Long term performance prediction of proton exchange membrane fuel cells using machine learning method

Résumé : Les questions environnementales, en particulier le réchauffement de la planète en raison de l'effet de serre, estdevenu de plus en plus critique au cours des dernières décennies. Candidate potentielle parmi les différentessolutions alternatives d'énergie verte pour le développement durable, la pile à combustible à membrane échangeusede protons (PEMFC en anglais) a fait l'objet de nombreux travaux de recherche, dans les domaines de l'énergie etdes transports. Les PEMFC peuvent produire de l'électricité directement à partir de la réaction électrochimique entrel'hydrogène et l'oxygène de l'air, avec comme seul sous-produits de l'eau et de la chaleur. Si l'hydrogène est produità partir de sources d'énergie renouvelables, cette conversion de l'énergie est complètement écologique.Cependant, la durée de vie relativement courte des PEMFC fonctionnant dans des conditions dynamiques (pour lesvéhicules, par exemple) empêche son utilisation massive. La prévision précise de leurs mécanismes devieillissement peut ainsi aider à concevoir des modèles de maintenance appropriés des PEMFC en fournissant desinformations prévisibles sur la dégradation des performances. De plus, la prédiction pourrait également contribuer àatténuer la dégradation indésirable des systèmes PEMFC en cours d'exploitation. Ces travaux proposent unenouvelle approche guidée par les données pour prédire la dégradation des performances des PEMFC en utilisantune méthode d'apprentissage améliorée (Relevance Vector Machine : RVM).Tout d'abord, la description théorique des PEMFC en fonctionnement est présentée. Ensuite, une illustrationdétaillée de l'impact des conditions opérationnelles sur la performance des PEMFC est exposée, ainsi que desmécanismes de dégradation de chaque composant des PEMFC.Une méthode de prédiction de performance en utilisant la RVM améliorée est ensuite proposée et démontrée. Lesrésultats de prédiction basés sur des zones d'apprentissage différentes à partir des données historiques sontégalement discutés et comparés avec les résultats de prédiction utilisant les machines à vecteurs de support(Support Vector Machine : SVM).En outre, une méthode de prédiction RVM à noyau auto-adaptatif (Self-Adaptive Kernel) est présentée. La matricede conception de la formation du RVM est également modifiée afin d'acquérir une plus grande précision lors de laprédiction. Les résultats de la prévision sont illustrés et discutés en détails.En résumé, ces travaux permettent de discuter principalement de l'analyse de la prédiction de la performance desPEMFC en utilisant des méthodes d'apprentissage statistique.
Type de document :
Thèse
Electric power. Université de Technologie de Belfort-Montbeliard, 2016. English. 〈NNT : 2016BELF0308〉
Liste complète des métadonnées

Littérature citée [37 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01872917
Contributeur : Abes Star <>
Soumis le : mercredi 12 septembre 2018 - 16:09:06
Dernière modification le : jeudi 13 septembre 2018 - 01:04:24

Fichier

These_WU_UTBM.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01872917, version 1

Collections

Citation

Yiming Wu. Long term performance prediction of proton exchange membrane fuel cells using machine learning method. Electric power. Université de Technologie de Belfort-Montbeliard, 2016. English. 〈NNT : 2016BELF0308〉. 〈tel-01872917〉

Partager

Métriques

Consultations de la notice

133

Téléchargements de fichiers

18