stratégie adaptative de gestion énergétique d'un véhicule...
TRANSCRIPT
Stratégie adaptative de gestionénergétique d'un véhicule hybride
Alan Kéromnès – Université de Bourgogne – ISAT
Rui Da Silva – Danielson Engineering
2 avril 2019
Danielson Engineering
GENERAL PRESENTATION
DANIELSON ENGINEERING is a Contract Research Organizationengineering company specializing in the design, manufactureand test POC (Proof Of Concept) to validate new powertrainconcepts for OEM.
SYSTÈME HYBRIDE
APPLICATION : DÉFENSE
OBJET : NOUVEAU CONCEPT
D’HYBRIDATION ET STRATÉGIE
DURÉE : 6 MOIS
RÉALISATION DE PIÈCE À
FORTE VALEUR AJOUTÉE
APPLICATION : AÉRONAUTIQUE
OBJET : PETIT SÉRIE
DURÉE : 8 MOIS
INTÉGRATION DE GMP
APPLICATION : OFF-ROAD
OBJET : INTÉGRATION MOTEUR
DANS NOUVEAU VÉHICULE
DURÉE : 8/12 MOIS
MOTEUR/RANGE
EXTENDER POC
APPLICATION : AUTOMOBILE
OBJET: NOUVEAU CONCEPT
DURÉE: 6 MOIS
RÉDUCTEUR / BOITE DE
TRANSFERT
APPLICATION : AUTOMOTIVE
OBJET : NOUVEAU CONCEPT
DURÉE : 3 MOIS
2
ISAT – Laboratoire DRIVE
� Assemblage , réparation et collage
� Multi-sollicitations et durée de vie� Bois & Matériaux bio-sourcés
� Propriétés acoustiques de matériauxcomplexes
� Propriétés vibratoires de multicouches
Durabilité et Structures Composites
Vibrations et Acoustique pour le Transport
Mécanique et Acoustique pour les TransportsMatériaux de demain : Allègement, performances, confort et sécurité
→34 enseignants chercheurs
→1 ingénieur d’étude
Energie, Propulsion Véhicules Intelligents� Optimisation de la combustion
� Nouvelles architectures de GMPs
� Combustions et combustibles alternatifs
� Communications véhicules / infrastructures
� Optimisation d’itinéraires
� Véhicule autonome
→18 Doctorants en cours de thèse
→1 postdoc
Energie, Propulsion, Electronique EnvironnementEconomie d’énergie de temps et de km
3
Sommaire
• Introduction, contexte et enjeux
• Les besoins en mobilité
• Dimensionnement et résultats
• Stratégie adaptative
• Conclusions et perspectives
4
5
Environnement de l’étude
• Travail en collaboration entre DRIVE et DanielsonEngineering (GIS ID-Motion)
• Thèse de Loïc Joud (CIFRE Danielson)
Stratégie intelligente de gestion du système
énergétique global d’un véhicule hybride
• Objectif scientifique : Obtenir un outil de simulation qui permette d’optimiser les flux d’énergie au sein d’un véhicule hybride
• Objectif industriel : valoriser les véhicules de type Range-Extender
6
Stratégie adaptative de gestionénergétique d'un véhicule hybride
Evaluation de la destination :1- 60% de probabilité itinéraire domicile
2- 20% de probabilité supermarché
3- 10% de probabilité école d’ingénieur ISAT
4- 10% de probabilité autres
Stratégie de commande : (à 500m)1- MT(40%) + ME(60%) => Stratégie adoptée
2- ME(100%)
3- MT(60%) + ME(40%)
4- MT(70%) + ME(30%)Départ
MT : Moteur thermiqueME : Moteur électrique
7
Stratégie adaptative de gestionénergétique d'un véhicule hybride
Evaluation de la destination :1- 75% de probabilité itinéraire domicile
2- 20% de probabilité école d’ingénieur ISAT
3- 5% de probabilité autres
probabilité supermarché
Stratégie de commande : (à 1200m)1- MT(40%) + ME(60%) => Stratégie conservée
2- MT(60%) + ME(40%)
3- MT(70%) + ME(30%)
Départ
8
Stratégie adaptative de gestionénergétique d'un véhicule hybride
Evaluation de la destination :1- 90% de probabilité école d’ingénieur ISAT
2- 5% de probabilité terrain de sport...
3- 5% de probabilité autres
probabilité itinéraire domicile
Stratégie de commande : (11.5 km)1- MT(60%) + ME(40%) => Modification de la
stratégie
2- MT(70%) + ME(30%)
3- MT(70%) + ME(30%)
9
Stratégie adaptative de gestionénergétique d'un véhicule hybride
Evaluation de la destination :Itinéraire ISAT confirmé à 100%
Stratégie de commande : (21.2 km)Evaluation de la performance de la
stratégie en off line connaissant
l’itinéraire => 97%.
Enrichissement de la base :MAJ du profil conducteur (dynamique de conduite)
MAJ des probabilités sur ce parcours (en fonction de la
journée de l’itinéraire, de la position de départ, etc.)
Apprentissage
Contexte de l’étudeRéchauffement climatique Baisse des émissionsCO2
10
Source: ICCT
Contexte de l’étude
11
Adapted from : Elgowainy et al. 2013
Carburants alternatifs
Carburants alternatifs + GMP Hybrides
Les véhicules hybrides
12
Puissance thermique d’appoint
Autonomie électrique
Autonomie thermique
600 à 900 km
500 à 700 km
HybrideLégère
(Mild hybrid)
HybrideClassique
(HEV)
HybridePlug-in(PHEV)
Hybride à prolongateur d’autonomie
(EVRE)
Véhicule électrique
(BEV)
2 à 3 km30 à 60 km 50 à 120 km
300 à 500 km50 à 200 km
Puissance thermique prédominante
Puissance électrique d’appoint
Puissance électrique prédominante
Rechargeable sur secteur
Enjeux de l’hybridation
1313
v = f(t)
Sommaire
• Introduction, contexte et enjeux
• Les besoins en mobilité
• Dimensionnement et résultats
• Stratégie adaptative
• Conclusions et perspectives
14
Les besoins en mobilité
15
La mobilité à longue distance est définie commel’ensemble des déplacements de plus de 80 kilomètresdu domicile. En 2008, cette mobilité représente 40 %des distances parcourues [1].
Mobilité à longue distance (> 80km)
40%
[1] La mobilité des Français : Panorama issu de l’enquête nationale transports et déplacements 2008.
Décembre 2012. Commissariat Général au Développement Durable
[2] La mobilité des Français : Panorama issu de l’enquête nationale transports et déplacements 2008.
Commissariat général au développement durable, décembre 2010.
En 2011, la distance parcourue pour une voitureparticulière est en moyenne de 12 700 km/an [2].
Les besoins en mobilité
16
La mobilité locale est définie comme l’ensemble desdéplacements réalisé dans un rayon de 80km autour dudomicile.
Cette mobilité représente 98% de leurs déplacementsmais seulement 60% des km qu'ils parcourent [1].
Mobilité locale (< 80km)
60%
20%
40%
40% 40%
Mobilité contrainte (< 80km)
Autres déplacements
(< 80km)
[1] La mobilité des Français : Panorama issu de l’enquête nationale transports et déplacements 2008.
Décembre 2012. Commissariat Général au Développement Durable
Les besoins en mobilité
17
Existe t-il des grandes disparités sur les distancesparcourues entre les zones d’habitation ?
26 km/j
Besoin de mobilité assez différent (15km / 39km)
Missions à couvrir
18
70% des trajets
97% des trajets
20 km 80 km
Comment se répartisse en % les distances (A/R) parcourues uniquement pour se rendre au travail ?
En moyenne, les petits déplacements(<20km) sont assez importants
Missions à couvrir
19
Trois points importants à retenir :
- 40% de nos déplacements sont supérieurs à 80km
- Nos besoins en mobilité locales sont différents suivantsnotre zone d’habitation (du simple au double)
- Dans nos déplacements « contraints », 97% sont <80km
Les véhicules électriques & hybrides
20
Renault Zoé (300km WLTP)65 à 79 kW / 41kWhÀ partir de 33 000€
Nissan Leaf (385km WLTP)110 à 160 kW/ 62kWh
À partir de 36 400€
Voiture électrique
BMW I3 (310km WLTP)125 à 135kW/42kWhÀ partir de 40 000€
Tesla 3 (544km WLTC)254 à 331kW/75kWhÀ partir de 58 000€
Peugeot (340km WLTP)100 kW/ 50kWhÀ partir de NC
Golf-e (300km WLTP)100 kW / 36kWh
À partir de 42 000€
Voiture rechargeables
Kia Niro (58km WLTP)45 kW(ME) / 105 kW(MT) / 9kWh
À partir de 37 000€
Toyota Prius (50km WLTP)53kW(ME) / ? kW(MT) / 9kWh
À partir de 40 000€
BMW 530e (50km WLTP)70 kW(ME) / 135kW(MT) / 9kWh
À partir de 56 000€
Volvo V60 T6 (45km WLTP)65kW(ME) / 186kW(MT) / 10kWh
À partir de 56 000 €
Mercedes C350de (57km NEDC)90kW(ME) / 143kW(MT) / 14kWh
À partir de 53 000 €
Peugeot Hybrid4 2019 (50km WLTP)82 kW(ME) / 150kW(MT) / 13,2kWh
À partir de NC
Autonomie moyenne de 360km WLTPPuissance moyenne 140 kW / 50kWhÀ partir de 41 000€ en moyenne
Autonomie moyenne de 50km WLTPPuissance moyenne 68 kW(ME) / 145kW(MT) / 11kWhÀ partir de 48 000€ en moyenne
Les questions ouvertes ?
21
A quoi bon embarquer 40 à 80 kWh de batteries dansune voiture électrique qui, dans une grand majorité des cas,ne parcourra pas plus de 50 kilomètres (10kWh) par jour ?
Les questions ouvertes ?
22
Il y a un grand absent sur le marché des véhicules hybrides…
Les voitures hybrides avec prolongateur d’autonomie nesont plus commercialisées (Chevrolet Volt et BMW i3 maisretirées de la vente récemment).
Les questions ouvertes ?
Un moteur thermique moderne, c’est avant tout unehistoire de compromis ! Il faut couvrir une plage defonctionnement très large en conservant un bon agrément.
2 points de fonctionnement optimisés en terme de consommation 23
Les questions ouvertes ?
24
Avez vous conduit un véhicule électrique ? Commentgérer le « Range Anxiety » ? Encore plus de batterie ?
La solution du mutation progressive de notremotorisation thermique vers l’hybridation est séduisante.
Les conditions de la réussite
25
L’hybridation avec un range extender, c’est surtout dumoteur électrique, un peu de moteur thermique, et parfoisles deux en même temps.
Avant tout chose, il nous faudrait pour développer unestratégie performante :- Des cycles de conduites réels, le plus représentatif
possible (pas de cycle normalisé),- Des modèles numériques pour représenter les véhicules- Un algorithme pour minimiser notre consommation
Mesures expérimentales
26
Les participants volontaires ont été sélectionnés suivant laméthode des quotas afin d’être équipé d’un GPS enregistrant,sur une durée de 1 mois environ, la position du véhicule, lavitesse, et l’accélération.
Mesures expérimentales
27
Ce panel représentatif des conducteurs de la Nièvre serendant sur leur lieu de travail en voiture, ou utilisant leurvéhicule quotidiennement nous a permis d’étudier :
- Les cycles de conduites,
- Le comportement dynamique du véhicule + conducteur,
- De déterminer la prédictibilité d’un trajet,
- De conserver un profil de besoin énergétique pour lestrajets
Mesures expérimentales
28
Comparaison des résultats à ceux de l’INSEE dans un milieurural. Au total, les mesures nous ont permis de récolterplus de 1625 trajets (13000 km)
Au quotidien INSEE, ADEME… Étude expérimentale
Temps passé (min) 49 28,7 ± 5,5
Distance parcourue (km) 29 24,6 ± 4,1
Vitesse (km/h) 35 52,2 ± 10,6
Nombre de trajets 3,15 3,2
• La distance parcourue est sensiblement la même.
• La vitesse moyenne est supérieur du fait de la présenced’une autoroute. Le temps passé est donc inférieur
29
Exemples de trajets type enregistrés
Trajets récurrents la semaine 2 trajet long en week-end
Trajets peu récurrents la semaine Nombreux trajet courts en week-end
En semaine En week-end
Nombre de trajets
Distancemoyenne
PrédictibilitéNombre de
trajetsDistance moyenne
Prédictibilité
F 20/30 53 15 km 87% 2 119 km 28 %
H 30/40 70 9,9 km 90 % 13 12,0 km 36 %
30
Trajets récurrents la semaine Plusieurs trajet courts en week-end
Exemples de trajets type enregistrés
31Les trajets sont prédictibles en semaine : mobilité contrainte
En semaine En week-end
Nombre de trajets
Distancemoyenne
PrédictibilitéNombre de
trajetsDistance moyenne
Prédictibilité
F 20/30 53 15 km 87% 2 119 km 28 %
H 30/40 70 9,9 km 90 % 13 12,0 km 36 %
F 40/50 80 7,5 km 60 % 21 10,6 km 10 %
H 50/60 35 5,6 km 80 % 4 104 km 17 %
BdDentière
1304 8,6 km 82 % 321 12,2 km 24 %
Analyse de la mobilité
32
Définir un cycle représentatif de la dynamique du conducteur ?
• Moyenne des cycles réalisés
• Réutiliser un cycle réel déjà effectué : Corrélation croisée
Profil de besoin énergétique
Conclusions sur les mesures
33
A partir de cette base de donnée, nous avons :
- Prouvé la bonne prédictibilité des trajets dans le cadred’une mobilité contrainte (locale),
- Construit une base de donnée des profils de besoinsénergétiques pour les trajets
- Intégré les dynamiques associées du véhicule avec sonconducteur
Sommaire
• Introduction, contexte et enjeux
• Les besoins en mobilité
• Dimensionnement et résultats
• Stratégie adaptative
• Conclusions et perspectives
34
Objectif et enjeux• Objectifs :
– Définir les besoins énergétiques des véhicules
– Traduire les besoins de mobilité en puissance et énergie • Adapter le dimensionnement énergétique aux besoins réels des
utilisateurs
• Enjeux :
– Conférences (M. Forissier – Valeo)• Batterie : 40 – 100 kWh soit 300 – 850 kg et 6 000 – 15 000 €
• Moteur électrique : 60 – 220 kW
– Réduire le coût et la masse de la batterie
« une batterie vide pèse toujours le même poids ! »
35
Dimensionnement et résultats• Méthode de calcul :
– Impact des efforts appliqués au véhicule sur les besoins énergétiques pour les cycles de vitesses enregistrés
– Pas de pente, pas d’impact des auxiliaires
– Moteur thermique modélisé à partir d’une cartographie
Débit carburant = fonction (régime, couple)
36
Dimensionnement et résultats• Scenarios :
– 3 types de véhicules
– 3 groupes moto-propulseurs : MCI, Hybride (R.E), Electrique
– Résultats : dimensionnement du pack batterie et impact sur la consommation d’énergie
37
Citadine
Masse à vide 1050 kg
Cx 0,3
Surface frontale 1,8 m²
Volume réservoir 45 Litres
Cylindrée 1500 cm3
Berline
Masse à vide 1300 kg
Cx 0,3
Surface frontale 2,2 m²
Volume réservoir 55 Litres
Cylindrée 2000 cm3
SUV
Masse à vide 1600 kg
Cx 0,35
Surface frontale 2,8 m²
Volume réservoir 60 Litres
Cylindrée 2000 cm3
Dimensionnement et résultats
Pour un véhicule thermique
38
0 2 4 6 8 10 12 14 16 18 200
5
10
15
20
25
30
Rép
artit
ion
des
beso
ins
éner
gétiq
ues
jour
nalie
rs (
%)
Energie (kWh)
Citadine Berline SUV
0 20 40 60 80 100 120 1400
5
10
15
20
25
30
Rép
artit
ion
(%)
Puissance (kW)
Citadine Berline SUV
95 % des besoins journaliers peuvent être couvert par une énergie de 10 kWh et une puissance entre 80 et 100 kW
Dimensionnement et résultats
Pour un véhicule électrique équipé d’une batterie 40 kWh (+300kg)
39
0 20 40 60 80 100 120 1400
5
10
15
20
25
30
Rép
artit
ion
(%)
Puissance (kW)
Citadine Berline SUV
0 2 4 6 8 10 12 14 16 18 200
5
10
15
20
25
30
Rép
artit
ion
des
beso
ins
éner
gétiq
ues
jour
nalie
rs (
%)
Energie (kWh)
Citadine Berline SUV
Augmentation de la masse → augmentaZon des besoins en puissance et énergieProblème : la batterie a toujours la même masse
Nécessité d’un dimensionnement au plus juste
Dimensionnement et résultats
40
Pour un véhicule électrique équipé d’un Range-extender
Evaluation de l’autonomie
électrique suivant WLTC
BatterieCellule SAFT VL34P
Energie spécifique: 120 Wh/kg
0 10 20 30 40 50 60 70 80 90 1000
100
200
300
400
500
Aut
onom
ie (
km)
Energie Batterie (kWh)
Citadine Berline SUV
0 k€ 2 k€ 4 k€ 6 k€ 8 k€ 10 k€ 12 k€ 14 k€
0 kg 200 kg 400 kg 600 kg 800 kg
Dimensionnement et résultats
41
Pour un véhicule électrique équipé d’un Range-extender
Evaluation suivant WLTC
Moteur Combustion interne1 point de fonctionnement :
pme = 10 bar & CSE = 255 g/kW.h
Puissance mini : Citadine : 12,5 kW
(maintient charge) Berline : 12,5 kW
SUV : 16 kW
Dimensionnement et résultatsPour une berline électrique équipée d’un Range-extender
Stratégie :
Décharge / Recharge de la batterie
Evaluation :
600 km suivant WLTC
42
43
Pour une berline électrique équipée d’un Range-extender
Stratégie :
Décharge / maintient de charge
Evaluation :
600 km suivant WLTC
Dimensionnement et résultats
Dimensionnement et résultats
• GMP hybride :
– Batterie : 10 kWh pour une journée
– Puissance GMP : 80 – 100 kW
• Consommation de carburant fortement impactée par
– la stratégie
– La dimension de la batterie (masse)
– La puissance du moteur
• Nécessité d’une stratégie de gestion adaptée
44
Sommaire
• Introduction, contexte et enjeux
• Les besoins en mobilité
• Dimensionnement et résultats
• Stratégie adaptative
• Conclusions et perspectives
45
Les stratégies basiques (RB)
46
La stratégie utilisée dans la plupart des véhicules hybridesactuellement est basée sur des règles et agit selon la méthodede CD/CS (décharge puis maintient de charge) [2]
Cette stratégie est loin d’être optimale puisque l’énergiethermique n’est pas forcément utilisée au bon moment
[2] Qiuming Gong, Yaoyu Li, and Zhong-ren Peng. Trip-Based Optimal Power Management of Plug-in
Hybrid Electric Vehicles. Vehicular Technology, IEEE Transactions on, 57(6) :3393–3401, 2008.
-50%
Les briques technologiques
47
Base de données expérimentale
Reconnaissance
Paramètres d’entrée
Méthode de corrélation croisée
DP du cycle sélectionné
MPC
Modèle dynamiqueApproche REM
Range ExtenderSérie
Consommation
Informations cycle
Profil conducteur
Paramètres d’entrée
Génération cycle
Stratégie
Modèle véhicule
Construction stratégie
Consignes
VéhiculesCritère
d’évaluation
� �
�
Stratégie adaptative
48
Distance des cycles de 9,2 km pour une vitessemoyenne de 44,02 km/h
CycleFacteur inter corrélation
DP du cycleDP du cycle
représentatifEcart relatif
Cycle 1 0,983 0,73 L 0,79 L 7,5 %
Cycle 2 0,979 0,64 L 0,67 L 4,4 %
Cycle 3 0,976 0,61 L 0,65 L 6,1 %
Cycle 4 0,981 0,73 L 0,77 L 5,2 %
Cycle 5 1 0,70 L 0,70 L /
Appliquer la stratégie issue de la DP du cycle le plus« représentatif » est éloigné de la stratégie optimale
49
(1-3) : Prédiction
(4-7) : Stratégie en temps réel
(8-9) : Changement d’itinéraire
(10-11) : Mise à jour de la base de données
Stratégie adaptative
Pertinence de cette stratégie
50
Tableau de comparaison suivant le cycle : WLTC, cycles issusde la base de données
Hypothèse : Le trajet est connu (pas de changement de cap)
La stratégie temps réel permet d’être optimal à près de 2 %pour des trajets
RB MPC DPPerformance
MPC/DPPerformance
RB/DP
WLTC 2,77 L 2,01 L 2,00 L 0,3 % 27,8 %
Cycles BdD 0,79 L 0,74 L 0,73 L 1,7 % 7,6 %
Sommaire
• Introduction, contexte et enjeux
• Les besoins en mobilité
• Dimensionnement et résultats
• Stratégie adaptative
• Conclusions et perspectives
51
Bilan de la présentation
• Etude expérimentale : 1625 trajets – 13000 km
– En moyenne : 3 trajets/jour soit 25 km/jour à 52 km/h
• Besoins : 10 kWh/jour et 80 – 100 kW
• Mobilité fortement contrainte
– Avantages :
• Prédiction des trajets possibles à 82% en semaine
• Adaptation de la stratégie de gestion énergétique pour l’optimisation
• +2% avec une stratégie adaptative
52
53
Nouvelles perspectives de R&D
• Et la pollution ?
– Compromis consommation / pollution
– Collaboration avec IFSTTAR Bron (thèse en cours)
• Et la thermique batterie ?
– Etude du Comportement Thermique de la Batterie Lithium-ion pour Véhicules Electriques et Hybrides (thèse Z.H. Che Daud)
• Développement d’un Range Extender performant, compact, à faible coût (développement en cours chez DE).
54
Merci de votre attention
55/40
� Objectif : établir une stratégie de gestion énergétique (i.e. une répartition
de puissance) dont la consommation sera la plus basse possible.
[8] E. F. Camacho and C. Bordons. Model Predictive control. 2007
[9] Sundstrom, O. and Guzzella, L., "A Generic Dynamic Programming Matlab Function", In Proceedings of the 18th IEEE International
Conference on Control Applications, pages 1625-1630, Saint Petersburg, Russia, 2009
� Deux stratégies ont été implémentées :
� une méthode de contrôle prédictif (MPC en anglais) utilisée en temps réel
[8]
� la Programmation Dynamique (DP en anglais) effectuée à la fin du trajet [9]
Stratégie adaptative
� Equation d’état d’un système :
Avec � la variable d’état, � les entrées du système et � les sorties. A,B,C et D
sont les matrices d’évolution du système (modèle).
�� = �� + ��� = � + �
� = �� � = ����� ���� � = ��������
� Fonction objectif de la DP :
� Fonction objectif du MPC : � � � = � � � , � " �#�$
�
� � � = % � �& +� � � � , � � , � "��'
(
Stratégie adaptative
Les questions ouvertes ?
57
CSE min, Pmax
• Choix d’une zone cible
Architecture
• Monocylindre
• Bicylindre Cycle
• 4 Temps
• 2 TempsAdmission
• Atmosphérique
• CompresséTechnologies
• VVT
• Détente Prolongée
• EGR
• Injection directe
• PMF optimisée
• Refroidissement optimisé
Critères de choix de technologies d’un Range Extendeur. Des objectifs de réduction des coûts, meilleur compacité, silencieux, économe.
Pertinence de cette stratégie
58
Il est possible de faire des détours sur les trajets habituels, cequi change sensiblement l’optimalité de la stratégie. Il existeprincipalement 3 raisons :
• Poser/récupérer les enfants
• Faire des courses
A partir de 3 changements
� demander au conducteur de renseigner sa destination
Anticipation par analyse calendaire et horaire
59
� Etude de l’impact sur l’horizon de prédiction
� cycle le plus fréquent de la base de données : Nevers �
Magny-cours
� 2 cycles standards
Horizon (s) 10 20 30 40 50 60 120
Cycle BdD 0.92 0.934 0.951 0.96 0.971 0.987 0.991
� Plus l’horizon de prédiction est grand meilleure est la stratégie �
horizon de 60s retenu
� Compromis temps de calcul / optimalité à trouver