Thèse en cours

L'Intelligence Artificielle pour l'Optimisation de l'Autonomie des Véhicules Electriques et Intégration dans le Smart Grid
FR  |  
EN
Auteur / Autrice : Ahmed Houalef
Direction : Sidi Mohammed Senouci
Type : Projet de thèse
Discipline(s) : Informatique
Date : Inscription en doctorat le 01/02/2023
Etablissement(s) : Bourgogne Franche-Comté
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
Partenaire(s) de recherche : Laboratoire : Département de Recherche en Ingénierie des Véhicules pour l'Environnement
Equipe de recherche : Energie, Mobilité, Intelligence et Environnement

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Le domaine de recherche du doctorat est l'intégration véhicule-réseau (V2G) et doit garantir que le système électrique peut être préparé de manière proactive pour la charge électrique des VE urbains tout en explorant la flexibilité de charge qui Les véhicules électriques peuvent fournir une infrastructure de recharge intelligente et évolutive. L'objectif est de développer et de mettre en œuvre techniques de cadre de gestion intelligente utilisant des algorithmes d'intelligence artificielle de pointe pour relever les défis majeurs qui se posent dans le déploiement et la gestion des VE dans les résidences et niveaux commerciaux (gestion de flotte). Les résultats seront de produire de nouvelles recherches appliquées utilisant l'IA dans Gestion des véhicules électriques et optimisation des ressources V2G et, ainsi, contribuer à la réduction des émissions de gaz à effet de serre. Les deux principaux objectifs suivants seront abordés au cours de cette thèse mais un plan de thèse détaillé sera élaboré avec les encadrants, sur la base du profil du candidat, dans les deux premiers mois suivant l'inscription : - Routage dynamique économe en énergie : Algorithmes de routage multi-objectifs à faible complexité et économes en énergie sera développé en tenant compte à la fois des données internes (par exemple, SoC, SoH, profil du conducteur, type de véhicule) et externes facteurs (par exemple, les conditions météorologiques, le profil de la route, les informations sur le trafic, la disponibilité limitée de la recharge infrastructure, type de bornes de recharge, etc.). Techniques d'apprentissage basées sur l'IA (réparties entre le cloud et traitement à bord) sera développé pour tenir compte de plusieurs facteurs dans les décisions d'acheminement. - Amélioration de l'intégration du réseau EV : amélioration de l'intégration du réseau EV pour réduire le temps d'attente grâce au nouveau V2G interactions et stratégies de gestion de charge intelligentes, et systèmes pour une sécurité et une efficacité accrues l'intégration d'un grand nombre de véhicules électriques dans la planification et l'exploitation du réseau électrique. Un de approches consiste à concevoir et implanter des infrastructures de recharge équipées de production d'énergie renouvelable dans afin de répondre aux attentes des usagers dans un environnement incertain lié à la demande de transport, la production d'énergies renouvelables et les pics d'électricité et aussi pour informer et orienter les VE vers les ressources disponibles et infrastructure de recharge la plus appropriée.