Présentation des mémoires de master du Centre BFH Stockage d’énergie 2021

16.08.2021 Des stations de recharge à gestion intelligente pour les voitures électriques, un banc d’essai pour des piles à combustible permettant également de tester les cellules d’électrolyse, les harmoniques de courant dans les réseaux de distribution électrique ou le développement de méthodes fiables pour prédire la durée de vie des batteries: tels seront les thèmes présentés par les étudiant-e-s du Master of Science in Engineering dans leurs mémoires, ainsi que par les collaboratrices et collaborateurs du Centre BFH Stockage d’énergie, le 11 aout au Switzerland Innovation Park Biel / Bienne (SIPBB).

Les mémoires de master ont été rédigés dans le cadre du Centre BFH Stockage d’énergie. Vous trouverez de plus amples informations ici:

Présentations

Afin d’améliorer le développement des systèmes à hydrogène, le banc d’essai des piles à combustible de la BFH a été modernisé et se trouve actuellement à la pointe de la technologie. De nouveaux composants ont été ajoutés au système afin de pouvoir tester non seulement les piles à combustible, mais aussi les cellules d’électrolyse. La plateforme, qui repose sur un Raspberry Pi, est programmée en Python. Ce nouveau système offre une base flexible pour les projets et extensions futurs.

Directeur de mémoire: Prof. Michael Höckel

De plus en plus de charges non linéaires sont raccordées au réseau électrique. Les harmoniques de courant générées par ces charges peuvent avoir des effets conséquents sur la tension et les éléments du réseau. Une analyse approfondie des mesures à long terme d’un exploitant de réseau de distribution a été effectuée pour détecter les harmoniques de courant. En outre, un autre exploitant de réseau a mesuré un courant fortement déformé par des harmoniques dans une ligne à moyenne tension. Sur la base de trois campagnes de mesure dans le réseau à moyenne tension et à basse tension, il a été possible d’étudier les effets des harmoniques sur le réseau basse tension et d’identifier les sources de ces distorsions.

Directeur de mémoire: Prof. Michael Höckel

L’expansion rapide des systèmes photovoltaïques (PV) et la forte croissance du marché des voitures électriques entrainent également un besoin croissant de stations de recharge à gestion intelligente afin d’éviter une surcharge du réseau électrique. Sur le campus Tiergarten de la BFH à Berthoud, trois systèmes photovoltaïques et trois stations de recharge sont équipées d’analyseurs de réseau depuis décembre 2020; ceux-ci permettent de mieux coordonner la production d’énergie photovoltaïque et les processus de recharge. Dans le cadre de ce travail, des concepts pour la gestion intelligente des installations ont été élaborés, tandis que les données de mesure collectées sur une période de six mois ont été analysées.

Directeur de mémoire: Prof. Urs Muntwyler

The development of reliable lifetime prediction methods for Battery Management Systems (BMS) requires better State of Health (SOH) estimation methods to understand the degradation mechanism in electric batteries. Data Driven Methods (DDMs) use machine learning models like regression models, Support Vector Machine (SVM) or deep learning models like Recurrent Neural Network (RNN) to estimate the SOH of a battery. Drive cycle data from e-bikes, containing various battery usage features, can be used in DDMs to predict the SOH of batteries and understand the battery behavior to enhance the battery performance.

Directeur de mémoire: Prof. Dr. Andrea Vezzini

En savoir plus