years. Several test
sequences are repeated until an "end of test" criterion is reached
The temperature of the battery bath is 40 °C (this value is not representative of climate
conditions in temperate countries but is used to accelerate the test procedure).
PPER cycling test procedure
172
ANNEXES : Annexe 6

- The battery is discharged at the I10 rate until a cut-off voltage of 1.75 V per cell,
left at free potential for 3 hours and recharged for 8 hours at the 1.5* I10 rate,
- Each cycle induces an ageing effect on the battery and measures the C10 capacity
at the same time (this allows the close control of the changes in the evolution of
the capacity).
- Several cycles are repeated until an "end of test" criterion is reached. The total
duration ranges from 2 weeks to 4 months.
- The temperature of the battery bath is 25 °C.
QUALIBAT cycling test procedure

The cycling test for flooded batteries requires 3 cycles per day at a relatively deep depth of
discharge (66 %) and high current. For the VRLA products 1.5 cycles per day are performed
at a similar depth of discharge and lower current. A total of 50 or 100 cycles of
charge/discharge are followed by a capacity measurement and this forms a test sequence,
173
ANNEXES : Annexe 6
Several test sequences are repeated until an "end of test" criterion is reached. A test sequence
lasts between one and two months. Total duration ranges from one to seven months,
The temperature of the battery bath is 40 °C.
Cycling test around 10% SOC procedure

- Prior to the beginning of cycling, a discharge is made to 1.75 Vpc (0 % SOC),
- Three hundred cycles of charge/discharge in a low state of charge (10 %) are
followed by two capacity measurements (C10 and C100) and form a test sequence,
- A correction is made after each cycle in order to avoid a drift in the state of
charge (automatic calculation of the recharge coefficient),
- Several test sequences are repeated until an "end of test" criterion is reached. A
test sequence lasts about three months. The total duration of the test procedure
ranges from three months to more than one year,
- The battery bath temperature is 40 °C.
Cycling test around 40% SOC procedure
174
ANNEXES : Annexe 6

- Prior to the beginning of cycling, a discharge at I10 is made to 30 % SOC
(amperehour counting),
- Three hundred cycles of charge/discharge in a medium state of charge (40 %)
are followed by two capacity measurements (C10 and C100) and form a test
sequence,
test sequence lasts about three months. The total duration ranges from three
months to more than one year,
DRE Cycling test procedure

- Stratification is established by applying 5 charge/discharge cycles with a
175
ANNEXES : Annexe 6
recharge limited by a high voltage threshold (2.35 Vpc). Such a threshold

voltage is insufficient for fully recharging the batteries. These cycles are
followed by 5 cycles with a recharge coefficient of 1.2*C10. The applied
overcharge thus enables the battery to recover from the sulphation induced
during the 5 first cycles with low recharge. The development of the restored
capacities allows an evaluation of the ability of the battery to recover its initial
state. The series of 10 cycles is followed by a capacity measurement and form a
test sequence,
test sequence lasts about 12 days. The total duration ranges from 3 to 16 test
sequences, therefore from 1 to 7 months,
176
ANNEXES : Annexe 6
Programme pour l’expérimentation de vieillissement
Explications du programme :
- Pas 2 : imposer les seuils de sécurité
- Pas 3 : pause de 5 seconds
- Pas 4 : mettre en parallèle la voie de décharge (soit voie 2)
- Pas 5 : début du cyclage
- Pas 6 : sauvegarde des données pour chaque cycle
- Pas 7 : définir un compteur (Timer1) de 8 heures
- Pas 8 : définir un compteur (Timer2) de 7 heures
- Pas 9 : charge à courant constant de 2A jusqu’à 7.275V
- Pas 10 : charge à tension constante de 7.275V jusqu’à la fin de Timer1
- Pas 11 : pause de 10 minutes
- Pas 12 : décharge à puissance constante de 60.3W jusqu’à 5.01V ou à la fin de Timer2
- Pas 13 : Pause jusqu’à la fin de Timer2
- Pas 14 : définir le nombre de cyclage à 13, revenir à Pas 5 si le nombre de cyclage > 0
- Pas 15 : stop
177
178
BIBLIOGRAPHIE
180
[1]. A. Delaille, “ Développement de méthodes d’évaluation de l’état de charge et de
l’état de santé des batteries utilisées dans les systèmes photovoltaïques”, Thèse de
Doctorat, Université de Paris VI, Octobre 2006.
[2]. A. Kirchev, A. Delaille, M. Perrin, E.Lemaire, F.Mattera, “Studies of the pulse

charge of lead-acid batteries for PV applications, part II. Impedance of the positive
plate revisited”, Journal of Power Sources, 2007
[3]. A. Lahyani, “Surveillance et Diagnostic d’Etat des Condensateurs Electrolytiques

dans les Convertisseurs Statiques”, Thèse de Doctorat, Université Claude Bernard
Lyon1, Février 1998.
[4]. A. Lahyani, P. Venet, G. Grellet, and P.J. Viverge, "Failure prediction of

electrolytic capacitors during operation of a switchmode power supply," IEEE
Transactions on Power Electronics, No. 6, pp. 1197 - 1207, 1998.
[5]. A. M. Imam, T. G. Habetler, R. G. Harley, and D.M. Divan, “Condition monitoring

of electrolytic capacitor in power electronic circuits using adaptive filter modeling,”
Proc. of IEEE PESC, pp. 601–607, Sept. 2005.
[6]. A. M. Imam, T. G. Habetler, R. G. Harley, and D.M. Divan, “Real-Time Condition

Monitoring of the Electrolytic Capacitors for Power Electronics Applications,”
Proc. of IEEE Applied Power Electronics Conference and Exposition, pp. 1057 –
1061, 2007
[7]. A.H. Anbuky, P.E. Pascoe, ‘‘VRLA battery state-of-charge estimation in

telecommunicationpower systems’’, IEEE Transactions on Industrial Electronics
Vol-47 N°3 (2000) p 565-573.
[8]. A.J. Salkind, C. Fennie, P. Singh, T. Atwater, D.E. Reisner, “Determination of

state-of-chargeand state-of-health of batteries by fuzzy logic methodology”, Journal
of Power Sources Vol-80 (1999)p. 293-300.
[9]. A.Kirchev, A.Delaille, M. Perrin, E.Lemaire, F.Mattera, “Studies of the pulse

charge of lead-acid batteries for PV applications, part II. Impedance of the positive
plate revisited”, Journal of Power Sources, 2007
[10]. B.S. Bhangu, P. Bentley, D.A. Stone, C.M. Bingham, “Nonlinear Observers for
Predicting State-of-Charge and State-of-Health of Lead-Acid Batteries for Hybrid-
Electric Vehicles”, IEEE Trans. on Vehicular Technology, Vol.54, No.3, May 2005
[11]. C. Forgez, B. Lemaire-Semail, S. Clenet., “Réseaux de neurones appliqués à la

modélisation de systèmes électrotechniques” (Neural networks applied to electrical
engineering modelling). Revue International de Génie Electrique, vol 2 n°3/1999 pp
305 - 334.
[12]. C. Leconte, A. J. Keith, “Investigation of the Dissipation Process in Electrolytic

Capacitors” Electrocomponent Science and Technology, 1980, Vol. 6, pp. 49-53.
[13]. C.A. Clifton, Explication of Extended Kalman Filter in the master thesis “Hybrid
System based Design for the Coordination and Control of Multiple Autonomous
Vehicles”, Vanderbilt University, 2005
181
[14]. C.C. Chan, E.W.C. Lo, W.X. Shen, “The available capacity computation model
based on artificial neural network for lead-acid batteries in electric vehicles”,
Journal of Power Sources Vol-87(2000) p. 201-204.Références- 308 –
[15]. C.S.C. Bose, F.C. Laman, “Battery state of health estimation through coup de
fouet”, IEEE (2000) p. 597-601.
[16]. C.S.C. Bose, Patent number US6255801, “System and method for assessing a
capacity of abattery and power plant incorporating the same”, 03-07-2001.
[17]. CSB, “Small VRLA Technical Support”, www.csb-battery.com
[18]. D. Alazard, “Introduction au filtre de Kalman”, Supéaro, Janvier 2005
[19]. D. G. W. Goad, H. Uchi, “Modelling the capacitance of d.c. etched aluminium

electrolytic capacitor foil”, Journal of Applied Electrochemistry 30, pp 285-291,
2000.
[20]. D.C. Lee, J.K. Seok, and J.W. Choi, “Online Capacitance Estimation of DC-link
Electrolytic Capacitors for Three-phase AC/DC/AC PWM Converters using
Recursive Least Squares Method,” IEE Proceedings -Electric Power Applications,
vol. 152, no. 6, pp. 1503 – 1508, Nov. 2005.
[21]. D.V. Do, C. Forgez, K. El Kadri Benkara, G. Friedrich, “Impedance Observer for a
Li-Ion Battery Using Kalman Filter”, IEEE Transactions On Vehicular Technology
58 8) : 3930-3937
[22]. Digatron, “Instructions de service du banc de charge / décharge, modèle HEW 500-
12 / LG 30-150 MES”, 2008
[23]. E. Aeloiza, J.H. Kim, P. Enjeti, P. Ruminot, “A Real Time Method to Estimate
Electrolytic Capacitor Condition in PWM Adjustable Speed Drives and
Uninterruptible Power Supplies,” Proc. of IEEE PESC, pp. 2867 – 2872, 2005.
[24]. E. Meissner, G. Richter, “Battery monitoring and electrical energy management

precondition for future vehicle electric power systems”, Journal of Power Sources
Vol-116 (2003) p. 79-98.
[25]. F. Huet, “A review of impedance measurements for determination of the state-of-

charge or state-of-health of secondary batteries”, Journal of Power Sources Vol-70
(1998) p. 59-69.
[26]. F. Périsse, « Etude et analyse des modes de défaillances des condensateurs

électrolytiques à l’aluminium et des thyristors, appliquées aux systèmes de
protection du LHC (Large Hadron Collider) ». Thèse de Doctorat, Université
Claude Bernard Lyon1, Juillet 2003.
[27]. F. Perisse, G. Rojat, J.M. Rétif, “Simple Model of Electrolytic Capacitor Taking
into Account the Temperature and Aging Time” Electrical Engineering (Archiv fur
Elektrotechnik), Vol. 88, n° 2, January 2006, pp 89-95.
182
[28]. F. Perisse, P. Venet, J.M Rétif, G. Rojat “Parameters Determination of Electrolytic
Capacitor Model by Genetic Algorithm”, CARTS Europe, 16th Annual European
Passive Components Conference, 13th - 17th October 2002, pp107-110.
[29]. F. Perisse, P. Venet, J.M. Rétif, G. Rojat “ Behavioral Study on the Reliability of
Electrolytic Capacitors of Various Manufacturers” European Safety and Reliability
Conference (ESREL 2002), Colloque Européen de Sûreté de fonctionnement, Lyon
France, 2002, pp. 632-636.
[30]. G. Plett, “Extended Kalman filtering for battery management systems of LiPB-
based HEV battery packs, Part 1, Part 2, Part 3”, J. Power Sour., 2004
[31]. G.E. Rhoades, A. W. H. Smith, “Expected Life of Capacitor Whith Non-solid

Electrolyte”, 34th Component Conference Proc, 1984, pp. 156-161.
[32]. GAMRY INSTRUMENTS, “Basics of Electrochemical Impedance Spectroscopy”,

www.gamry.com
[33]. Gr. Welch, Gary Bishop, “An Introduction to the Kalman Filter”, Department of
Computer Science, University of North Carolina, July 2006
[34]. H. Ertl, K. Edelmoser, F. C. Zach, J. W. Kolar ‘’A Novel Method for On-Line
Monitoring and Managing of Electrolytic Capacitors of DC Voltage Link PWM
Converters’’ Power Conversion Intelligent Motion (PCIM Europe 2006)
Conference, 22th – 24th Mai 2006.
[35]. IEA PVPS, “Testing of batteries used in Stand Alone PV Power Supply Systems”,
Report IEA PVPS T3-11: 2002
[36]. Ioan Doré LANDAU, “Identification et commande des systèmes”, 2e édition, 1993,
HERMES
[37]. J. Chiasson, B. Vairamohan, “Estimating the State of Charge of a Battery”, IEEE

Trans. on Control System Technology, Vol. 13, No. 3 May 2005
[38]. J. Martinez-Vega, Matériaux diélectriques pour le génie électrique 2 - Applications

spécifiques, Hermes Editions, 2007.
[39]. K. Abdennadher, C. Rosset, P. Venet, G. Rojat, Patent number 20090112493, “

Method and device for predicting electrolytic capacitor defects, converter and
uninterruptible power supply equipped with such a device”.
[40]. K. Abdennadher, P. Venet, G. Rojat, J.M. Rétif, C. Rosset, “ A Real Time

Predictive Maintenance System of Aluminium Electrolytic Capacitors Used in
Uninterruptible Power Supplies”, IEEE Industry Applications Society Annual
Meeting, 2008, pp. 1 – 6.
[41]. K. Abdennadher, P. Venet, G. Rojat, J.M. Rétif, C. Rosset, “ Online Monitoring

Method and Electrical Parameter Ageing Laws of Aluminium Electrolytic
Capacitors Used in UPS”, 13th European Conference on Power Electronics and
Applications, 2009. EPE ' 2009, pp. 1 – 9.
183
[42]. K. Abdennadher, P. Venet, G. Rojat, J.M. Rétif, C. Rosset, “Kalman Filter Used for
Online Monitoring and Predictive Maintenance System of Electrolytic Capacitors
Used in UPS”, IEEE Energy Conversion Congress and Exposition, ECCE’ 2009,
pp. 3188 - 3193
[43]. K. Harada, A. Katsuki, M. Fujiwara, “Use of ESR for Deterioration Diagnosis of

Electrolytic Capacitor” Power Electronics, IEEE Transactions on, Volume: 8 Issue:
4, Oct. 1993, pp. 355 –361.
[44]. K. Myungchul, L. Kwangwoon, Y. Jangho, L. Sang Bin, Y. Jiyoon, “Condition

Monitoring of DC Link Electrolytic Capacitors in Adjustable Speed Drives”
Industry Applications Conference, 2007. 42nd IAS Annual Meeting. Conference
Record of the 2007 IEEE Volume, Issue, 23-27 Sept. 2007 Page(s):237 – 243
[45]. M. FU, Z. DENG, J. ZHANG, “Application of Kalman filtering in navigation

system”, Beijing, 2003.
[46]. M. S. Grewal, Angus P. Andrews, “Kalman Filtering : Theory and Practice Using
MATLAB”, John Wiley & Sons Inc, 2001
[47]. M.L. Gasperi, “Life Prediction Model for Aluminium Electrolytic Capacitors”,
IEEE IAS Conference., 1996, pp. 1347-1351.
[48]. M.L. Gasperi, “Life prediction modeling of bus capacitors in ac variable-frequency

drives,” IEEE Transactions on Industry Applications, vol. 41, no. 6, pp. 1430–1435,
Nov./Dec. 2005.
[49]. Military Handbook 217 F, “Reliability prediction of electronic equipment,” Feb. 28,
1995.
[50]. N. Picciano, Bachelor thesis, “Battery Aging and Characerization of Nickel Metal
Hydride and Lead Acid Batteries”, The Ohio State University, 2007
[51]. O. Ondel, E. Boutleux, and P. Venet, “A decision system for electrolytic capacitors
diagnosis,” Proc. of IEEE PESC, pp. 4360-4364, June 2004.
[52]. O. Sven Bohlen, Doctor thesis, “Impedance-based battery monitoring”, ISEA,

RWTH Aachen University, 2008
[53]. P. Pascoe, A. Anbuky, Patent number GB2350686, “Battery capacity

measurement“, 06-12-2000.
[54]. P. Singh, D. Reisner, “Fuzzy logic-based state-of-health determination of lead acid

batteries”, IEEE (2002) p. 75-86.
[55]. P. Venet, ‘’Présentation de défaillance des condensateurs par utilisation d’un

indicateur ‘’, Centre de Génie électrique de Lyon
[56]. P. Venet, « Amélioration de la sûreté de fonctionnement des dispositifs de stockage

d’énergie ». Mémoire d’habilitation à Diriger les recherches, Université Claude
Bernard Lyon1, Octobre 2007.
184
[57]. P. Venet, « Surveillance d’alimentation à découpage. Application à la maintenance
prédictive ». Thèse de Doctorat, Université Claude Bernard Lyon1, Décembre 1993.
[58]. P. Venet, F. Perisse, G. Grellet, G. Rojat « Condensateur intelligent », Brevet

français, 1999, n° de dépôt 99 10 292, date de dépôt : 04/08/1999, numéro de
publication : FR2797345, date de publication : 09/02/2001
[59]. P. Venet, F. Perisse, M.H. El-Husseini, and G. Rojat, “Realization of a smart

electrolytic capacitor circuit,” IEEE Industry Applications Magazine, vol. 8, no. 1,
pp. 16–20, Jan./Feb. 2002.
[60]. P. Venet, H. Darnand, and G. Grellet, "Dectection of faults of filter capacitors in a

converter. Application to predictive maintenance,” International
Telecommunications Energy conference, pp.229-234, 1993.
[61]. P.E. Pascoe, A.H. Anbuky, “A unified discharge voltage characteristic for VRLA
battery capacity and reserve time estimation“, Energy Conversion & Management
Vol-45 (2004) p. 277-302.
[62]. P.E. Pascoe, A.H. Anbuky, “Coup de fouet based VRLA battery capacity
estimation”, Proceedings first IEEE International Workshop on Electronic Design,
Test, and Applications (2002) p.149-153.
[63]. P.E. Pascoe, A.H. Anbuky, “The behaviour of the coup de fouet of valve-regulated
lead-acid batteries”, Journal of Power Sources Vol-111 (2002) p. 304-319.
[64]. S. Ahlers, A. Mukherjee, “Advances in battery management using neural networks

and fuzzy
[65]. S. Buller, Doctor thesis, “Impedance-Based Simulation Models for Energy Storage
Devices in Advanced Automotive Power Systems”, ISEA, RWTH Aachen
University, 2003
[66]. S. Nagashima, K. Takahashi, T. Yabumoto, S. Shiga, Y. Watakabe, “Development

and field experience of monitoring system for valve-regulated lead-acid batteries in
stationary applications”, Journal of Power Sources, 2006
[67]. S. Piller, M. Perrin, A. Jossen, “Methods for state-of-charge determination and their
applications”, Journal of Power Sources Vol-96 (2001) p. 113-120.
[68]. S. Rodrigues, N. Munichandraiah, A.K. Shukla, “A review of state-of-charge

indication of batteries by means of a.c. impedance measurements“, Journal of
Power Sources Vol-87 (2000) p. 12-20.
[69]. S. Siami, C Joubert, C. Glauze “High Frequency Model for Power Electronics
Capacitors”, IEEE Transaction on Power Electronics, Vol. 16, N°.2, March 2001,
pp. 157-166.
[70]. T. Tsujikawa, T. Matsushima, K. Yabuta, T. Matsushita, “Estimation of the

lifetimes of valve-regulated lead-acid batteries”, Journal of Power Sources, 2009
185
[71]. U. Tröltzsch, Olfa Kanoun, Hans-Rolf Tränkler, “Characterizing aging effects of
lithium ion batteries by impedance spectroscopy”, Journal of Power Sources, 2006
[72]. V.A. Sankaran, F.L. Rees, and C.S. Avant, “Electrolytic capacitor life testing and
prediction,” Proc. of IEEE IAS Annual Meeting, pp. 1058-1065, Oct. 1997.
[73]. V.H.Johnson, A.A.Pesaran, T. Sack, “Temperature-dependent battery models for

high-power lithium-ion batteries”, presented at the Proc. EVS 17, Montreal, PQ,
Canada, 2000
[74]. W.X. Shen, C.C. Chan, E.W.C. Lo, K.T. Chau, “A new battery available capacity
indicator forelectric vehicles using neural network“, Energy Conversion &
Management Vol-43 (2002) p. 817-826.
[75]. Y. Cadirci, Y. Özkazanç, ‘‘Microcontroller-based on-line state-of-charge estimator

for sealed lead-acid batteries’’, Journal of Power Sources Vol-129 (2004) p. 330-
342.
[76]. Y. Huang, L. Ma, H. Liu, Chaptor 11, Theory and application of S-function,
“Simulation and engineering application of Matlab 7.0/Simulink 6.0”, Tsinghua
University, 2005
[77]. Y. Mieno, M. Teramura, “Prediction of remaining battery discharge capacity by

neural networks and its display circuit”, EPE Lausanne (1999) pp. 1-5.
186
187
188
189
Karim ABDENNADHER Thèse UCB Lyon 1 Année 2010
Etude et Elaboration d’un système de surveillance et de maintenance prédictive pour les

condensateurs et les batteries utilisés dans les Alimentations Sans Interruptions (ASI)
Résumé : Pour assurer une énergie électrique de qualité et de façon permanente, il existe des systèmes
électroniques d’alimentation spécifiques. Il s’agit des Alimentations Sans Interruptions (ASI).
Une ASI comme tout autre système peut tomber en panne ce qui peut entrainer une perte de
redondance. Cette perte induit une maintenance corrective donc une forme d’indisponibilité ce qui
représente un coût.
Nous proposons dans cette thèse de travailler sur deux composants parmi les plus sensibles dans les
ASI à savoir les condensateurs électrolytiques et les batteries au plomb.
Dans une première phase, nous présentons, les systèmes de surveillance existants pour ces deux
composants en soulignant leurs principaux inconvénients. Ceci nous permet de proposer le cahier des
charges à mettre en œuvre.
Pour les condensateurs électrolytiques, nous détaillons les différentes étapes de caractérisation et de
vieillissement ainsi que la procédure expérimentale de vieillissement standard accéléré et les résultats
associés. D’autre part, nous présentons les résultats de simulation du système de surveillance et de
prédiction de pannes retenu. Nous abordons la validation expérimentale en décrivant le système
développé. Nous détaillons les cartes électroniques conçues, les algorithmes mis en œuvre et leurs
contraintes d’implémentation respectifs pour une réalisation temps réel.
Enfin, pour les batteries au plomb étanches, nous présentons les résultats de simulation du système de
surveillance retenu permettant d’obtenir le SOC et le SOH. Nous détaillons la procédure
expérimentale de vieillissement en cycles de charge et décharge de la batterie nécessaire pour avoir un
modèle électrique simple et précis. Nous expliquons les résultats expérimentaux de vieillissement pour
finir avec des propositions d’amélioration de notre système afin d’obtenir un SOH plus précis.
Mots clés : Condensateurs électrolytiques, batteries au plomb, état de charge (SOC), état de santé
(SOH), maintenance prédictive, identification en temps réel, filtre de Kalman
Study and elaboration of a monitoring and predictive maintenance system for capacitors
and batteries used in Uninterruptible Power Supplies (UPS)
Abstract: To ensure power quality and permanently, some electronic system supplies exist. These
supplies are the Uninterrupted Power Supplies (UPS).
An UPS like any other system may have some failures. This can be a cause of redundancy loss. This
load loss causes a maintenance downtime which may represent a high cost.
We propose in this thesis to work on two of the most sensitive components in the UPS namely
electrolytic capacitors and lead acid batteries.
In a first phase, we present the existing surveillance systems for these two components, highlighting
their main drawbacks. This allows us to propose the specifications which have to be implemented for
this system.
For electrolytic capacitors, we detail different stages of characterization; the aging accelerated
standard experimental procedure and their associated results. On the other hand, we present the
simulation results of monitoring and failure prediction system retained. We discuss the experimental
validation, describing the developed system. We detail the electronic boards designed, implemented
algorithms and their respective constraints for a real time implementation.
Finally, for lead acid batteries, we present the simulation results of the monitoring system adopted to
obtain the SOC and SOH. We describe the aging experimental procedure of charging and discharging
cycles of the batteries needed to find a simple and accurate electric models. We explain the aging
experimental results and in the end we give suggestions for improving our system to get a more
accurate SOH.
Keywords: Electrolytic capacitors, lead acid batteries, state of charge (SOC), state of health (SOH),
predictive maintenance, real time identification, Kalman filtering

7295

Transféré par

Droits d'auteur :

Formats disponibles

7295

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

7295

Transféré par

Droits d'auteur :

Formats disponibles

ETUDE ET ELABORATION D’UN SYSTEME DE

MAINTENANCE PREDICTIVE POUR LES

To cite this version:

HAL Id: tel-00532642

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

L’UNIVERSITE CLAUDE BERNARD LYON 1

Pour l’obtention du grade de

DOCTEUR de l’UNIVERSITE de LYON 1

(Arrêté du 07 Août 2006)

Spécialité : GENIE ELECTRIQUE

M. Mohamed Karim ABDENNADHER

Maître es Sciences EEA à Lyon

ETUDE ET ELABORATION D’UN SYSTEME DE MAINTENANCE PREDICTIVE

Devant le jury composé de

M. Christophe FORGEZ Maître de Conférences HDR, UTC Rapporteur

Le travail présenté dans ce document a été réalisé en collaboration entre le Laboratoire

Je tiens à exprimer mes remerciements au Professeur Pascal MAUSSION et Monsieur

Je voudrais exprimer toute ma reconnaissance à Christophe ROSSET pour son soutien

J’exprime une reconnaissance particulière aux membres de l’équipe ‘Anticipation’ et

CHAPITRE I : LES ALIMENTATIONS SANS INTERRUPTION : PRINCIPE DE

2. PRESENTATION DU CAHIER DES CHARGES DU SYSTEME DE

3. LES ALIMENTATIONS SANS INTERRUPTION (ASI) ------------------------------- 23

3.1. PRINCIPE DE FONCTIONNEMENT -------------------------------------------------------------------------------- 23

3.3. CAPTEURS PRESENTS DANS LES ASI ---------------------------------------------------------------------------- 28

4. LES CONDENSATEURS ELECTROLYTIQUES--------------------------------------- 28

4.2. PRINCIPE ET CONSTITUTION ------------------------------------------------------------------------------------- 29

4.3. FIABILITE DES CONDENSATEURS ELECTROLYTIQUES ------------------------------------------------------- 31

4.4.3. Méthode basée sur le calcul de la puissance [34] ------------------------------------------------------------- 35

5. PRESENTATION DES BATTERIES AU PLOMB-------------------------------------- 36

5.1. PRINCIPE DE FONCTIONNEMENT -------------------------------------------------------------------------------- 37

5.2. CARACTERISTIQUES ELECTRIQUES ----------------------------------------------------------------------------- 38

5.3. QUELQUES METHODES D’EVALUATION DE L’ETAT DE LA BATTERIE -------------------------------------- 44

6. PRESENTATION DU PRINCIPE DU SYSTEME DE SURVEILLANCE DES

6.1. CONDENSATEURS ELECTROLYTIQUES -------------------------------------------------------------------------- 48

6.2. BATTERIES AU PLOMB --------------------------------------------------------------------------------------------- 49

CHAPITRE II : CARACTERISATION ET VIEILLISSEMENT ACCELERE DES

2. MODELISATION DU VIEILLISSEMENT ------------------------------------------------- 53

2.1. PARAMETRES A SURVEILLER [3] ---------------------------------------------------------------------------- 53

3.1. PRESENTATION DES CONDENSATEURS EN TEST --------------------------------------------------------------- 55

3.2. EVOLUTION DES PARAMETRES EN FONCTION DE LA TEMPERATURE -------------------------------------- 56

4. LOIS DE VIEILLISSEMENT DES CONDENSATEURS ELECTROLYTIQUES 59

4.1. MODELES DE VIEILLISSEMENT DE L’ESR --------------------------------------------------------------------- 59

4.2. LOI DE VIEILLISSEMENT DE LA CAPACITE C ------------------------------------------------------------------ 60

5. ESSAIS DE VIEILLISSEMENT ACCELERE : ------------------------------------------ 61

5.2. RESULTATS EXPERIMENTAUX ----------------------------------------------------------------------------------- 62

5.3. DETERMINATION DES LOIS D’EVOLUTION DES PARAMETRES EN FONCTION DU TEMPS DE

6. ALGORITHME DE VIEILLISSEMENT ---------------------------------------------------- 71

CHAPITRE III : SYSTEME DE MAINTENANCE PREDICTIVE DES

2. PRINCIPE ET SIMULATION DU SYSTEME -------------------------------------------- 79

2.1. CONVERTISSEUR DE PUISSANCE --------------------------------------------------------------------------------- 79

2.2. REGULATION DU HACHEUR PARALLELE----------------------------------------------------------------------- 81

2.3. SURVEILLANCE DES CONDENSATEURS ELECTROLYTIQUES ------------------------------------------------- 82

3. ETUDE THEORIQUE ET RESULTATS DE SIMULATION -------------------------- 86

3.1. CONVERTISSEUR DC/DC----------------------------------------------------------------------------------------- 87

3.2. ANALYSE FFT (FAST FOURRIER TRANSFORM) --------------------------------------------------------------- 89

3.3. CONDENSATEURS EN PARALLELES------------------------------------------------------------------------------ 91

3.4. CONVERTISSEUR AC/DC----------------------------------------------------------------------------------------- 91

4. CONCEPTION D’UNE MAQUETTE ET RESULTATS EXPERIMENTAUX----- 94

4.1. PRESENTATION DE LA MAQUETTE ------------------------------------------------------------------------------ 94