Modélisation du système de puissance du véhicule électrique en régime transitoire en vue de l'optimisation de l'autonomie, des performances et des coûts associés.

Electric vehicle power system modeling in transientstate in order to optimize vehicle range , performances and system costs

• Auteur / Autrice : Noëlle Janiaud
• Direction : Marc Petit
• Type : Thèse de doctorat
• Discipline(s) : Energie (SPI)
• Date : Soutenance le 29/09/2011
• Etablissement(s) : Supélec
• Ecole(s) doctorale(s) : Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015)
• Jury : Président / Présidente : Demba Diallo
• Jury : Examinateurs / Examinatrices : Alain Bouscayrol, Patrick Boucher
• Jury : Rapporteurs / Rapporteuses : Éric Monmasson, Thierry-Marie Guerra

Mots clés

Mots clés contrôlés

Phénomènes transitoires

Véhicules électriques

Électrotechnique

Mots clés libres

Plateforme de simulation

Pilotage de la chaîne de traction électrique

Véhicule électrique

Système de puissance

Optimisation de l'architecture

Simulation platform

Control of electric powertrain

Electric vehicle

Power system

Architecture optimization

Résumé

Dans le contexte automobile actuel de réduction des émissions de CO2, une réponse semble être apportée par le véhicule électrique. De nombreuses questions se posent alors, notamment concernant l’autonomie, d’autant plus que le nombre de consommateurs électriques dans les véhicules est en constante augmentation. Il est nécessaire de concevoir un groupe-motopropulseur électrique alliant autonomie et performances en considérant les contraintes de coût auxquelles est confronté tout constructeur.Concernant les outils de conception, très nombreux sont les constructeurs qui s’orientent vers d’autres solutions que la réalisation de prototypes en faisant appel à la simulation numérique dès le début du cycle en V pour optimiser leur prédimensionnement et assurer un gain non négligeable sur les délais et les coûts. Les travaux de thèse s’articulent ainsi autour de deux axes. Une première étape consiste à modéliser le réseau électrique automobile (chaîne de traction, système de confort thermique et réseau 14V) afin de simuler son fonctionnement en régime dynamique. L’aspect dynamique est important : des cartographies de pertes ne peuvent suffire si nous nous intéressons aux performances du véhicule en termes d’accélérations. D’autre part, l’autonomie est impactée de façon non négligeable par cet aspect dynamique.Dans une seconde étape, nous procéderons à l’optimisation du système de puissance. Les critères qui nous intéressent, autonomie et performances, sont antagonistes, ce qui donne lieu à la recherche de « meilleurs » compromis. Nous distinguons l’optimisation des lois de pilotage des organes de l’optimisation de l’architecture, les deux étant menées séquentiellement.

In the current automobile trend of global CO2 emissions reduction, the electric vehicle seems to be one of the most effective solutions. It is a new technology and, consequently, many questions appear, in particular concerning the range impacted by the constant increase of the number of electric loads embedded in vehicles. It is necessary to design an electric powertain allying sufficient range and good performances and respecting cost constraints, which is a determining criterion for every car manufacturer. Concerning conception tools, many car manufacturers turn to other solutions that only physical prototypes realization by using numerical simulation from the beginning of the V-cycle in order to optimize powertrain presizing and ensure a significant costs and delays reduction.The thesis works are based on two axes.The first part consists in modeling the power system of electric vehicle (powertrain, air-conditioning, heating system and 14V network) in order to simulate the global system behavior in transient state. The dynamic aspect is important: for example, losses maps cannot be used if we are interested in vehicle performances in terms of accelerations. Moreover, as that will be shown, the vehicle range is impacted in a significant way by the dynamic phenomena. The models are validated by comparison with tests results.In a second part, we proceed to electric power system optimization. The criteria that interest us namely range and performances are conflicting, what gives rise in search of "best" compromises. It is necessary to distinguish control laws optimization from architecture optimization, both being led sequentially.