Multiphysics modelling and physics-based enhanced health monitoring of energy systems

Safety-critical electrified systems require battery management systems (BMS) that can estimate internal states and detect incipient faults in real time, despite nonlinear dynamics, multiphysics coupling, and limited sensing. This thesis addresses a central bottleneck in lithium-ion battery health monitoring: achieving accurate and computationally efficient online inference when critical internal variables and fault drivers are only partially observable from standard measurements. The work focuses on internal short circuits (ISC), which can emerge with weak electrical precursors and rapidly evolve toward thermal runaway, and on electrochemical-fidelity state estimation under BMS runtime constraints. The proposed approach integrates three complementary elements: (i) multiphysics modelling (electrical, thermal, and mechanical) to capture coupled behavior and provide truth-consistent numerical plants for validation; (ii) efficient model-based observer design using extended Kalman filtering (EKF) or unscented Kalman filtering (UKF); and (iii) physics-informed surrogation to accelerate electrochemical models while enforcing governing equations. First, coupled electro-thermal EKF frameworks are developed in which ISC is treated as an explicit latent state and estimated online by fusing voltage and temperature measurements, enabling early detection and real-time tracking under confounders such as sensor noise, parameter variability with state of charge (SOC) and temperature, and unseen load profiles. Robustness and industrial relevance are further improved by extending mechanistic ISC diagnosis to cylindrical cells, explicitly assessing the impact of fault location and severity. Second, to make electrochemical fidelity deployable at runtime, a physics-informed MIONet is trained to learn the solution operator of the single-particle model (SPM) governing partial differential equations (PDEs) under randomized initial concentration profiles and current inputs. Deployed recursively in a state-space formulation into a UKF, the learned operator replaces repeated online PDE solves and achieves bounded prediction error with near-constant per-step computational cost. Third, an electro-thermo-mechanical digital twin calibrated to a commercial pouch cell is used to quantify the value of multi-sensor fusion for EKF-based SOC estimation. Incorporating thickness deformation measurements increases Fisher information and reduces calibrated uncertainty (e.g., via coverage-width criteria), demonstrating measurable gains in observability and achievable precision relative to voltage-only and voltage+temperature configurations. Overall, the thesis advances real-time battery prognostics and health management by (i) elevating ISC from a post-hoc indicator to a tracked latent state suitable for early warning and future prognosis, (ii) enabling electrochemical-model fidelity at BMS runtimes through physics-informed operator learning integrated with filtering, and (iii) providing a quantitative basis to design and justify electrical--thermal--mechanical sensor fusion using observability and uncertainty metrics.

I sistemi elettrificati critici per la sicurezza richiedono sistemi di gestione della batteria (BMS) in grado di stimare gli stati interni e rilevare guasti incipienti in tempo reale, nonostante la presenza di dinamiche non lineari, accoppiamenti multifisici e sensoristica limitata. Questa tesi affronta un ostacolo centrale nel monitoraggio dello stato di salute delle batterie agli ioni di litio: ottenere un'inferenza online accurata e computazionalmente efficiente quando le variabili interne critiche e i driver di guasto sono solo parzialmente osservabili dalle misurazioni standard. Il lavoro si concentra sui cortocircuiti interni (ISC), che possono emergere con deboli precursori elettrici ed evolvere rapidamente verso il runaway termico (instabilità termica), e sulla stima dello stato con fedeltà elettrochimica nel rispetto dei vincoli di runtime del BMS. L'approccio proposto integra tre elementi complementari: (i) Modellazione multifisica (elettrica, termica e meccanica) per catturare il comportamento accoppiato e fornire impianti numerici coerenti con la realtà per la validazione; (ii) Progettazione di osservatori efficienti basati su modelli, utilizzando il filtro di Kalman esteso (EKF) o il filtro di Kalman unscented (UKF); (iii) Surrogazione physics-informed per accelerare i modelli elettrochimici imponendo al contempo le equazioni governanti. In primo luogo, sono stati sviluppati framework EKF elettro-termici accoppiati in cui l'ISC è trattato come uno stato latente esplicito e stimato online attraverso la fusione di misurazioni di tensione e temperatura. Ciò consente il rilevamento precoce e il tracciamento in tempo reale in presenza di fattori confondenti quali il rumore dei sensori, la variabilità dei parametri con lo stato di carica (SOC) e la temperatura, e profili di carico imprevisti. La robustezza e la rilevanza industriale sono state ulteriormente migliorate estendendo la diagnosi meccanicistica dell'ISC alle celle cilindriche, valutando esplicitamente l'impatto della posizione e della gravità del guasto. In secondo luogo, per rendere la fedeltà elettrochimica distribuibile in fase di esecuzione, è stata addestrata una MIONet physics-informed per apprendere l'operatore di soluzione delle equazioni differenziali alle derivate parziali (PDE) che governano il modello a singola particella (SPM), sotto profili di concentrazione iniziale e input di corrente randomizzati. Distribuito ricorsivamente in una formulazione spazio-stato all'interno di un UKF, l'operatore appreso sostituisce la risoluzione online ripetuta delle PDE e ottiene un errore di previsione limitato con un costo computazionale per fase quasi costante. In terzo luogo, un gemello digitale elettro-termo-meccanico, calibrato su una cella a sacchetto (pouch cell) commerciale, viene utilizzato per quantificare il valore della fusione multi-sensore per la stima del SOC basata su EKF. L'integrazione delle misurazioni della deformazione dello spessore aumenta l'informazione di Fisher e riduce l'incertezza calibrata, dimostrando guadagni misurabili nell'osservabilità e nella precisione raggiungibile rispetto alle configurazioni solo tensione o tensione+temperatura. Nel complesso, la tesi fa progredire la prognostica e la gestione della salute delle batterie (PHM) in tempo reale: (i) Elevando l'ISC da indicatore post-hoc a stato latente tracciato, adatto per l'allerta precoce e la prognosi futura; (ii) Abilitando la fedeltà del modello elettrochimico nei runtime del BMS attraverso l'apprendimento di operatori physics-informed integrati con il filtraggio; (iii) Fornendo una base quantitativa per progettare e giustificare la fusione di sensori elettrici, termici e meccanici utilizzando metriche di osservabilità e incertezza.