Artificial Intelligence for Battery Remaining Useful Life

Abstract

This thesis presents a study on predicting the Remaining Useful Life (RUL) of lithium-ion batteries based on battery capacity and using artificial intelligence techniques. The proposed approach can be broken down into three steps: constructing the inputs and outputs from the battery capacities, training the model, and finally, testing. The models used are based on two artificial intelligence technologies: feedforward neural networks (FFNN) and extreme learning machines (ELM). The obtained results show that extreme learning machines offer better results than artificial neural networks (ANNs). ---------------------------------------------------------------- تقدم هذه الأطروحة دراسةً حول التنبؤ بالعمر المتبقي لبطاريات الليثيوم أيون بناءً على سعة البطارية وباستخدام تقنيات الذكاء الاصطناعي. يمكن تقسيم المنهجية المقترحة إلى ثلاث خطوات: بناء المدخلات والمخرجات من سعات البطاريات، وتدريب النموذج، وأخيرًا، اختباره. تعتمد النماذج المستخدمة على تقنيتين من تقنيات الذكاء الاصطناعي: الشبكات العصبية ذات التغذية الأمامية وآلات التعلم القصوى. تُظهر النتائج المُتحصل عليها أن آلات التعلم القصوى تُقدم نتائج أفضل من الشبكات العصبية الاصطناعية. --------------------------------------------------------------- Ce mémoire présente une étude sur la prédiction de la durée de vie restante (RUL) des batteries lithium-ion en utilisant la capacité des batteries comme indicateur principal de dégradation et en appliquant des techniques d'intelligence artificielle. L'approche proposée peut être décomposée en trois étapes : la construction des données d'entrée et de sortie à partir des valeurs de capacité des batteries, l'apprentissage du modèle et finalement le test. Les méthodes employées sont basées sur deux techniques d'intelligence artificielle, à savoir les réseaux de neurones artificiels à propagation avant (FFNN) et les machines d'apprentissage extrême (ELM). Les résultats obtenus dans ce mémoire montrent que les modèles ELM offrent de meilleures performances que les réseaux de neurones artificiels (ANN).