Modélisation avancée des systèmes électrochimiques

Cette thèse de doctorat propose une approche hybride stochastique-déterministe pour améliorer la modélisation des données de Spectroscopie d'Impédance Électrochimique (EIS) pour des systèmes électrochimiques tels que les piles à combustible, les supercondensateurs et les batteries. Les méthodes de modélisation traditionnelles rencontrent des difficultés liées à la sensibilité des paramètres, à la corrélation et à la non-unicité des modèles de circuits équivalents électrochimiques (EEC). Pour remédier à ces problèmes, cette recherche intègre des algorithmes stochastiques avec l'algorithme déterministe de Nelder-Mead (NM), permettant ainsi une optimisation globale plus efficace et plus fiable. L'approche hybride réduit la dépendance aux valeurs initiales et accélère la convergence, rendant possible l'utilisation de modèles EEC plus complexes. Les performances de cette méthode sont validées à travers des applications sur des données EIS simulées et réelles, en mettant l'accent sur l'efficacité numérique. Bien que cette recherche améliore la modélisation EIS en renforçant l'efficacité et la fiabilité, des défis persistent concernant la corrélation des paramètres et la non-unicité des modèles EEC. Ces travaux contribuent à l'avancement de l'analyse des données EIS, offrant un cadre plus solide pour l'optimisation des systèmes électrochimiques.