Analyse prédictive par machine learning de la durée de vie des Batteries Li-ion à partir des premiers cycles

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.