Dimensionnement de la chaîne de traction d'un véhicule électrique hybride basé sur une modélisation stochastique de ses profils de mission

• Main Author: Souffran, Gwenaëlle
• Language: fra
• Published: Université de Nantes 2012
• Subjects: [SPI:NRJ] Engineering Sciences/Electric power; [SPI:NRJ] Sciences de l'ingénieur/Energie électrique; [STAT:AP] Statistics/Applications; [STAT:AP] Statistiques/Applications; Véhicule électrique hybride; Matrice de Markov; Cycle de conduite; Profils de mission; Approche stochastique; Modélisation par flux de puissance; Dimensionnement; Gestion d'énergie en ligne
• Online Access: http://tel.archives-ouvertes.fr/tel-00782511; http://tel.archives-ouvertes.fr/docs/00/78/25/11/PDF/these_gwenaelle_souffran_050712.pdf; http://tel.archives-ouvertes.fr/docs/00/78/25/11/ANNEX/These_GwenaelleSouffran_vfinale.pptx

A l'heure où l'automobile doit répondre à des enjeux environnementaux majeurs, le dimensionnement de la chaîne de traction est l'une des problématiques clef dans la conception d'un véhicule électrique hybride afin d'améliorer sa consommation énergétique. Dans ce contexte, nous proposons de pré-dimensionner les éléments de la chaîne de traction (moteur thermique, machine électrique et batterie) en considérant les profils de mission liés à l'usage du véhicule (urbain, extra-urbain) et sans choix a priori, ni de la structure (série ou parallèle), ni de la puissance nominale des composants. L'originalité des travaux repose ainsi sur deux axes. D'une part, un modèle de l'usage d'un véhicule est développé afin de caractériser une mission définie par le trio de variables {vitesse ; accélération ; inclinaison}. Ce modèle, basé sur la matrice de Markov, permet de conserver la corrélation entre les trois variables ainsi que leurs caractéristiques statistiques. Suite à cette modélisation, de nombreuses missions peuvent être générées aléatoirement. D'autre part, la chaîne de traction hybride est modélisée selon une approche par flux de puissance pour les deux structures série et parallèle. Des modèles génériques adimensionnels des composants sont alors utilisés de manière à ne pas faire de choix a priori sur leur valeur nominale et une stratégie de gestion de l'énergie en ligne maximisant le rendement de la chaîne de traction est proposée. Enfin, un algorithme de dimensionnement a été développé de manière à minimiser la consommation de carburant du véhicule sur un ensemble de missions simulées. Le dimensionnement obtenu est donc optimisé par rapport à l'usage prévu du véhicule.