Méthodologie de conception optimale de chaines de conversion d’énergie embarquées

Optimal design approach of embedded energy conversion systems

• Auteur / Autrice : Adriano Ceschia
• Direction : Francisco Alvès
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 28/09/2020
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio : physics and engineering (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Génie électrique et électronique de Paris (Gif-sur-Yvette, Essonne ; 1998-....)
• Partenaire(s) de recherche : Référent : CentraleSupélec (2015-....)
• Jury : Président / Présidente : Florence Ossart
• Jury : Examinateurs / Examinatrices : Jean Bigeon, Mickaël Hilairet, Mahamadou Abdou Tankari, Toufik Azib
• Jury : Rapporteurs / Rapporteuses : Jean Bigeon, Mickaël Hilairet

Mots clés

Mots clés contrôlés

Énergie -- Conversion directe

Conception technique

Véhicules électriques hybrides

Mots clés libres

Conception optimale

Gestion d’énergie

Système hybride

Dimensionnement optimal

Pile à combustible/batterie

Fiabilité

Optimal design

Energy management

Hybrid system

Optimal sizing

Fuel cell/battery

Reliability

Résumé

Les travaux proposés dans cette thèse s’inscrivent dans le cadre de l’électrification des systèmes embarqués au travers du développement de nouvelles chaines hybrides de conversion d’énergie ; celle-ci se fondant sur de nouvelles motorisations et combinaison de sources d’énergies complémentaires. Ces systèmes présentent de nombreux degrés de liberté, tant vis-à-vis des paramètres de ses constituants, que des réglages des lois de contrôle qui leurs sont associées. L’optimisation (technico-économique) pertinente de ces chaines de conversion complexes repose donc sur l’aptitude des méthodes de recherche d’intégrer simultanément les paramètres macroscopiques des composants ainsi que leurs contraintes technologiques, les conditions aléatoires imposées par l’environnement sur un cycle de fonctionnement et enfin les algorithmes de contrôle de bas niveau comme la gestion énergétique globale. Les performances de ces systèmes reposent sur la capacité des méthodologies de conception à considérer les contraintes multi-physiques liées à leur environnement réel, l’adéquation des technologies, des topologies et des lois de commandes permettant d’intégrer et d’associer efficacement leurs constituants. Dans ce contexte, ces travaux de thèse visent à développer des outils et des méthodes permettant l’optimisation des architectures de puissance et de leurs constituants, en intégrant dès la première phase de conception les notions de contrôle-commande et de gestion énergétique. Ils se déploieront sur l'étude d’une chaîne de conversion hybride électrifiée fondée sur une l’association pile à combustible / batterie.Pour ce faire, une approche globale de conception est proposée, utilisant une stratégie bi-niveau qui considère le problème de la gestion d’énergie directement à l'intérieur du problème de dimensionnement et intègre d’une manière progressive au même niveau plusieurs critères de performance: consommation d’énergie, fiabilité et encombrement. L’approche en question adopte alors deux boucles d'optimisation imbriquées: la boucle externe, basée sur les performances de la PSO (Particle Swarm Optimization), s’occupe du dimensionnement, tandis que la boucle interne agit sur la gestion d’énergie, utilisant la rapidité de la commande optimale. Cela offre un champ d’exploration plus vaste qu’une approche conventionnelle et permet d’atteindre les meilleures performances d’optimisation des sources d’énergie embarquées (minimiser la consommation, respecter les contraintes de fonctionnement de chaque constituant ainsi que les durées de vie cibles, satisfaire les exigences de la charge) avec une convergence rapide ainsi que de bonnes robustesse et précision. Outre ce couplage fort entre dimensionnement et gestion d’énergie, il s’agit de prendre en compte le caractère incertain de l’utilisation en proposant une optimisation robuste du dimensionnement final. Cela nécessite une stratégie de gestion énergétique en temps réel. Ainsi, une extension de l’approche de conception est proposée pour le fonctionnement temps réel utilisant une interaction entre reconnaissance du mode de conduite et contrainte énergétique basée sur l’apprentissage, permettant ainsi de garantir une meilleure intégration de l’approche développée.

The research work proposed in this thesis falls within the context of embedded systems electrification with the development of a new hybrid power conversion chain, with new energy sources and powertrains. These systems offer many degrees of freedom regarding both the devices parameters and the tuning values of the associated control laws. The relevant (technico-economic) optimization of these complex power chains relies on the ability of the best-set algorithm to combine simultaneously the main parameters and the technological constraints of each component, the uncertain environmental conditions faced during areal use and finally the control algorithms as well as the global energy management. Their performances are based on the capacity of the design approaches to consider the real environment multiphysic constraints, the adequacy of the technologies, the topologies and the control laws, allowing to integrate and to associate effectively their constituents. In this context, this research work aims at developing tools and methods allowing the optimization of the power architectures and their components (hybrid energy conversion) by integrating in the design process the control-command and the energy management aspects. They consider a use case based on hybrid Fuel cell / Battery power system.For this purpose, a new nested methodology for complex system is been suggested. It enables to tackle large search spaces and considers different performance indexes (energy saving, reliability and volume). It simultaneously tunes and designs the energy management and component sizing by optimizing the main powertrain parameters while respecting the specifications. Technically, it uses two nested loops, combining the particle swarm optimization (PSO) technique’s performance and the rapid optimal control algorithm. This strategy addresses vast search spaces, achieves faster convergence to the global optimal integer design solution, and provides a good accuracy and robustness. In order to consider the randomness feature of real driving cycle (stochastic characteristic), a real time energy management strategy (EMS) was introduced based on an extension of the design approach, which increases its availability. By using machine-learning technique, an estimation of the current driving mode is developed and permits to guide the online energy management system.