Gestion d'énergie optimisée étendue véhicules infrastructures

Optimized Energy Management for Electric Vehicles and Infrastructures

• Auteur / Autrice : Yassir Dahmane
• Direction : Malek Ghanes, Raphaël Chenouard
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 16/12/2020
• Etablissement(s) : Ecole centrale de Nantes
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Jean-Pierre Barbot
• Jury : Examinateurs / Examinatrices : Malek Ghanes, Raphaël Chenouard, Jean-Pierre Barbot, Mickaël Hilairet, Delphine Riu, Hervé Guéguen, Mario Alberto Alvarado Ruiz
• Jury : Rapporteurs / Rapporteuses : Mickaël Hilairet, Delphine Riu

Mots clés

Mots clés contrôlés

Batteries

Algorithmes optimaux

Batteries lithium-ion

Véhicules électriques

Mots clés libres

Voiture électrique

Optimisation

Batteries Li-ion

Effet de la température

Algorithmes de planification

Gestion d’énergie de flotte

Réseau intelligent

V2G

Régulation de fréquence

Electric vehicle

Optimization

Li-ion battery charging

Temperature effect

Scheduling algorithms

EV fleet energy management

Smart grid

V2G

Frequency regulation

Résumé

Cette thèse de doctorat s’inscrit dans le cadre de la chaire Renault/Centrale Nantes sur l’amélioration des performances des véhicules électriques (EV/HEV). Elle est dédiée à la problématique de la gestion de la recharge des véhicules électriques, en utilisant des algorithmes d’optimisation et des stratégies de recharge intelligentes. Dans ce cadre, plusieurs contributions ont été proposées sur les sujets de la recharge intelligente d’une voiture électrique et la gestion de la recharge d’une flotte de véhicules électriques, en considérant les contraintes de mobilités (SOC désiré à la fin de la recharge et heure de dé part), la température des batteries Li-ion, les infrastructures de recharge, et le réseau électrique. Sur le sujet de la recharge intelligente d’une voiture électrique, les contributions se sont concentrées sur le développement des algorithmes embarqués permettant la planification du profil de la puissance de recharge afin de réduire le coût de la recharge. Les algorithmes proposés prennent en compte les besoins de mobilités des utilisateurs de véhicules électriques, et l’effet de la température sur la puissance de recharge des batteries Li-ion. Sur le sujet de la gestion de recharge de flotte de véhicules, les contributions portent essentiellement sur les algorithmes centralisés dans les stations de recharge de véhicules électriques. Un algorithme de recharge unidirectionnelle a été proposé afin d’évaluer le nombre optimal de véhicules électriques à recharger avec un bon niveau de satisfaction des contraintes de mobilités et sans aucun renforcement de l’infrastructure. Le passage à l’algorithme bidirectionnel est fait grâce à l’exploitation de la fonctionnalité V2G qui permettra la participation des véhicules électriques dans la régulation de fréquence. Les contributions proposées sur le premier sujet ont l’avantage d’augmenter la précision d’estimation de SOC final en très basse température, et d’être embarquable sur le véhicule grâce à la légèreté des algorithmes et la rapidité d’exécution. D’autre part, les algorithmes de gestion de recharge de flotte de véhicules permettent une intégration des véhicules électriques à grande échelle sur le réseau et montrent le potentiel des voitures électriques dans la contribution à la stabilité du réseau électrique. Les algorithmes et les stratégies développées ont été testés en simulation et seront testés sur un système de recharge de voiture électrique. Les résultats obtenus ont permis de mettre en évidence l’avantage de la recharge intelligente sur la réduction des coûts, les bienfaits sur le réseau et l’importance de la gestion de la recharge des flottes de véhicules électriques dans développement des services réseaux.

This PhD thesis is part of the Renault/Centrale Nantes chair on improving the performance of electric vehicles (EV/PHEV). It is dedicated to the problem of the charging management of electric vehicles, using optimization algorithms and smart charging strategies. In this framework, several contributions have been proposed on the topics of smart charging of an EV and the smart energy management of an EV fleet, considering the mobility constraints (desired SOC at the end of the charging and departure time), the temperature of the Li-ion bat teries, the charging infrastructures, and the power grid. On the subject of smart charging of an EV, the contributions focused on the development of embedded algorithms allowing the scheduling of the charging power profile in order to reduce the charging cost. The proposed algorithms take into account the mobility needs of electric vehicle users, and the effect of temperature on the charging power of Li-ion batteries. On the subject of fleet energy management, the contributions focus on centralized algorithms in electric vehicle charging stations. An unidirectional recharging algorithm has been proposed in or der to evaluate the optimal number of electric vehicles to be recharged with a good level of satisfaction of mobility constraints and without any infrastructure reinforcement. The switch to the bidirectional algorithm is due to the exploitation of the V2G functionality, which will allow the participation of electric vehicles in frequency regulation. The proposed contributions on the first topic have the advantage of increasing the estimation accuracy of final SOC in very low temperature, and to be embedded on the EV due to the low computational capacity of the algorithms and the speed of execution. On the other hand, the EV fleet charging manage ment algorithms allow the possibility of large-scale integration of electric vehicles on the grid and show the potential of EVs in contributing to the stability of the power grid by offering ancillary services such as frequency regulation. The algorithms and strategies developed have been tested in simulation and will be tested on an EV charging system. The results obtained have highlighted the benefits of smart charg ing on cost reduction and grid benefits and the importance of electric vehicle fleet charging management in the development of grid services