FacebookTwitterLinkedInImprimer

 

Thèse de Daniel Carlos Da Silva : « Développement d'une méthodologie de modélisation analytique des composants électriques dans un véhicule hybride : Optimisation des performances énergétiques » 

Pour maximiser la contribution des véhicules hybrides électriques (HEV) à la décarbonation du secteur des transports, leur performance énergétique est un facteur-clé qui doit être pris en compte dès la phase de conception. Or, pour un HEV, optimiser cette conception en vue de maîtriser sa consommation recouvre non seulement un aspect de dimensionnement mais aussi un contrôle de supervision, appelé Loi de Gestion d'Énergie (EMS1). Une telle co-optimisation dimensionnement/contrôle est généralement abordée soit en imbriquant des algorithmes de contrôle optimal dans un algorithme d'optimisation dédié au dimensionnement, soit en utilisant de l'optimisation convexe2 pour optimiser simultanément les deux niveaux. Cependant, la première approche est connue pour induire des contraintes computationnelles (par exemple sur le temps de calcul), tandis que la seconde peut affecter la fidélité de la modélisation en raison de contraintes inhérentes à l’optimisation convexe.

En s’inscrivant dans une nouvelle perspective, ce travail de thèse a introduit une méthodologie visant à estimer la consommation d'énergie de groupes motopropulseurs à l’aide d’une formulation entièrement explicite, illustrée sur la Figure 1. Celle-ci se traduit par un Modèle Explicite de Consommation du Groupe Motopropulseur (EPCM3), développé d’abord à l'aide de modèles de composants, pour considérer les pertes de puissance, puis de modèles prédictifs, situés à un deuxième niveau de modélisation, pour prendre en compte l'impact des variations de dimensionnement des composants.
 

Figure 1
Figure 1 : Structure d’un Modèle Explicite de Consommation du Groupe Motopropulseur (EPCM)

La nouvelle méthodologie a été développée en prenant comme référence un véhicule hybride électrique à pile à combustible (FCHEV4). Pour les analyses énergétiques de véhicules au niveau système, le travail mené a porté, non seulement sur la modélisation des composants couramment présents dans les véhicules électriques, mais aussi sur la modélisation de l'électronique de puissance et du système de pile à combustible [1], aspects souvent négligés ou traités de manière inadaptée.

Le développement et la validation des modèles de composants ont été réalisés à l'aide des données obtenues avec une Toyota Mirai II lors d’essais sur un banc à rouleaux à IFPEN. L’analyse de la consommation d'hydrogène sur des cycles d'homologation a alors montré une erreur globale entre mesure et modèle de moins de cinq pour cent [2]. Ensuite, des jeux de données opératoires concernant des composants de différentes tailles ont été employés pour le développement des modèles prédictifs à partir d'analyses de régression. Par rapport à l'utilisation habituelle de cartographies de rendement, très spécifiques à chaque composant, de tels modèles plus généraux ont introduit une erreur inférieure à trois pour cent sur la consommation d'hydrogène [3].

En explorant l'utilisation de l'EPCM développé pour le FCHEV, au lieu d'une loi de contrôle optimale, cette thèse a montré que le recours à une EMS employant une simple fonction affine fournit une approximation raisonnable pour la co-optimisation lors des premières étapes de conception du véhicule.

Une analyse de performance computationnelle a montré ensuite que l'utilisation de l'EPCM dans un problème d'optimisation de dimensionnement peut réduire le temps d'évaluation d'un facteur 200, tout en conservant à la fois le dimensionnement obtenu avec une modélisation classique et un EMS optimal (Figure 2.a). Cette nouvelle formulation a également été étudiée sur des problèmes de dimensionnement réduits5, ce qui nous a permis d'obtenir des expressions linéaires et quadratiques pour approximer la consommation d'hydrogène obtenue avec une formulation classique (Figure 2.b).

Figure 2
Figure 2 :
(a) Comparaison du temps d’évaluation et les résultats d’optimisation en utilisant une formulation classique et l’EPCM.
(b) Comparaison de l’estimation de consommation d’hydrogène obtenue avec une formulation classique(6) et un EPCM simplifié.

Une fois mis au point, des modèles d'une telle simplicité peuvent être utilisés pour tirer des conclusions rapides sur la performance énergétique d'un véhicule électrifié, et ils peuvent être couplés avec d'autres aspects essentiels dans la conception d'un véhicule, comme le coût et l'analyse de cycle de vie.
  

1-  Energy Management Strategy.
2- Où la fonction-objectif est convexe (https://fr.wikipedia.org/wiki/fonction_convexe), ainsi que l’ensemble admissible (https://fr.wikipedia.org/wiki/ensemble_convexe), ce qui simplifie fortement l’optimisation.
3- Explicit Powertrain Consumption Model.
4- Fuel Cell Hybrid Electric Vehicle.
5- C’est-à-dire avec un nombre réduit de variables de dimensionnement, par exemple une ou deux.
6- C’est-à-dire utilisant un modèle quasi-statique pour chacun des composants, avec une loi de contrôle optimale.
  

Références :

  1. D. Carlos da Silva, L. Kefsi and A. Sciarretta, An analytical model to optimize the powertrain sizing of Fuel Cell Hybrid Electric Vehicles, 2022 IEEE Vehicle Power and Propulsion Conference (VPPC), Merced, CA, USA.
    >> https://doi.org/10.1109/VPPC55846.2022.10003436
      

  2. D. Carlos da Silva, L. Kefsi and A. Sciarretta, Analytical Models for the Sizing Optimization of Fuel Cell Hybrid Electric Vehicle Powertrains, 16th International Conference on Engines & Vehicles‍ for Sustainable Transport (ICE2023), Capri – Naples, Italy.
    >> https://doi.org/10.4271/2023-24-0133
       

  3. D. Carlos da Silva, L. Kefsi and A. Sciarretta, Closed-Form Expression to Estimate the Hydrogen Consumption of a Fuel Cell Hybrid Electric Vehicle, IEEE Transactions on Vehicular Technology, 2024.
    >> https://doi.org/10.1109/TVT.2024.3350351 
       

Contact scientifique : daniel.carlos-da-silva@ifpen.fr

>> NUMÉRO 56 DE SCIENCE@IFPEN