Req ID:476079
Chez Alstom, nous avons une connaissance pointue des réseaux de transport et comprenons ce qui conduit les individus à les emprunter. Des trains à grande vitesse, métros, monorails et tramways aux systèmes intégrés, services, infrastructures, et solutions de signalisation et de mobilité numérique, nous offrons à la diversité de nos clients le portefeuille le plus vaste du secteur. Chaque jour, plus de 80 000 collaborateurs dans le monde qui ouvrent la voie à des solutions de mobilité plus vertes et plus intelligentes pour relier les villes, réduire l’empreinte carbone et remplacer la voiture.
Description du projet :
Dans un contexte mondial de transition énergétique, l'électrification des transports devient un enjeu crucial pour réduire les émissions de gaz à effet de serre et répondre aux objectifs environnementaux. Le secteur ferroviaire, historiquement l’un des plus efficaces en termes d’énergie, joue un rôle clé dans cette transformation. Toutefois, de nombreux réseaux de trains, notamment dans les régions non électrifiées, continuent d’utiliser des locomotives diesel, contribuant à la pollution de l’air et aux émissions de carbone.
Les trains hybrides et électriques représentent une alternative prometteuse. Ils permettent de réduire la dépendance aux combustibles fossiles tout en améliorant l'efficacité énergétique. Au cœur de cette évolution, les batteries lithium-ion deviennent indispensables, non seulement pour alimenter les trains dans les sections non électrifiées, mais aussi pour stocker et restituer de l'énergie en fonction des besoins du réseau. Cependant, pour garantir la performance, la sécurité et la durabilité des systèmes de batteries, il est essentiel de développer des outils avancés de gestion de l'énergie.
Dans ce cadre, l’estimation en temps réel de l’état de charge (SOC) et de l’état de santé (SOH) des batteries joue un rôle fondamental. Ces indicateurs permettent d’optimiser l'utilisation des batteries, d'améliorer leur durée de vie et de garantir la fiabilité des trains hybrides et électriques dans des conditions d'exploitation variées. Le développement d'un estimateur précis et robuste adapté aux spécificités des applications ferroviaires est donc essentiel pour accompagner la transition vers un transport plus propre et plus durable.
Ce stage vise à développer et implémenter un estimateur en temps réel du SOC et du SOH pour des cellules lithium-ion, en utilisant un modèle basé sur des circuits électriques équivalents (modèle RC) associé à un filtre de Kalman. L’objectif est également d’évaluer la robustesse et la précision de cette estimation sur différentes technologies de batteries (NMC, LFP) et d'adapter ces modèles en vue d’une mise en œuvre sur microcontrôleur.
Le but du stage est de modéliser le système batterie des trains électriques grâce au logiciel MATLAB SIMULINK dans l’objectif d’effectuer une validation sur un banc d’essai.
Les missions principales de ce stage:
1. Revue bibliographique : Étudier les modèles de batteries (circuits équivalents, vieillissement) ainsi que les méthodes d’estimation (filtre de Kalman, méthode de coulométrie). Analyser l’impact des paramètres environnementaux (température, cycles de charge) sur les performances des estimateurs.
2. Développement de l’estimateur : Implémenter sous Matlab un estimateur de SOC et SOH basé sur un modèle de circuit RC, en utilisant un filtre de Kalman. Tester et optimiser ce modèle pour garantir des résultats fiables en temps réel.
3. Comparaison des méthodes : Comparer les performances du modèle de circuit RC avec celles d’un modèle à deux électrodes. Cette analyse portera sur la précision des deux approches et leur applicabilité pour des estimations en temps réel.
4. Validation expérimentale : Tester les performances de l'estimateur sur des données réelles issues de tests en laboratoire sur différentes technologies de batteries (NMC, LFP). Analyser les résultats pour améliorer la robustesse et la précision du modèle.
5. Développement d'algorithmes prédictifs: Implémenter des algorithmes capables de prédire les pannes potentielles et de fournir des indicateurs de santé précis pour le service après-vente (SAV). Ces algorithmes s'appuieront sur des données en temps réel et les historiques de performance des batteries dans les trains électriques et hybrides. Ils seront basés sur l'analyse des variations des paramètres critiques (tels que la capacité résiduelle, les cycles de charge/décharge, les températures de fonctionnement, etc.) afin de détecter les signes avant-coureurs de dégradation ou de défaillance des cellules de batterie
Profil recherché :
- Connaissances en modélisation de batteries, en traitement de signal ou automatique
- Compétences en Matlab et en systèmes embarqués
- Intérêt pour les systèmes de gestion de batterie et la simulation
Il n’y a pas que les passionnés de trains qui s’épanouissent chez nous. Nul doute que vous ressentirez beaucoup de fierté lorsque vous monterez dans l’un de nos trains avec votre famille ou vos amis. Si vous aimez le challenge, nous serions ravis d’échanger avec vous !
Remarque importante
En tant qu’employeur présent dans plus de 63 pays, nous souscrivons au principe d’égalité d’accès à l’emploi et valorisons la diversité. Nous nous sommes engagés à créer un environnement de travail inclusif pour tous.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.