Annonce détaillée
Transcription
Annonce détaillée
Proposition de thèse CIFRE – Transdev / IFSTTAR Optimisation multicritère de la gestion de la recharge d’une flotte de bus électriques Cette thèse sera effectuée dans le cadre d’un partenariat entre le groupe Transdev (http://www.transdev.com/fr) et le Laboratoire Transports Environnement (LTE) de IFSTTAR (http://www.lte.ifsttar.fr). Le financement est demandé à l’ANRT (http://www.anrt.asso.fr/) Personne à contacter : Rochdi TRIGUI, [email protected] Directeur de la thèse Serge PELISSIER, [email protected] directeur du LTE Contexte Le renouvellement des véhicules de transport en commun fait l’objet depuis août 2015 d’un encadrement par la loi dite Loi de Transition Energétique. Face à ce nouveau contexte, le Groupe Transdev se positionne en soutien des agglomérations pour accompagner ce changement et apporter son expertise technique sur les possibles solutions à implémenter. L’avènement des bus électriques de grande capacité dans les réseaux de transport publics impose de réfléchir aux futurs besoins des systèmes de rechargement. En effet les puissances électriques nécessaires auront un impact sur les coûts d’abonnement, l’architecture physique, électrique du dépôt et la problématique de la gestion de la pointe de consommation électrique. Un grand nombre de véhicules vont devoir être rechargés simultanément la nuit, appelant un pic de consommation. Afin d’optimiser les temps de recharge et d’éviter les appels de puissance, il est nécessaire de spécifier une infrastructure de charge intelligente (smart) permettant d’optimiser cette dernière, en dialoguant intelligemment avec le véhicule, indépendamment du modèle. Le moment de la recharge et le niveau de puissance appelée sont des facteurs dimensionnant pour les infrastructures (sous stations) et les contrats d’abonnement électriques. L’interopérabilité entre les réseaux d’alimentation, les bornes et les véhicules est indispensable, imposant alors d’établir un protocole de dialogue standardisé entre les trois systèmes. Cette infrastructure doit permettre aux véhicules électriques de communiquer de manière intelligente avec le réseau électrique et de déterminer les temps de recharge de manière optimale en fonction des entrées d’énergie commandées par les véhicules, et de la demande cumulative du réseau à tout instant. En outre, un système de supervision et d’exploitation du réseau de bornes de recharge est indispensable pour prévenir toute défaillance de recharge synonyme de service non assuré. L’architecture de recharge « Smart » doit prendre en compte les missions qui sont confiés à chaque véhicule afin de prioriser les véhicules devant faire le plus de kilomètres ou prendre le service plus tôt tout en tenant compte de l’état de charge et de santé de leurs batteries. Il est donc nécessaire de déterminer une gestion optimale de l’énergie de la flotte de bus dans le respect des contraintes d’exploitation en explorant les différentes solutions aussi bien au niveau des technologies (véhicules et stations de recharge) que de la planification temporelle des opérations. 1 Une attention particulière doit être accordée à la durée de vie des batteries qui sont un des éléments déterminants pour le succès d’une mobilité électrique. Contenu du travail de thèse La problématique de la thèse est centrée sur la gestion de la recharge d’une flotte de bus électriques. Il conviendra d’étudier les différentes stratégies de charge possibles et de les optimiser au regard des contraintes en lien avec : la nature du parc : nombre de véhicules, types de véhicules électriques (avec ou sans prolongateur d’autonomie, avec ou sans pile à hydrogène,… ) les choix technologiques pour le stockage embarqué : possibilité ou non de biberonnage, d’échange de batteries, … l’exploitation des véhicules : profil de mission, disponibilité, continuité de service, priorité de service, ... les conditions de vieillissement des batteries : condition de stockage, recharge et décharge, y compris les phases d’équilibrage,… l’architecture de l’infrastructure de charge : nombre de points de charge, présence de stockage stationnaire, rendements, … le dimensionnement du réseau d’alimentation : appel de puissance, puissance moyenne, … les fonctionnalités du réseau d’alimentation : stockage, V2G1, V2V2, … les technologies de recharge : lentes, rapides, … La thèse permettra d’optimiser la gestion de l’énergie suivant plusieurs scénarios technologiques et/ou organisationnels dans l’objectif principal de réduire la consommation et de limiter les appels de puissance sur le réseau de distribution extérieur. Elle débouchera sur des préconisations de choix technologiques et permettra de dimensionner les échanges énergétiques d’un dépôt de bus électriques avec le réseau de distribution. Elle devra vérifier que les solutions préconisées sont compatibles avec les contraintes opérationnelles spécifiques du secteur pour garantir leur faisabilité et mesurer leur impact organisationnel. Ce travail s’appuiera sur une expérience du laboratoire LTE dans le domaine de la modélisation et la gestion de l’énergie des véhicules électriques et hybrides [1-5] ainsi que dans la thématique du vieillissement en usage des batteries [6-8]. Transdev possède des données issues de diverses expérimentations de bus électriques qui pourront être mises à disposition pour ces recherches. Le travail débutera par un état de l’art des travaux publiés aussi bien sur les modélisations de déploiement de bus électriques [9-10], les algorithmes de gestion de flottes [11] que sur les effets sur les réseaux de distribution [12-13] ou sur les batteries [14]. 1 V2G : Vehicle to Grid ; fonctionnement d’une architecture de recharge pour lequel les véhicules peuvent se décharger dans le réseau. 2 V2V : Vehicle to Vehicle ; système qui permet à deux véhicules d’échanger entre eux de l’information ou de l’énergie 2 Planning prévisionnel de la thèse Première période : 6 mois La thèse débutera par une période de découverte des différents métiers et différentes contraintes qui interviennent dans la gestion d’une flotte de bus afin d’établir un cahier des charges pour les cas étudiés pendant la thèse. Localisé sur un site de Transdev pendant cette période, le doctorant aura en charge d’analyser le fonctionnement existant des flottes de véhicules diesel et de collecter les informations nécessaires pour alimenter son sujet de thèse. En particulier, il étudiera les premières expérimentations de déploiement de bus électriques en France et dans le monde. Une classification des méthodes et des bornes de recharges existantes sera réalisée. Deuxième période : du 6ème mois au 18ème mois Sur cette période le doctorant sera accueilli dans les locaux de l’IFSTTAR à Bron. Les travaux pendant cette période comporteront trois parties : 1- Prise en main des logiciels et acquisition des connaissances du laboratoire : o o o outils de simulation système du laboratoire Transports et Environnement modèles des batteries et de leurs vieillissements outils d’optimisation 2- Etude bibliographique sur les méthodes de gestion optimale de flotte de véhicule suivant les critères considérés : o o o o o énergie durée de vie des batteries niveau de sollicitation du réseau électrique disponibilité des véhicules coût total d’exploitation 3- Mise en oeuvre des modèles et des principes de gestion o o o Modélisation énergétique des bus électriques avec et sans prolongateur d’autonomie à base de Pile à Combustible Déclinaison du cahier des charges de l’exploitation (missions, contraintes, ) comme entrée du modèle Développement et simulation des scénarios de flottes et de leur gestion Troisième période : du 18ème au 24éme mois Chez Transdev : o Evaluation des scénarios par rapport à la réponse au cahier des charges o Retour sur la faisabilité o Etude des aspects économiques Quatrième période : du 24ème au 36éme mois 3 Lieu : IFSTTAR de Bron o Mise en oeuvre d’un ou plusieurs critère d’optimisation o Optimisation des scénarios selon ces critères o Analyse des retombées et des verrous éventuels o Projection par rapport à l’évolution des technologies futures (sur les batteries, la PAC, ...) o Rédaction de la thèse (6 mois) Références [1] S. Kermani, R. Trigui, S. Delprat, B. Jeanneret, T. M. Guerra (2011). PHIL Implementation of Energy Management Optimization for a Parallel HEV on a Predefined Route. IEEE Transaction on Vehicular Technology. vol. 60, no. 3, March 2011, pp. 782-792. [2] Felicitas Mensing, Eric Bideaux, Rochdi Trigui, Helene Tattegrain (2013). Trajectory optimization for eco-driving taking into account traffic constraints. Transportation research part D 18 (2013) 55-61. [3] Fouad Baouche, Romain Billot, Rochdi Trigui, Nour-Eddine El Faouzi Efficient Allocation of Electric Vehicles Charging Stations: Optimization Model and Application to a Dense Urban Network. IEEE Transaction on Intelligent Transportation Systems. Acceptée à paraitre. [4] Trigui R., Jeanneret B., Badin F. (2004) Modélisation systémique de véhicules hybrides en vue de la prédiction de leurs performances énergétiques et dynamiques - Construction de la bibliothèque de modèles VEHLIB. Recherche Transports Sécurité vol. 21 n° 83, 129-150. ISSN 0761-8980. [5] E. Vinot, J. Scordia, R. Trigui, B. Jeanneret, F. Badin (2008) Model simulation, validation and case study of the 2004 THS of Toyota Prius. International Journal of Vehicle System Modelling and testing. Vol 3, No 3, 2008. pp. 139-167. [6] François Savoye, Pascal Venet, Serge Pélissier, Michael Millet, Jens Groot (2015) Impact of periodic current pulses on Li-ion batteries lifetime in vehicular application International Journal of Electric and Hybrid Vehicle, Vol. 7, No. 4, pp. 323-341, 2015. [7] Arnaud Devie, Emmanuel Vinot, Serge Pélissier, Pascal Venet (2012) Real-world battery duty profile of a neighbourhood electric vehicle Transportation Research Part C, 25, pp.122–133, 2012. [8] M. Kassem, J. Bernard, R. Revel, S. Pélissier, F. Duclaud, C. Delacourt (2012) Calendar aging of a graphite/LiFePO4 cell Journal of Power Sources, 208, 296–305, 2012. [9] F. Burmeister, L. Schnieder, T. Kurczveil (2015) Simulation Based Studies on the Integration of Battery-Electric Vehicles in Regional Bus Services IEEE 18th International Conference on Intelligent Transportation Systems, 15-18 Sept., 2015, Canary Islands, Spain 4 [10] Junjie Hu, Hugo Morais, Tiago Sousa, Morten Lind (2016) Electric vehicle fleet management in smart grids : A review of services, optimization and control aspects Renewable and Sustainable Energy Reviews, 56, 1207–1226, (2016) [11] Edgar Galván-López, Tom Curran, James Mc Dermott, Paula Carroll (2015) Design of an autonomous intelligent Demand-Side Management system using stochastic optimisation evolutionary algorithms Neurocomputing 170, 270–285 (2015) [12] Philipp Sinhubera, Werner Rohlfsa, Dirk Uwe Sauer (2012) Study on Power and Energy Demand for Sizing the Energy Storage Systems for Electrified Local Public Transport Buses IEEE Vehicle Power and Propulsion Conference, 9-12 Oct. ,2012, Seoul, Korea [13] Dejan Ilic, Stamatis Karnouskos, Michael Beigl (2015) Improving accuracy of energy forecasting through the presence of an electric vehicle fleet Electric Power Systems Research, 120, 32–38 (2015) [14] Andrea Marongiu, Marco Roscher, Dirk Uwe Sauer (2015) Influence of the vehicle-to-grid strategy on the aging behavior of lithium battery electric vehicles Applied Energy, 137, 899–912 (2015) 5