Abstract:
Ce mémoire porte sur l’analyse prédictive de la durée de vie des batteries lithium-ion à partir
des premiers cycles de charge et de décharge. En exploitant des matrices tension-capacité
issues des jeux de données open-source BatteryML, nous avons appliqué deux modèles d’apprentissage
profond : un réseau de neurones convolutif (CNN) et un réseau récurrent de type
LSTM. Les résultats montrent que le modèle CNN offre une meilleure précision sur les données
vues, tandis que le LSTM présente des difficultés de généralisation. Des recommandations
sont proposées pour améliorer la robustesse des prédictions, notamment par l’enrichissement
des données et l’utilisation d’architectures hybrides.
