Stratégies de gestion d’énergie pour véhicules électriques et hybride avec systèmes hybride de stockage d’énergie

Energy management strategies of electric and hybrid vehicles supplied by hybrid energy storage systems

• Auteur / Autrice : Bao Huy Nguyen
• Direction : Alain Bouscayrol, João Pedro Fernandes Trovão, Ronan Louis German
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 18/09/2019
• Etablissement(s) : Université de Lille (2018-2021) en cotutelle avec Université de Sherbrooke (Québec, Canada)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'électrotechnique et d'électronique de puissance (L2EP)

Mots clés

Mots clés contrôlés

Commande en temps réel

Supercondensateurs

Piles électriques

Énergie -- Stockage

Véhicules électriques hybrides

Gestion

Consommation d'énergie

Véhicules électriques

Mots clés libres

Simulation en temps réel

Représentation macroscopique énergétique

Résumé

Les véhicules électriques et hybrides font partie des éléments clés pour résoudre les problèmes de réchauffement de la planète et d'épuisement des ressources en combustibles fossiles dans le domaine du transport. En raison des limites des différents systèmes de stockage et de conversion d’énergie en termes de puissance et d'énergie, les hybridations sont intéressantes pour les véhicules électriques (VE). Dans cette thèse, deux hybridations typiques sont étudiées • un sous-système de stockage d'énergie hybride combinant des batteries et des supercondensateurs (SC) ; • et un sous-système de traction hybride parallèle combinant moteur à combustion interne et entraînement électrique. Ces sources d'énergie et ces conversions combinées doivent être gérées dans le cadre de stratégies de gestion de l'énergie (SGE). Parmi celles-ci, les méthodes basées sur l'optimisation présentent un intérêt en raison de leur approche systématique et de leurs performances élevées. Néanmoins, ces méthodes sont souvent compliquées et demandent beaucoup de temps de calcul, ce qui peut être difficile à réaliser dans des applications réelles.L'objectif de cette thèse est de développer des SGE simples mais efficaces basées sur l'optimisation en temps réel pour un VE et un camion à traction hybride parallèle alimentés par des batteries et des SC (système de stockage hybride). Les complexités du système étudié sont réduites en utilisant la représentation macroscopique énergétique (REM). La REM permet de réaliser des modèles réduits pour la gestion de l'énergie au niveau de la supervision. La théorie du contrôle optimal est ensuite appliquée à ces modèles réduits pour réaliser des SGE en temps réel. Ces stratégies sont basées sur des réductions de modèle appropriées, mais elles sont systématiques et performantes. Les performances des SGE proposées sont vérifiées en simulation par comparaison avec l’optimum théorique (programmation dynamique). De plus, les capacités en temps réel des SGE développées sont validées via des expériences en « hardware-in-the-loop » à puissances réduites. Les résultats confirment les avantages des stratégies proposées développées par l'approche unifiée de la thèse.

Electric and hybrid vehicles are among the keys to solve the problems of global warming and exhausted fossil fuel resources in transportation sector. Due to the limits of energy sources and energy converters in terms of power and energy, hybridizations are of interest for future electrified vehicles. Two typical hybridizations are studied in this thesis: • hybrid energy storage subsystem combining batteries and supercapacitors (SCs); and• hybrid traction subsystem combining internal combustion engine and electric drive. Such combined energy sources and converters must be handled by energy management strategies (EMSs). In which, optimization-based methods are of interest due to their high performance. Nonetheless, these methods are often complicated and computation consuming which can be difficult to be realized in real-world applications.The objective of this thesis is to develop simple but effective real-time optimization-based EMSs for an electric car and a parallel hybrid truck supplied by batteries and SCs. The complexities of the studied system are tackled by using Energetic Macroscopic Representation (EMR) which helps to conduct reduced models for energy management at the supervisory level. Optimal control theory is then applied to these reduced models to accomplish real-time EMSs. These strategies are simple due to the suitable model reductions but systematic and high-performance due to the optimization-based methods. The performances of the proposed strategies are verified via simulations by comparing with off-line optimal benchmark deduced by dynamic programming. Moreover, real-time capabilities of these novel EMSs are validated via experiments by using reduced-scale power hardware-in-the-loop simulation. The results confirm the advantages of the proposed strategies developed by the unified approach in the thesis.