Gwenaëlle Souffran

Dimensionnement de la chaîne de tractiond’un véhicule électrique hybride

basé sur une modélisation stochastiquede ses profils de mission

Gwenaëlle Souffran

Directeur de thèse : Patrick GuérinEncadrante : Laurence Miègeville

Réchauffement climatiqueet pollution de l’air

Epuisement desressources fossiles

2

Transports : Vers le développement durable

Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d’un véhicule Conclusion

Réduction de la consommation de carburant fossile

3

Transports : Quelles solutions ?

Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule

CritèreVéhicule

électriqueà batterie

Véhicule électriqueà PAC (H)

Véhicule à moteur à

combustion

Véhicule électrique

hybrideBicyclette

Energie embarquée Rendement

Rejet de polluants Recyclage

Maintenance Durée de vie Autonomie

NOTE 0 1 1 2 5

Véhicule hybride : un compromis…

4

Moyens de productionMoteur thermiquePile à combustible

Eléments de stockageBatterieSuper Capacité

Convertisseurs d’énergieMoteur électriqueGénératrice

Véhicules hybrides : Quels composants ?


5

Comment concevoir et optimiser la chaîne de traction ?

Véhicules hybrides : Quelle architecture ?

Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Conclusion

Structure Série Parallèle Combinée

Degré d’hybridation

Pré-dimensionnement d’un véhicule

Pmt ?Ebat ?

Pme ?

?

6

Critères possibles :MasseVolumeDurée de vieCoûtEmissions de CO2 et de NOxConsommation énergétique

Critère d’optimisation


7

Par rapport à l’usage réel du véhiculeSur une mission réalisteSur un usage spécifique (urbain, routier, livraison…)

De manière « robuste »En prenant en compte la variabilité de la missionSur un grand nombre de missions

Sans faire de choix « a priori »Sur la structureSur les composants (Pnominale)

Objectif : Dimensionnement d’une chaîne de traction hybride


Missions du véhicule Dimensionnement

Pmt

Pme

Ebat

Sommaire

1. Modèle de l’usage d’un véhicule Qu’est-ce que la mission d’un véhicule ? Comment la modéliser ?

2. Modèle de la chaîne de traction Quels modèles des composants ? Quelle gestion de l’énergie ?

3. Pré-dimensionnement d’un véhicule urbain Quelle méthode ? Quelle mission choisir ? Quels résultats ?

4. Conclusion & Perspectives

8Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule

Influence du processus de dimensionnement

Dépendance de {Pmt, Pme, Ebat} à Proues (difficilement mesurable) Utilisation du modèle mécanique du véhicule avec 2 entrées

Masse du véhicule Grandeurs caractérisant la mission du véhicule

Problème : mvéhicule dépend de mtraction qui dépend du dimensionnement

mission {?}

9

Comment définir la mission d’un véhicule ?


Modèle mécanique

Dimension- nement

Calcul de mtraction

masse mchâssis

ProuesPmt

Pme

Ebat

mtraction

mvéhicule+

10

Bilan des forcesForce aérodynamique

Fw = ½ Af Cw ν²Force de roulement

Fr = m g Cr cosForce due à l’inclinaison

Fh = m g sinForce d’accélération

Fa = m λ γ

Seconde loi de NewtonPuissance aux roues

Proues = (Fw + Fr + Fh + Fa ) x ν = f (m, ν, γ, )

Modèle mécanique

Bilan des forces agissant sur le véhicule

poidsrésistance au roulement

force d’inertie

force aérodynamique


3 variables définissant la mission du véhicule :• Vitesse : ν• Accélération : γ• Inclinaison : α

1 paramètre dépendant du dimensionnement :• Masse du véhicule m

0 20 40 60 80 100 120-10

-5

0

5

10

15

20

25

30

35

Vitesse du véhicule (km/h)

Puis

sanc

e (k

W)

Analyse de sensibilité (Puissance)

-0.5 0 0.5-10

-5

0

5

10

15

20

25

30

35

Accélération du véhicule (m/s²)

Puis

sanc

e (k

W)

-5 0 5-10

-5

0

5

10

15

20

25

30

35

Inclinaison de la route (%)

Puis

sanc

e (k

W)


Sensibilité de Proues à la vitesse

Sensibilité de Proues à l’inclinaison

Sensibilité de Proues à l’accélération

0 - 3%

x2

0 - 0,3 m/s²

x2Variation quadratique

0 - 130 km/h

+29 kW

Variation linéaire

Variation linéaire

11

m=1500kgγ=0m/s²=0%

m=1500kgν=90km/hγ=0m/s²

m=1500kgν=90km/h=0%

Sensibilité de la puissance aux 3 variables de la mission du véhicule : {ν, γ, }

Qu’en est-il de la masse ?

0 à 100 km/h en 93s

0 20 40 60 80 100 120-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)


-0.5 0 0.5-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)

-5 0 5-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)




m=1500kgγ=0m/s²=0%



m=1500kgν=90km/h=0%

12

m=750kgγ=0m/s²=0%

m=750kgν=90km/h=0%


Sensibilité de la puissance à la masse notamment pour γ et non nulles

Comment la mission du véhicule est-elle prise en

compte dans la littérature ?

13

Mission d’un véhicule : état de l’art


Dans quel objectif ces cycles ont-ils été développés ?

Ces cycles sont-ils adaptés à notre étude de dimensionnement ?

Trois types de cyclesCycles de conduite à réalité limitéeCycles développés à partir de mesuresCycles générés de manière stochastique

14

Adaptation au dimensionnement ? Parfaitement défini Simple Profil de vitesse non réaliste ! Inclinaison non prise en compte…



Exemples de cycle Usage Véhicule Objectif Ex. d’utilisation

NEDC (New European Driving Cycle)

Mixte urbain et extra-urbain

Léger Emissions + Consommation

Conception + Contrôle (Kleimaier, 2000)

JPN 10-15 (Japonais) Mixte urbain et extra-urbain

Léger Emissions + Consommation

Contrôle (Barsali, 2004)

0 200 400 600 800 10000

50

100

Temps (s)

Vite

sse

(km

/h)

0 100 200 300 400 500 6000

50

100

Temps (s)

Vite

sse

(km

/h)

Cycles de conduite à réalité limitée

NEDC

JPN 10-15

15

Adaptation au dimensionnement ? Parfaitement défini Réalisme (mesures >1000h et >7000 véhicules) Cycle unique pour représenter une mission Inclinaison non prise en compte…



Exemples de cycle Usage Véhicule Objectif Ex. d’utilisation

ARTEMIS(André, 2004)

Urbain, routier et autoroutier

Léger Estimation des émissions

Dimensionnement batterie (Bertram,2011)

West Virginia University (WVU)

Urbain + Inter-urbain + Banlieue

Lourd Estimation des émissions

Analyse rendement traction (Li, 2008)

0 200 400 600 8000

50

100

Temps (s)

Vite

sse

(km

/h)

0 500 1000 15000

50

100

Temps (s)

Vite

sse

(km

/h)

Cycles développés à partir de mesures

Artemis urbain

WVU inter-urbain

16

Adaptation au dimensionnement ? Prise en compte du caractère

aléatoire (variabilité) Prise en compte d’un grand

nombre de missions (robustesse) Prise en compte de l’inclinaison Non prise en compte de la

corrélation entre les variables



Exemples de cycle Usage Véhicule Objectif Méthode

(Ravey, 2010) Ramassage des ordures

Lourd Dimensionnement pile à combustible

Approche probabiliste

(Lin, 2004) Basé sur les cycles WVU

Lourd Optimisation de la gestion de l’énergie

Matrice de Markov

Cycles générés de manière stochastique

Exemple de mission générée (Ravey, 2010)

17

Adaptation au dimensionnement ? Prise en compte du caractère

aléatoire (variabilité) Prise en compte d’un grand

nombre de missions (robustesse) Conservation de la corrélation entre

les variables Non prise en compte de

l’inclinaison



Exemples de cycle Usage Véhicule Objectif Méthode

(Ravey, 2010) Ramassage des ordures

Lourd Dimensionnement pile à combustible

Approche probabiliste

(Lin, 2004) Basé sur les cycles WVU

Lourd Optimisation de la gestion de l’énergie

Matrice de Markov

Cycles générés de manière stochastique

Exemple de mission générée (Lin, 2004)

18

Mission à modéliser

Trio de variables Vitesse ν Accélération γ Inclinaison

Mission spécifique Ex. : trajet urbain

Basée sur des profils réels

Mesures GPS

Objectifs de la modélisation

Modèle

Trio de variables Conservation des relations entre les

variablesConservation des caractéristiques

Statistiques Dynamiques

Simulations Aléatoires (variabilité)

Nombre élevé (« robustesse »)

Modèle par Matrice de Markov

Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule

19

Processus de Markov

Caractéristique :L’état futur ne dépend que de l’état présent et non pas du passé

Probabilité de transition :pij = ℙ ( E(t+1) = Ej | E(t) = Ei )

Modèles matriciels :Matrice de transitionsMatrice de Markov

Modèle de Markov

E1

E3 E2

p31

p13

p23

p32

p21

p12

p33 p22

p11


20

2ème étape : estimation de la matrice de Markov

Modèle de Markov

E1 E1 E3 E1

r11 = r11 + 1 r31 = r31 + 1r21 = r21 + 1 r13 = r13 + 1

DébutE2

FinE1

r11 = r11 + 1

000000000

R000001000

R000001001

R000001101

R001001101

R001001102

R


n

j ij

ijij

r

rpjiM

1

),(001001102

R0010013

1032

M

Matrice de transitions Matrice de Markov

1ère étape : estimation de la matrice de transitions

21

Traitement des mesures GPS(pas d’échantillonnage de 1s) Latitude Longitude Altitude

Deux campagnes de mesures

Mission extra-urbaine Trajets St Nazaire – Rennes 4 allers-retours x 1h30 voie rapide + route + urbain

Mission urbaine Trajets auto-école à Nantes 22 trajets - 29h de mesures urbain + périphérique

Campagnes de mesures

VitesseAccélérationInclinaison


22

Campagnes de mesures


Traitement des mesures GPS(pas d’échantillonnage de 1s) Latitude Longitude Altitude

Deux campagnes de mesures

Mission extra-urbaine Trajets St Nazaire – Rennes 4 allers-retours x 1h30 voie rapide + route + urbain

Mission urbaine Trajets auto-école à Nantes 22 trajets - 29h de mesures urbain + périphérique

VitesseAccélérationInclinaison

23

Modélisation d’une mission par Markov

Matrice de Markov

Mission urbaine mesurée


La matrice de Markov contient les probabilités de transition de l’état présent à l’état futur

ν(t)

γ(t)

(t)

Etat présent E1

{ν1(t), γ1(t), 1(t)}Etat futur E2

{ν2(t+1), γ2 (t+1), 2 (t+1)}

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)In

clin

aiso

n (%

)200 400 600 800 1000 1200

-1

0

1

2

Temps (s)In

clin

aiso

n (%

)200 400 600 800 1000 1200

-1

0

1

2

Temps (s)In

clin

aiso

n (%

)200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Accé

léra

tion

(m/s

²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Accé

léra

tion

(m/s

²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

Matrice de Markov

24

Simulation de missions aléatoires

Missions urbaines simulées

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)


ν(t)

γ(t)

(t)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

Etat présent E1

{ν1(t), γ1(t), 1(t)}Etat futur E2

{ν2(t+1), γ2 (t+1), 2 (t+1)}

25

Vitesse

Inclinaison

Validation des simulations urbaines

Accélération


Bonne reproduction des caractéristiques

de la mission mesurée en simulations

26

Statistique

Dynamique

Validation en termes de puissance


Bonne reproductiondes caractéristiques

statistiques et dynamiques en termes de puissance

27

=f()

=f()

Validation de la corrélation entre les variables

0 20 40 60 80 100 120-1.5

-1

-0.5

0

0.5

1

1.5

Vitesse (km/h)

Acc

élér

atio

n (m

/s²) 1 simulation

-1.5 -1 -0.5 0 0.5 1 1.5-4

-2

0

2

4

Accélération (m/s²)In

clin

aiso

n (%

)

1 simulation


Bonne conservation de la corrélation entre l’accélération et la vitesse

Bonne conservation de la corrélation entre l’inclinaison et l’accélération

28

Avantages du modèlePrise en compte de missions réalistes & spécifiquesPrise en compte des trois variables { ν, γ, }

Possibilité de prendre en compte d’autres variables (vent, qualité de la route)Conservation des caractéristiques statistiques et dynamiquesConservation de la corrélation entre les variablesSimulations aléatoires (variabilité) et nombreuses (robustesse)

LimiteEtat non mesuré non simulé

Synthèse sur la modélisation de l’usage du véhicule


Sommaire





29


100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.05

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.25

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.35

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)

Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%

30

Modélisation de la chaîne de traction

Structure hybride série


{U,I}{,} {,}Energie carburant

Machine électrique

Machine électrique

Moteur thermique

Batterie

Energie chimique

Energie thermique directe

Energiede charge

Energie deboost ou tout

électrique

Récupération au freinage

Cette modélisation impose un choix a priori des composants

Groupe électrogène

{,}

Modélisation par les flux de puissance (Dupriez, 2010)

31



Energie carburant

Machine électrique

Machine électrique

Batterie

Moteur thermique

Energie chimique

pge pme

pbat

pchim

pcarb proues

Introduction de modèles génériques adimensionnels

mt ? me ? me ?

bat ?

32

Moteur thermique pour groupe électrogène

80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)

Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé

80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


Cartographies de différents moteurs thermiquesayant une caractéristique de groupe électrogène

(base de données Matlab PSAT)


Cartographie d’un moteur thermiquemt = f ( Γ , Ω )

pmt(t)/Pmt = 50%

maxExtraction de la

caractéristique

mt = f (pmt(t)/Pmt)

maximisant mt

33

Moteur thermique pour groupe électrogène

Placement au point de rendement maximal

Moyenne des courbes de rendements

0 20 40 60 80 1000

5

10

15

20

25

30

35

40

45

50

Puissance (% Pmt)

Ren

dem

ent m

axim

isé

(%)

Moteurs du logiciel PSATModèle générique adimensionnel

80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.3 5

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.4

0.4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


Cartographies de différents moteurs thermiques à caractéristiques de groupe électrogène

(base de données Matlab PSAT)

Modèle générique d’un moteur thermique pour groupe électrogène


80 100 120 140 160 180 2000

200

400

600

800

1000

1200

1400

1600

1800

2000 0.05

0.05

0.05 0.05 0.05

0.1 0.1

0.1

0.1 0.1 0.1

0.15 0.15

0.15

0.15 0.15 0.15

0.2 0.2

0.2

0.2 0.2 0.2

0.25 0.25

0.25

0.25 0.25 0.25

0.3

0.30.3

0.3 0.30.3

0.3

0.3

0.35

0.35

0.350.35

0.35

0.35

0.35

0.40.4

0.40.

4

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


34

Machine électrique pour groupe électrogène

0 20 40 60 80 1000

10

20

30

40

50

60

70

80

90

100

Puissance (% Pme)

Ren

dem

ent m

axim

isé

(%)

Machines du logiciel PSATModèle générique adimensionnel

0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


Cartographies de différentes machines électriques(base de données Matlab PSAT)

Modèle générique d’une machine électrique pour groupe électrogène


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.850.

85

Vitesse (rad/s)

Cou

ple

(Nm

)


Même processus pour la machine électrique

35


0 20 40 60 80 1000

5

10

15

20

25

30

35

40

45

50

Puissance (% Pge)

Ren

dem

ent m

axim

isé

(%)

Modèle générique adimensionnel

Modèle génériqued’un groupe électrogène

0 20 40 60 80 1000

5

10

15

20

25

30

35

40

45

50

Puissance (% Pmt)

Ren

dem

ent m

axim

isé

(%)


Modèle génériqued’un moteur thermique

pour groupe électrogène

0 20 40 60 80 1000

10

20

30

40

50

60

70

80

90

100

Puissance (% Pme)

Ren

dem

ent m

axim

isé

(%)


Modèle génériqued’une machine électriquepour groupe électrogène

me

meme

mt

mtmt

ge

gege P

tpP

tpP

tp )()()(


36

Approximation linéaire du rendement en fonction de la puissance réduite

Limites en profondeur de décharge Etat de charge min 40% Etat de charge max 100%

Limites en puissance 10C en décharge 5C en charge

Batterie

-100 -50 0 50 100

40

60

80

100

0.80.

80.

8

0.85

0.85

0.85

0.9 0.9

0.9

0.90.925

0.925

0.925 0.92

50.

925

0.92

50.950.95

0.95 0.95

0.95

0.9 50. 97

0.970.97 0.

970.

970.

970.990. 9 9

0. 9 9 0.99

0.99

0.9 9

Puissance (% Pbat)

État

de

char

ge (%

)

-100 -50 0 50 10075

80

85

90

95

100

Puissance (% Pbat)

Ren

dem

ent (

%)

déchargecharge

Rendement d’une cellule Lithium-Ion(base de données Matlab PSAT)

Modèle générique d’une batterie


37

Machine électrique (synchrone à aimants permanents)

0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)

Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%

0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.850.

85

Vitesse (rad/s)

Cou

ple

(Nm

)



0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)



Cartographie d’une machine électriqueme = f ( Γ , Ω )

Extraction de lacaractéristique

me = f (pme(t)/Pme)

moyennant me

pme(t)/Pme = 50%

moy

38

Autorisation de surcharge à 200% pendant 180s

Machine électrique (synchrone à aimants permanents)

0 50 100 150 2000

10

20

30

40

50

60

70

80

90

100

Puissance (% Pme)

Ren

dem

ent m

oyen

né (%

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.85

0.85

Vitesse (rad/s)

Cou

ple

(Nm

)


0 100 200 300 400 500 600 7000

5

10

15

20

25

30

35

40

45

50

55 0.5

0.55

0.6 0.

7

0.75

0.75

0.8

0.8 0.8

0.850.

85

Vitesse (rad/s)

Cou

ple

(Nm

)


Modèle générique d’une machine électrique



1. Moyenne des rendements par iso-puissance pour chaque moteur

2. Moyenne de ces courbes de rendements pour obtenir le modèle générique

39


Architecture de la chaîne de traction


-100 -50 0 50 10075

80

85

90

95

100

Puissance (% Pbat)

Ren

dem

ent (

%)

déchargecharge

Batterie

Energie carburant

0 20 40 60 80 1000

5

10

15

20

25

30

35

40

45

50

Puissance (% Pge)

Ren

dem

ent m

axim

isé

(%)

Modèle générique adimensionnel

Groupeélectrogène

0 50 100 150 2000

10

20

30

40

50

60

70

80

90

100

Puissance (% Pme)

Ren

dem

ent m

oyen

né (%

)


Machineélectrique

Energie chimique

Estimationde la consommation

de carburant Ccarb

et de l’état d’énergie SOE à la fin de la mission

pme

pchim

pcarb

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Accé

léra

tion

(m/s

²)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

Stratégie de

gestion

pbat

pge proues

ν(t)γ(t)(t)

Besoin d’unegestion de l’énergie

indépendante du dimensionnement

40

ObjectifsIndépendance au dimensionnement des composantsStratégie en ligne « légère »

Trois stratégies« Optimale »« Charge »« Décharge »

Gestion de l’énergie


Conditions de passage entre stratégies

41

Etude du rendement de la chaîne de traction



Mode Rendement = Putile / Pabsorbée

Boost / Electrique

Thermique

Régénération

Récupération

moycbat

optge

chimcarb

carbchimcarb

me tppoùptptp

tp

,

)()()(

)(

)()(tptp

carb

me

)()()(

tptptp

carb

chimme

)()()(

tptptp

mecarb

chim

Cartographie = f (pge(t), pbat(t) )

42

Cartographie du rendement de la chaîne de traction = f (pge(t), pbat(t) )

Extraction descaractéristiques

pge(t) = f (pme(t))

pbat(t) = f (pme(t))maximisant


-10 -5 0 5 10 15 200

2

4

6

8

10

12

14

16

18

20

20

25

25

25

30

30

30

30

33

33

33

33

35

35

35

35

37

37

37

37

3740

4040

40

40

45

45

50

50

556065707580859095 969798

-5 0

0

5

5

5

10

10

10

10

15

15

15

15

20

20

20

20

25

25

25

30

3035

pbat(t) (kW)

p ge(t)

(kW

)

Iso-rendements (%)Iso-puissances pme(t) (kW)

Rendement max(t)


pme(t) = 5kW

pge(t) = 12kW

Pbat(t) = -7kW

max

p ge(t

) (kW

)

pbat(t) (kW)

43

Stratégie « optimale » maximisant le rendement de la chaîne de traction

pge(t) = f (pme(t)) pbat(t) = f (pme(t))


-10 -5 0 5 10 15 20 25 30 35 40-10

-5

0

5

10

15

20

pme(t) (kW)

p bat(t)

(kW

)

OptimalApproximation

-10 -5 0 5 10 15 20 25 30 35 400

2

4

6

8

10

12

14

16

18

20

pme(t) (kW)

p ge(t)

(kW

)

OptimalApproximation


pge(t) = 12kW

pme(t) = 5kW pme(t) = 5kW

Pbat(t) = -7kW

p ge(t

) (kW

)

p bat(t

) (kW

)

pme(t) (kW) pme(t) (kW)

44

Bilan de puissance pour Pge = 10 kW et Ebat = 4 kWh (cycle NEDC)

Mise en œuvre des modèles de composants + gestion

0 200 400 600 800 1000 1200-50

0

50

Puis

sanc

e (k

W)

pmepge

0 200 400 600 800 1000 1200-50

0

50Pu

issa

nce

(kW

)

pmepbat

0 200 400 600 800 1000 120040

60

80

100

SOE

(%)

Temps (s)

Fonctionnement du groupe électrogène à ses points de meilleur rendement

Modes boost et récupération assurés par la batterie associée à la machine électrique

SOEfin > SOEdébut

Conservation de la gestion de l’énergie en mode « optimal »


45

Modélisation des composants Avantages

Pas de choix a priori Compacte

Limites Plusieurs approximations (à valider avec un modèle dédié à la simulation) Prendre en compte la consommation à chaque démarrage du moteur thermique

Stratégie de gestion de l’énergie Avantages

Stratégie en ligne Indépendante du dimensionnement

Limites « Rudimentaire » A optimiser

Synthèse sur la chaîne de traction


Simulation très rapide (10s pour une mission de 29h)

Logiciel Matlab v7.0.4Processeur Intel Core 2 Duo CPU E7500 @ 2,93 GHzWindows XP 3,5 Go de mémoire RAM

Sommaire





46


47

Algorithme de dimensionnement

Objectif : Trouver le couple {Pge , Ebat} minimisant Ccarb


Boucle pour parcourir les dimensionnements {Pge , Ebat}

(plan d’expériences)

Boucle pour tester un grand nombre de missions

Boucle pour converger sur la masse

Calcul de la consommation de carburant moyenne Ccarb

Ebat 1 Ebat 2 … Ebat q

Pge 1 Ccarb 1,1 Ccarb 1,2 … Ccarb 1,q

Pge 2 Ccarb 2,1 Ccarb 2,2 … Ccarb 2,q

… … … … …

Pge n Ccarb n,1 Ccarb n,2 … Ccarb n,q

Pge 1 Pge 2 … Pge n

Ebat 1 Ebat 2 … Ebat q

Table de groupes électrogènes

Table de batteries

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-1

0

1

2

Temps (s)

Incl

inai

son

(%)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

-0.5

0

0.5

1

Temps (s)

Acc

élér

atio

n (m

/s²)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

200 400 600 800 1000 1200

102030405060

Temps (s)

Vite

sse

(km

/h)

ν(t)

γ(t)

(t)

Ensemble de missions

Consommations moyennessur l’ensemble des missions

en fonction du dimensionnement

Identification du dimensionnement

{Pge ; Ebat}minimisant Ccarb

48

Exemple de résultat de l’algorithme

Consommations moyennes pour les 1000 missions urbaines simulées


En considérant les pré-dimensionnements assurant 95% des missionsla consommation est réduite d’un dizième et Pge est divisée par 2

Consommation de carburant moyenne Ccarb (ℓ/100km)Standard

ECE x4Artemisurbain

22 trajetsurbains mesurés

1000 simulations urbaines

Pge = 10 kW mtraction =44 kg 2,80

Ebat = 2 kWhPge = 17 kW mtraction =

83 kg 3,06 3,83Ebat = 4 kWhPge = 10 kW mtraction =

80 kg 3,21 4,07 3,28Ebat = 5 kWhPge = 13 kW mtraction =

104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh

49

Résultats en fonction de la mission

Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion

Dimensionnement

Mission

Pré-dimensionnement optimal pour le cycle standard ECE Ne satisfait pas les autres missions urbaines


ECE x4Artemisurbain







104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh

50



Pré-dimensionnement satisfaisant les cycles ECE et Artemis urbain Non optimal pour le cycle ECE Ne satisfait pas les missions urbaines mesurée et simulées

Dimensionnement

Mission


ECE x4Artemisurbain







104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh

51



Pré-dimensionnement satisfaisant les cycles ECE, Artemis et mesuré Non optimal pour les cycles standards Ne satisfait pas l’ensemble des missions simulées

Dimensionnement

Mission


ECE x4ArtemisUrbain







104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh

52



Pré-dimensionnement satisfaisant toutes les missions Pré-dimensionnement optimal pour les simulations Consommation plus élevée pour les autres missions

Pré-dimensionnements optimauxdifférents pour chacune des missions

Qu’en est-il de la structure parallèle ?

Dimensionnement

Mission

53

Type de missionurbaine

Architec-ture

Moteur thermique

Pge / Pmt(kW)

Batterie

Ebat(kWh)

Machine électrique

Pme(kW)

Masse de la chaîne de traction

m(kg)

Consommation de carburant

moyenneCcarb

(ℓ/100km)

StandardECE x4

Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64

Artemisurbain

Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87

22 trajetsmesurés

Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72

1000 simulations

Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51

Résultats en fonction de l’architecture


-6% de consommation avec la structure parallèleMasse de chaîne de traction inférieure

54


Architec-ture

Moteur thermique

Pge / Pmt(kW)

Batterie

Ebat(kWh)

Machine électrique

Pme(kW)


m(kg)


moyenneCcarb

(ℓ/100km)

StandardECE x4

Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64

Artemisurbain

Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87

22 trajetsmesurés

Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72

1000 simulations

Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51



Meilleure structure : série Fonctionnement du moteur thermique à son meilleur rendement

dans le groupe électrogène

55


Architec-ture

Moteur thermique

Pge / Pmt(kW)

Batterie

Ebat(kWh)

Machine électrique

Pme(kW)


m(kg)


moyenneCcarb

(ℓ/100km)

StandardECE x4

Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64

Artemisurbain

Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87

22 trajetsmesurés

Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72

1000 simulations

Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51



Globalement la nature de la mission a plus d’impact sur la consommation que le type de structure choisi

Obtention de résultats différents si masse du châssis réduite

56

AvantagesPas de choix a prioriOutils d’aide à la conceptionRapide (7h pour tester 564 dimensionnements sur 1000 missions de

20min)

Améliorations à apporterAlgorithme basique (plan d’expériences) à optimiserTables des composants testés à resserrerNombre de missions simulées utile à étudier

Synthèse sur le pré-dimensionnement d’un véhicule


Sommaire





57


58

Modèle de l’usage d’un véhicule3 variables contraignantes { ν, γ, }Calcul de proues = f ( mtraction ) possibleGénération de missions aléatoires

vraisemblables

Modèle des composantsGénérique adimensionnelSans choix « a priori »

Stratégie de gestion de l’énergieAdimensionnelleEn ligne (mission de 29h 10s)

Processus de dimensionnement Minimisation de Ccarb

Bilan des travaux


Optimisation du dimensionnement minimisant la consommation énergétique sur un ensemble de missions : « robustesse »

Matrice de Markov

Batterie


Machine électrique

Ccarb S

59

Etude de sensibilité à d’autres critèresDurée de la missionEtat d’énergie initial de la batterieCaractéristiques du châssisConsommation des accessoires

Développer une optimisation multicritèresCoût du systèmeDurée de vie des composants

Optimiser la gestion de l’énergieLois de gestion plus évoluées déjà existantesUtilisation de la matrice de Markov dans une stratégie en ligne

Perspectives


60

Etendre l’étude à d’autres structures de véhiculeVéhicule hybride série-parallèleVéhicule électrique

Etendre l’étude à d’autres types de véhiculeVéhicule à plusieurs organes de stockageVéhicule à pile à combustibleVélo hybride ?

Autres perspectives


Dimensionnement de la chaîne de tractiond’un véhicule électrique hybride

basé sur une modélisation stochastiquede ses profils de mission

Merci de votre attention

Gwenaëlle Souffran

Directeur de thèse : Patrick GuérinEncadrante : Laurence Miègeville

Bilan des forces Force aérodynamique

Fw = ½ Af Cw ν² Force de roulement

Fr = m g Cr cos Force due à l’inclinaison

Fh = m g sin Force d’accélération

Fa = m λ γ

Modèle mécanique

Bilan des forces agissant sur le véhicule

poidsrésistance au roulement

force d’inertie

force aérodynamique

Paramètre Symbole Valeur

Densité de l’air 1,22 kg/m3

Surface frontale Af 2,7 m²

Coefficient de frottement aérodynamique Cw 0,25

Accélération gravitationnelle g 9,81 m/s²

Coefficient de résistance des roues au roulement Cr 0,018

Facteur de masse λ 1,06

Vitesse Accélération

Traitement des mesures

500 1000 1500 2000 2500 3000 3500 4000 4500 50000

20

40

60

80

100

Temps (s)

Vite

sse

(km

/h)

Vitesse mesuréeVitesse filtrée

500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1

-0.5

0

0.5

Temps (s)

Acc

élér

atio

n (m

/s²)

Filtrage Matlab“filtfilt” aller-retour(pas de déphasage)sur 10 points

Altitude Inclinaison de la route

Traitement des mesures

20 40 60 80 100 120-20

0

2040

60

80

Distance (km)

Alti

tude

(m)

Altitude mesuréeAltitude interpolée

500 1000 1500 2000 2500 3000 3500 4000 4500 5000

-20

0

20

40

60

80

Temps (s)

Alti

tude

(m)

0 20 40 60 80 100 120

-6

-4

-2

0

2

4

Distance (km)

Incl

inai

son

(%)

Inclinaison interpoléeInclinaison filtrée

500 1000 1500 2000 2500 3000 3500 4000 4500 5000

-4

-2

0

2

4

Temps (s)

Incl

inai

son

(%)

1) Profil temporel de l’altitude

2) Altitude = f (Distance)

3) Inclinaison = f (Distance)

4) Profil temporel d’inclinaison

Interpolation tous les 100m

Filtrage “filtfilt”

65

Nombres maximaux d’états par variable

Choix des nombres optimaux selon 3 facteurs :erreur relative en puissance maximale ≤ 3%erreur relative en puissance moyenne ≤ 1%nombre d’états minimisé pour un modèle le plus léger possible

soit 40x80x50 = 160 000 états possiblesréduits à 19 805 (-88%) apparaîssant au cours de la mission

Choix du nombre d’états de la modélisation par Markov

1201,0

12))(min())(max(

111036,04))(min())(max(

1300001,0

130))(min())(max(

max

max

max

précisiontt

nb

précisionttnb

précisiontt

nb

inc

acc

vit

50;80;40 urbainurbainurbain incaccvit nbnbnb

Validation de la corrélation entre les variables (extra-urbain)

=f()

=f()

Indicateurs de caractérisation des missions

Distribution des simulations urbaines

Distribution des simulations

t

moyrouesbat

batbatu

rouesmax

rouesmoy

dPpte

teteE

tpP

tpP

0))(()(

))(min())(max(

))(max(

))(moy(

u

moymax

max

moy

EPP

PHE

PP

PHP

1

Distribution des simulations

Puissance carburant (kW)

Energie carburant (kWh)

Coefficient d’ajustement

Variation de l’état d’énergie

Consommation de carburant (ℓ/100km)

Calcul de la consommationInitialisation des variables d’optimisation

- Dimensionnement des composants { Pge ; Ebat ; Pme } - Architecture de la chaîne de traction { Série }

Calcul de la masse du véhiculem = f ( mchâssis, Pge, Ebat, Pme )

Calcul de la consommation de carburantCcarb = f ( Ecarb, (t) )

Calcul de l’énergie carburant consomméeEcarb = f ( pge(t), ge, SOE(t) )

Calcul de la puissance aux rouesproues(t) = f ( (t), (t), (t), m, Af, Cw, Cr, )

Application de la stratégie de gestion de l’énergie{ pge(t) ; SOE(t) } = f ( proues(t), Pge, Ebat, Pme )

Initialisation des données d’entrée du modèle - Mission du véhicule { (t) ; (t) ; (t) } - Technologie des composants { Diesel ; MSAP ; Li-ion } - Stratégie de gestion de l’énergie { Modes de gestion } - Paramètres du châssis { mchâssis ; Af ; Cw ; Cr ; }

100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.05

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.25

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.3 5

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


Moteur thermique (Diesel)

0 20 40 60 80 1000

5

10

15

20

25

30

35

40

45

50

Puissance (% Pmt)

Ren

dem

ent m

oyen

né (%

)


100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.0 5

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.25

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.3 5

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.0 5

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.25

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.3 5

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.0 5

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.2 5

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.3 5

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)


Cartographies de différents moteurs thermiques

Modèle générique d’un moteur thermique

Cartographies de différents moteurs thermiques(base de données Matlab PSAT)

100 150 200 250 300 350 400 4500

50

100

150

200

250

0.05

0.05

0.05 0.05

0.05

0.05

0.05 0.05 0.05

0.1

0.1

0.1 0.1

0.1

0.1

0.1 0.1 0.1

0.15

0.15

0.15 0.15

0.15

0.15

0.15 0.150.15

0.2

0.2

0.20.2

0.2

0.2

0.20.2

0.2

0.25

0.25

0.250.25

0.25

0.25

0.25 0.250.25

0.3

0.3

0.3

0.3

0.3

0.3

0.3

0.30.3

0.35

0.35

0.35

0.35

0.35

0.350.35

0.4

0.4

Vitesse (rad/s)

Cou

ple

(Nm

)

Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%1. Moyenne des rendements par iso-

puissance pour chaque moteur

2. Moyenne de ces courbes de rendements pour obtenir le modèle générique

Influence de la température sur le modèle générique de la batterie

Température

0°C

25°C

41°C

-100 -50 0 50 100

40

60

80

100

0.8

0.8

0.8

0.85

0.85

0.85

0.9

0.9

0.9

0.925 0.92

50.

925

0.9250.

95

0.95

0.95 0.95

0.95

0. 95

0.9 7

0.970.97 0.

970.

97

0.97

0.9 9

0.990. 9 9 0.

990.

99

0.99

Puissance (% Pbat)Ét

at d

e ch

arge

(%)

-100 -50 0 50 100

40

60

80

100

0.8

0.8

0.8

0.85

0.85

0.85

0.9

0.9

0.9 0.9

0.9

0.90.925

0.92

5

0.925 0.92

5

0.925

0.92

50.95

0.95

0.95 0.95

0.95

0.950.97

0.97

0.97 0.97

0.97

0.970.99

0.99

0.99 0.99

0.99

0.9 9

Puissance (% Pbat)

État

de

char

ge (%

)

-100 -50 0 50 100

40

60

80

100

0.80.

80.

8

0.85

0.85

0.85

0.9 0.9

0.9

0.90.925

0.925

0.925 0.92

50.

925

0.92

50.950.95

0.95 0.95

0.95

0.950. 9 7

0.970.97 0.

970.

970.

970.990. 99

0. 9 9 0.99

0.99

0.9 9

Puissance (% Pbat)

État

de

char

ge (%

)

Influence de la température sur le modèle générique de la batterie

Température

0°C

25°C

41°C

-100 -50 0 50 10075

80

85

90

95

100

Puissance (% Pbat)R

ende

men

t (%

)

déchargecharge

-100 -50 0 50 10075

80

85

90

95

100

Puissance (% Pbat)

Ren

dem

ent (

%)

déchargecharge

-100 -50 0 50 10075

80

85

90

95

100

Puissance (% Pbat)

Ren

dem

ent (

%)

déchargecharge

Machines électriques

Composants de la base de données PSAT (Argonne)

N° Type Puissance nominale (kW) Puissance maximale (kW) Véhicule

1 MSAP 7 14,2 Accord

2 MSAP 7 15 Prius

3 MSAP 10 10 Insight

4 MSAP 17 33 Escape MG2

5 MSAP 25 50 Prius

6 MSAP 32 45

7 MSAP 33 65 Escape MG1

8 MSAP 35 70

9 MSAP 36 75

10 MSAP 49 49 Honda

11 MSAP 55 100

12 MSAP 55 105

13 MSAP 58 58

Moteurs thermiques


N° Type Cylindrée (l) Puissance (kW) Véhicule

1 Diesel 1,7 75 Mercedes Classe A

2 Diesel 1,7 75 Mercedes Classe A

3 Diesel 1,8 75

4 Diesel 1,8 75

5 TDI 1,9 66 Volkswagen

6 Diesel 1,9 60

7 TDI 1,9 67 Volkswagen

8 Diesel 1,9 110 General Motor

9 HDI 2 81 PSA

10 CIDI 2,2 92 Mercedes OM611

11 TDI 2,5 88 Audi

Moteurs thermiques pour groupe électrogène


N° Type Cylindrée (l) Puissance (kW) Véhicule

1 Diesel 10,8 246 Cummins

2 Diesel 12 321 Caterpillar

3 Diesel 15 324 Caterpillar

Résultats de pré-dimensionnementstructure parallèlemissions extra-urbaines

Influence des caractéristiques du châssis

Mission Cw mchâssis(kg)

Inclinaison Pmt(kW)

Ebat(kWh)

Pme(kW)

mtraction(kg)

Ccarb(l/100km)

Mesureextra-urbaine

0,25 1400

Avec 26 5 12 78 4,97

Sans 27 3 10 64 4,85

0,20 1400 Avec 23 3 12 61 4,50

0,25 500 Avec 19 2 12 43 3,39

Simulationsextra-urbaines

1000x2h0,25 1400 Avec 28 4 13 75 5,01

Pré-dimensionnement – structure série – mission extra-urbaine mesurée

Influence de l’inclinaison

Inclinaison prise en compte Inclinaison non prise en compte

Pré-dimensionnement – structure série – mission urbaine mesurée

Trajets urbains mesurés concaténés / séparés

Trajets mesurés concaténés

22 trajets séparément (recharge de la batterie entre chaque trajet)

Pré-dimensionnement {6kW ; 21kWh} – structure série – mission urbaine mesurée


Trajets mesurés concaténés

0 1 2 3 4 5 6 7 8 9 10x 104

-20

0

20

40

Puis

sanc

e (k

W)

pmepge

0 1 2 3 4 5 6 7 8 9 10x 104

-20

0

20

40

Puis

sanc

e (k

W)

pmepbat

0 1 2 3 4 5 6 7 8 9 10x 104

40

60

80

100

SOE

(%)

Temps (s)



0 1000 2000 3000 4000 5000 6000 7000 8000-50

0

50

Puis

sanc

e (k

W) pme

pge

0 1000 2000 3000 4000 5000 6000 7000 8000-50

0

50

Puis

sanc

e (k

W) pme

pbat

0 1000 2000 3000 4000 5000 6000 7000 800040

60

80

100

SOE

(%)

Temps (s)

Trajet n°15 contraignant



0 1000 2000 3000 4000 5000 6000 7000 8000-50

0

50

Puis

sanc

e (k

W) pme

pge

0 1000 2000 3000 4000 5000 6000 7000 8000-50

0

50

Puis

sanc

e (k

W) pme

pbat

0 1000 2000 3000 4000 5000 6000 7000 800040

60

80

100

SOE

(%)

Temps (s)

Trajet n°15 contraignant

83

84

85

Exemple du cycle de référence européen urbain ECE Parfaitement défini Simple Profil de vitesse non réaliste ! Inclinaison non prise en compte…

Exemple du cycle de référence Artemis urbain Parfaitement défini Réalisme (mesures >1000h et >7000 véhicules) Cycle unique pour représenter une mission Inclinaison non prise en compte…

Cycles de conduite de référence

0 50 100 150 2000

10

20

30

40

50

60

Temps (s)

Vite

sse

(km

/h)

0 200 400 600 8000

10

20

30

40

50

60

Temps (s)

Vite

sse

(km

/h)

87

Transports : Quelles solutions ?


CritèreVéhicule

électriqueà PAC (H)

Véhicule électriqueà batterie

Véhicule à moteur à

combustion

Véhicule électrique

hybrideBicyclette

Energie embarquée Rendement

Rejet de polluants Recyclage

Maintenance Durée de vie

Sécurité Autonomie

NOTE 0 1 2 3 6

Véhicule hybride : un compromis…

0 20 40 60 80 100 120-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)


-0.5 0 0.5-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)

-5 0 5-10

-5

0

5

10

15

20

25

30

35


Puis

sanc

e (k

W)

500 1000 1500-10

-5

0

5

10

15

20

25

30

35

Masse du véhicule (kg)

Puis

sanc

e (k

W)




m=1500kgγ=0m/s²=0%



Sensibilité de Proues à la masse

m=1500kgν=90km/h=0%

ν=90km/hγ=0m/s²=0%

3%

+100%

0,3 m/s²

+100%

3

+50%

Variation quadratique

120 km/h

28 kW

Variation linéaire

Variation linéaire Variation linéaire

88

0 20 40 60 80 100 120-800

-600

-400

-200

0

200

400

600

800


Forc

es (N

)

Fw : grande variationFr : constanteFh : nulleFa : nulle

Analyse de sensibilité (Forces)

-0.5 0 0.5-800

-600

-400

-200

0

200

400

600

800


Forc

es (N

)

Fw : constanteFr : constanteFh : nulleFa : grande variation

-5 0 5-800

-600

-400

-200

0

200

400

600

800


Forc

es (N

)

Fw : constanteFr : constanteFh : grande variationFa : nulle

500 1000 1500-800

-600

-400

-200

0

200

400

600

800

Masse du véhicule (kg)

Forc

es (N

)Fw : constanteFr : faible variationFh : nulle

Fa : nulle


Sensibilité des forces à la vitesse

Sensibilité des forces à l’inclinaison

m=1500kgγ=0m/s²=0%


Sensibilité des forces à l’accélération

Sensibilité des forces à la masse

m=1500kgν=90km/h=0%

ν=90km/hγ=0m/s²=0%

89

Documents

Gwenaëlle Souffran