Optimisation énergétique pour une voiture solaire dans les conditions de l'Afrique du sud

Energy optimisation of a solar vehicle for South African conditions

• Auteur / Autrice : Christiaan C. Oosthuizen
• Direction : Yasser Alayli, Yskandar Hamam, Barend Van Wyk
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et Informatique
• Date : Soutenance le 06/10/2020
• Etablissement(s) : université Paris-Saclay en cotutelle avec Tshwane University of Technology
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Ingénierie des Systèmes de Versailles (LISV)
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)
• Jury : Président / Présidente : François Rocaries
• Jury : Examinateurs / Examinatrices : Patrick Hénaff, Dong Enzeng, Anish Mathew Kurien, Fadila Maroteaux
• Jury : Rapporteurs / Rapporteuses : Patrick Hénaff, Dong Enzeng

Mots clés

Mots clés contrôlés

Énergie solaire

Irradiation

Afrique du Sud

Voitures solaires

Modèles mathématiques

Mots clés libres

Véhicule solaire

Gestion énergétique

Optimisation stochastique

Stochastic optimisation

Solar vehicle

Energy management

Résumé

Les batteries généralement utilisées dans les véhicules électriques ont un rapport énergie-poids jusqu'à cent fois plus faible (pouvoir calorifique net, Wh / kg) que la plupart des combustibles fossiles utilisés dans les moteurs à combustion interne.De plus, les véhicules électriques à énergie solaire dépendent principalement de la récupération de l'énergie provenant de l'irradiation solaire (émise par le soleil) qui dépend des conditions météorologiques. La nécessité d'optimiser la consommation d'énergie des véhicules électriques à batterie fonctionnant à l'énergie solaire est cruciale pour maximiser la portée d'un tel véhicule.Si la distance est fixe, les conditions météorologiques constantes et la topographie plate, on peut approximativement optimiser la consommation d'énergie d'une voiture solaire en trouvant la vitesse, qui optimise en moyenne la consommation d'énergie sur tout un trajet. Une telle approche fournit une bonne estimation par exemple pour le Bridgestone World Solar Challenge (BWSC) en Australie. En revanche, la route Sasol Solar Challenge (SSC) en Afrique du Sud contient une topographie complexe, qui comprend diverses régions montagneuses avec des pentes abruptes et des changements fréquents dans le gradient de la route. Ce travail est consacré à la fois à la recherche théorique et aux nouvelles applications des techniques d'optimisation à deux niveaux, pour minimiser la consommation d'énergie et maximiser la distance parcourue par une voiture solaire participant à un événement SSC en Afrique du Sud. Les premiers chapitres de l'ouvrage jettent les bases sur l'état actuel de la technique lors de l'examen de la modélisation des véhicules et de l'interprétation des prévisions météorologiques. Un modèle détaillé d'énergie solaire de voiture est conçu et des statistiques de sortie de modèle (MOS) sont utilisées pour améliorer la précision et l'intervalle de confiance des prévisions météorologiques locales requises par le modèle énergétique. Le problème d'optimisation est formulé comme un problème d'optimisation à deux niveaux qui utilise des techniques de solveur de programmation quadratique séquentielle (SQP) et de programmation dynamique (DP). Le problème d'optimisation à deux niveaux est mis en œuvre sous la forme d'une interface utilisateur (UI) pour une facilité d'utilisation par le gestionnaire d'énergie.

Batteries typically used in electric vehicles have up to one hundred times lower energy-to-weight ratios (net calorific value, Wh/kg) than most fossil fuels used in internal combustion engines. Furthermore, solar-powered electric vehicles rely mostly on harvesting energy from solar irradiation (emitted by the sun) which is weather dependant. The need to optimise the energy usage of battery assisted solar-powered electric vehicles is crucial to maximise the range of such a vehicle. If the distance is fixed, weather conditions constant, and the topography flat, one can approximately optimise the energy usage of a solar car by finding the speed, which on average optimises energy usage over an entire journey. Such an approach provides a good guestimate for example for the Bridgestone World Solar Challenge (BWSC) in Australia (taking place primarily in the desolate outback regions) where the topography is predominantly flat, and the weather conditions are relatively constant and therefore very predictable. Contrastingly, the Sasol Solar Challenge (SSC) route in South Africa contains complex topography, which includes various mountainous regions with steep slopes and frequent changes in the gradient of the road. Also, events such as the BWSC, are fixed distance routes, where the SSC is a variable distance route.Various methods to optimise the energy usage of a solar car in a BWSC setting have been proposed. However, none of these methods are not suitable for the SSC context. This work is devoted to both theoretical research and novel applications of bi-level optimisation techniques to minimise energy usage and maximise distance travelled by a solar car participating in an SSC event in South Africa.The early chapters of the work create a foundation in terms of the current state-of-the-art when considering vehicle modelling and interpretation of weather forecasts. A detailed solar car energy model is devised, and Model Output Statistics (MOS) are employed to improve the accuracy and confidence interval of local weather forecasts required by the energy model. Extensive real-world experiments validated the robustness and accuracy of the energy model. The optimisation problem is formulated as a bi-level optimisation problem which makes use of Sequential Quadratic Programming (SQP) and Dynamic Programming (DP) solver techniques. The bi-level optimisation problem is implemented in the form of a User Interface (UI) for ease of use by the energy manager.The novel variable distance bi-level optimisation technique was implemented during the eight days of the Sasol Solar Challenge 2018. It provided the solar car team from TUT with the technological advantage required to obtain a local 1st place as well as a 4th place overall (internationally). The implementation highlighted the superiority of the bi-level technique when compared to conventional energy management techniques on various occasions, especially during extreme weather conditions.The accuracy and performance of the bi-level optimisation technique was thoroughly assessed and analysed. It was found that on average, 94 % of the variation in the energy simulation (State of Charge) error can be explained by the variables contained within the derived energy model. The remaining 6 % variation in the energy simulation error may be as a result of small un-modelled vehicle dynamics (including Coriolis forces), non-linearity of the charge and discharge cycles of the battery and temperature effects.