Thèse soutenue

Analyse par le plan de phase et optimisation d’un convertisseur résonant CLLC pour chargeur de véhicule bidirectionnel

FR  |  
EN
Auteur / Autrice : Mohsen Rezayati
Direction : Jean-Luc SchanenFarzad Tahami
Type : Thèse de doctorat
Discipline(s) : Génie électrique
Date : Soutenance le 08/02/2023
Etablissement(s) : Université Grenoble Alpes en cotutelle avec Sharif University of Technology (Tehran)
Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
Partenaire(s) de recherche : Equipe de recherche : Equipe de recherche Electronique de puissance (Grenoble)
Laboratoire : Laboratoire de génie électrique (Grenoble)
Jury : Président / Présidente : Forouhar Farzaneh
Examinateurs / Examinatrices : Yves Lembeye
Rapporteurs / Rapporteuses : Sébastien Mariethoz, Mohammad Tavakoli-Bina

Résumé

FR  |  
EN

Un chargeur EV bidirectionnel est une technologie qui permet de renvoyer l'énergie vers le réseau électrique depuis la batterie. Les exigences électriques du chargeur EV sont examinées en détail pour trouver un convertisseur d'électronique de puissance approprié pour répondre au cahier des charges. Le convertisseur résonant CLLC est un candidat prometteur pour ces applications Les principes fondamentaux du chargeur EV bidirectionnel basé sur le convertisseur résonnant CLLC et ses principaux composants sont étudiés en profondeur. Une méthodologie de conception globale comprenant la conception de l'ensemble des composants du convertisseur est étudiée pour définir un problème d'optimisation correspondant à la fonction objectif et aux contraintes. La fonction objectif peut être considérée comme maximisant l'efficacité et la densité de puissance, ou minimisant la masse, le volume et les pertes. Les contraintes sont également mises en évidence, qui sont la région de fonctionnement du chargeur de batterie, la température maximale, le courant RMS maximal des éléments résonants, la tension maximale, la condition de commutation douce et le fonctionnement en mode de conduction continue (CCM). Une méthode d'analyse de circuit basée sur le changement de variables est présentée qui représente les équations de l'espace d'état en deux ensembles découplés d'équations. Les analyses sont effectuées dans deux systèmes de coordonnées de plan d'état, puis les résultats sont reprojetés sur la région d'origine. La méthode proposée est ensuite utilisée pour analyser en profondeur le convertisseur résonant CLLC fonctionnant en mode de conduction continue (CCM) et discontinue (DCM). Les contraintes des composants, la condition de commutation de tension nulle, le gain de tension de sortie, le diagramme de caractéristique de sortie et la limite de mode de CCM/DCM sont ensuite obtenus. La précision de l'approche proposée est vérifiée par la simulation et l'expérimentation sur un convertisseur résonnant CLLC bidirectionnel de 3,3 kW avec des transistors GaN comme commutateurs côté primaire et secondaire. Les résultats confirment la précision de l'analyse du plan d'état proposé dans les deux sens de transfert de puissance.Le deuxième objectif de cette thèse est relatif à l'optimisation du convertisseur résonnant CLLC. Le logiciel CADES est utilisé comme plate-forme d'optimisation et l'analyse du plan de phase y est implémentée à l'aide de C++.L'optimisation d'un convertisseur résonnant a été basée sur le point de fonctionnement unique, ce qui conduit à ne pas respecter toutes les contraintes lorsque le convertisseur fonctionne pour un point de fonctionnement différent. Un nouvel algorithme d'optimisation de points de fonctionnement multiples est présenté. L'algorithme de programmation quadratique séquentielle (SQP) est adopté pour trouver les résultats optimaux, ce qui nécessite la dérivabilité des fonctions objectifs et des contraintes. Ceci implique de raisonner dans un monde "imaginaire" du fait que tous les paramètres ne sont pas physiquement implémentables. La méthode proposée optimise le convertisseur résonnant CLLC dans ce monde imaginaire et ensuite retrouve la solution optimale dans le monde réel, via une approche combinatoire des valeurs minimales et maximales des paramètres discrets. L'algorithme d'optimisation est vérifié à l'aide de deux configurations expérimentales.