Powertrain sizing for hybrid electric vehicles based on a stochastic modeling of driving missions

Dimensionnement de la chaîne de traction d'un véhicule électrique hybride basé sur une modélisation stochastique de ses profils de mission

Gwenaëlle Souffran (1, 2)

1 Maîtrise de l'Energie Electrique
2 IREENA - Institut de Recherche en Energie Electrique de Nantes Atlantique EA4642

At a time when the automobile must comply with increasingly stringent environmental issues, the powertrain sizing is a major concern in the design of a hybrid electric vehicle which is at the heart of the energy savings challenge. In this context, the present work introduces a methodological approach to pre-size the drivetrain elements (engine, electric machine and battery) given the mission profiles related to the vehicle use (urban, extra urban) and considering no prior choice in selecting either the powertrain structure (serial or parallel) or the components rated power. The originality of the work is focused on two prime advances. On one hand, a model of the vehicle use is implemented to characterize a mission defined by the triplet of variables {speed; acceleration; road slope}. This model, based on the Markov matrix formulation, preserves the correlation between these variables and their statistical characteristics. Further to this modeling, a large family of vehicle missions can be randomly generated. On the other hand, the hybrid powertrain is modeled along a power flow approach for both series and parallel structures. Generic per-unit models of the components are used in order to avoid an a priori choice of their rated power and an online energy management maximizing the drivetrain efficiency is proposed. Finally, a sizing algorithm is implemented to minimize the vehicle fuel consumption on a set of simulated vehicle missions. The resulting sizing is thus optimized with respect to the intended vehicle use.

A l'heure où l'automobile doit répondre à des enjeux environnementaux majeurs, le dimensionnement de la chaîne de traction est l'une des problématiques clef dans la conception d'un véhicule électrique hybride afin d'améliorer sa consommation énergétique. Dans ce contexte, nous proposons de pré-dimensionner les éléments de la chaîne de traction (moteur thermique, machine électrique et batterie) en considérant les profils de mission liés à l'usage du véhicule (urbain, extra-urbain) et sans choix a priori, ni de la structure (série ou parallèle), ni de la puissance nominale des composants. L'originalité des travaux repose ainsi sur deux axes. D'une part, un modèle de l'usage d'un véhicule est développé afin de caractériser une mission définie par le trio de variables {vitesse ; accélération ; inclinaison}. Ce modèle, basé sur la matrice de Markov, permet de conserver la corrélation entre les trois variables ainsi que leurs caractéristiques statistiques. Suite à cette modélisation, de nombreuses missions peuvent être générées aléatoirement. D'autre part, la chaîne de traction hybride est modélisée selon une approche par flux de puissance pour les deux structures série et parallèle. Des modèles génériques adimensionnels des composants sont alors utilisés de manière à ne pas faire de choix a priori sur leur valeur nominale et une stratégie de gestion de l'énergie en ligne maximisant le rendement de la chaîne de traction est proposée. Enfin, un algorithme de dimensionnement a été développé de manière à minimiser la consommation de carburant du véhicule sur un ensemble de missions simulées. Le dimensionnement obtenu est donc optimisé par rapport à l'usage prévu du véhicule.

Mots clés: Hybrid electric vehicle; Markov matrix; Driving cycle; Mission profiles; Stochastic approach; Power exchanges modeling; Sizing; Online energy management

Mots clés: Véhicule électrique hybride; Matrice de Markov; Cycle de conduite; Profils de mission; Approche stochastique; Modélisation par flux de puissance; Dimensionnement; Gestion d'énergie en ligne

Domaines: Energie électrique; Applications [stat.AP]

Gwenaëlle Souffran. Dimensionnement de la chaîne de traction d'un véhicule électrique hybride basé sur une modélisation stochastique de ses profils de mission. Energie électrique. Université de Nantes, 2012. Français. ⟨NNT : ⟩. ⟨tel-00782511⟩