Conception de chaînes de traction hybrides et électriques par optimisation sur cycles routiers

Systemic design of hybrid and electric powertrains

• Auteur / Autrice : Adham Kaloun
• Direction : Stéphane Brisset, Maxime Ogier
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 04/12/2020
• Etablissement(s) : Centrale Lille Institut
• 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) - Laboratoire d'électrotechnique et d'électronique de puissance (L2EP)
• Jury : Président / Présidente : Bruno Sareni
• Jury : Examinateurs / Examinatrices : Maxime Ogier, Benoit Delinchant, Salvy Bourguet, Mariam Samir Ahmed
• Jury : Rapporteurs / Rapporteuses : Florence Ossart, Emmanuel Vinot

Mots clés

Mots clés contrôlés

Propulsion électrique

Machines électriques

Commande, Théorie de la

Systèmes complexes

Véhicules électriques hybrides

Mots clés libres

Conception optimale de systèmes complexes

Véhicule hybride

Contrôle optimal

Réduction de cycles

Réduction de modèles

Machines électriques

Propulsion électrique

Chaîne de traction hybride parallèle

Optimal design of complex systems

Hybrid electric vehicle

Optimal control

Cycle reduction

Model reduction

Electric machines

Electric propulsion

Parallel hybrid powertrain

Résumé

La conception des chaînes de traction hybrides est une tâche complexe, qui fait appel à des experts de différents domaines s'appuyant sur des compétences et des outils distincts. En plus de cela, la recherche d'une solution optimale nécessite un retour système. Cela peut être, selon la granularité des modèles de composants, très coûteux en temps de calcul. Ceci est d'autant plus vrai lorsque la performance du système est déterminée par sa commande, comme c'est le cas du véhicule hybride. En fait, différentes possibilités peuvent être sélectionnées pour fournir le couple requis aux roues pendant le cycle de conduite. Ainsi, le principal obstacle est d'atteindre l'optimalité tout en conservant une méthodologie rapide et robuste. Dans ces travaux de thèse, de nouvelles approches visant à exploiter le potentiel complet de l'hybridation sont proposées et comparées. La première stratégie est une approche bi-niveaux composée de deux blocs d'optimisation imbriqués: un processus d'optimisation des paramètres de design externe qui calcule la meilleure valeur de consommation de carburant à chaque itération en se basant sur une version améliorée de la programmation dynamique pour l'optimisation de la commande. Deux stratégies de conception systémique différentes basées sur le schéma itératif sont également proposées. La première approche est basée sur la réduction de modèle tandis que la seconde se repose sur des techniques précises de réduction de cycle. Cette dernière permet l'utilisation de modèles de haute précision sans pénaliser le temps de calcul. Une approche simultanée est ensuite mise en œuvre, qui optimise à la fois les variables de conception et les paramètres d'une nouvelle stratégie efficace à base de règles. Cette dernière permettra une optimisation plus rapide par rapport à l'optimisation directe de toutes les variables de décision. Enfin, une technique basée sur l'utilisation des méta-modèles est explorée.

Designing hybrid powertrains is a complex task, which calls for experts from various fields. In addition to this, finding the optimal solution requires a system overview. This can be, depending on the granularity of the models at the component level, highly time-consuming. This is even more true when the system’s performance is determined by its control, as it is the case of the hybrid powertrain. In fact, various possibilities can be selected to deliver the required torque to the wheels during the driving cycle. Hence, the main obstacle is to achieve optimality while keeping the methodology fast and robust. In this work, novel approaches to exploit the full potential of hybridization are proposed and compared. The first strategy is a bi-level approach consisting of two nested optimization blocks: an external design optimization process that calculates the best fuel consumption value at each iteration, found through control optimization using an improved version of dynamic programming. Two different systemic design strategies based on the iterative scheme are proposed as well. The first approach is based on model reduction while the second approach relies on precise cycle reduction techniques. The latter enables the use of high precision models without penalizing the calculation time. A co-optimization approach is implemented afterwards which adjusts both the design variables and parameters of a new efficient rule-based strategy. This allows for faster optimization as opposed to an all-at-once approach. Finally, a meta-model based technique is explored.