" Soutenance de thèse de Souad HADJ-SAID. | Université d'Orléans

Université d'Orléans

Soutenance de thèse de Souad HADJ-SAID.

07/11/2018 - 10:00 - 07/11/2018 - 14:00

URL: http://www.univ-orleans.fr/actus/soutenances

Nom du contact: Etudes Doctorales

Courriel du contact: etudes.doctorales@univ-orleans.fr

Lieu: Amphi M002 - IUT d’Orléans - 16 rue d’Issoudun - campus UNIVERSITE

Titre : Optimisation Énergétique Convexe pour véhicule Hybride Électrique : vers une Solution Analytique.

Discipline : Energétique  

ECOLE DOCTORALE EMSTU

Résumé :

Cette thèse s'inscrit dans le cadre de la gestion d'énergie d'un Véhicule Hybride Électrique. Pour ce type de véhicule, l'optimisation énergétique est un enjeu majeur. Cela consiste à calculer les commandes optimales minimisant la consommation énergétique du véhicule sous un nombre fini de contraintes. Deux types de méthodes peuvent être utilisées pour résoudre ce problème d'optimisation. La première méthode, dite numérique, utilisant des modèles cartographiques basés sur des données, présente deux inconvénients majeurs : temps de calcul et mémoire. La deuxième méthode, appelée analytique, permet de remédier à ces deux problèmes. Plus l'architecture du véhicule devient complexe (plusieurs machines électriques, moteur thermique, élévateur de tension), plus l'intérêt de cette approche sera important. La méthodologie analytique, proposée dans cette thèse, est composée principalement de trois étapes : la modélisation convexe, le calcul analytique des commandes et la validation des commandes analytiques sur un simulateur de véhicule. Cette méthodologie a été appliquée sur les trois configurations possibles du véhicule étudié : parallèle, bi-parallèle et série. Finalement, l'ajout de l'élévateur de tension dans la gestion d'énergie ainsi que l'étude de son impact sur la consommation énergétique du véhicule sont présentés dans le dernier chapitre. Les résultats obtenus en simulation montrent que la méthode analytique a permis de réduire considérablement le temps de calcul tout en ayant une surconsommation de carburant très faible aussi bien dans le cas de l’optimisation en temps réel que dans celui de l’optimisation hors-ligne.