Gestion de l’énergie intégrant les variations de comportement non modélisées dans un véhicule électrique à pile à combustible

Les besoins énergétiques mondiaux grandissants et dus à la forte croissance des pays émergents constituent une problématique majeure pour la communauté internationale. Le secteur du transport est particulièrement dépendant des combustibles fossiles et spécifiquement du pétrole. L’ agence internationale de l’ énergie a mis en lumière qu’ à l’horizon 2040 le prix du baril de pétrole serait fatalement élevé malgré les avancées technologiques en matière d’ extraction et une politique favorable à l’ amélioration du rendement énergétique [1]. La pérennité de l’ économie mondiale est menacée, de plus l’utilisation des combustibles fossiles impactes de plus en plus les changements climatiques. En effet, les combustibles fossiles sont responsables en grande partie des émissions de Gaz à Effet de Serre Anthropologique (GESA), conduisant ainsi à la modification des écosystèmes.

Le secteur automobile constitue une part importante dans les émissions de GESA au Québec [2]. D’ après le Ministère du Développement durable, de l’Environnement et des Parcs, le secteur du transport des biens et personnes est responsable de 44.7% des émissions de GESA au Québec  . Le Québec importe la totalité de son pétrole pour le raffiner par la suite . Cela représente selon l’institut statistique du Québec une facture annuelle de 10 998 millions de dollars canadiens. Le pétrole est majoritairement responsable de la balance commerciale énergétique négative (charbon: 212 M$ et gaz naturels : 1 160 M$). Avec le temps, la balance énergétique négative québécoise croit fatalement et des solutions énergétiques alternatives pour le transport doivent émerger.

Actuellement, le véhicule électrique hybride à moteur à combustion interne (VEH) est une solution viable, mais toujours dépendante des énergies fossiles. Le véhicule tout électrique (VTE) à batterie (VB) est une alternative sérieuse au VEH. Cependant, la problématique du temps de recharge, la basse capacité, le coût, la faible plage de température de fonctionnement et le nombre de cycles des batteries sont un frein à l’implantation du VB [3].

Une des solutions prometteuses est le véhicule hybride pile à combustible (VHPAC) et en particulier le VHPAC à pile PEM (Proton Exchange Membrane). Ce type de véhicule se caractérise par une émission locale de polluant nulle, une efficacité énergétique supérieure au moteur à combustion (dans les VEH), et un temps de recharge faible (quelques minutes, contrairement aux batteries qUI demandent plusieurs dizaines de minutes, pour les meilleures recharges rapides) [4]

Dans le transport, la pile PEM est généralement retenue, car cette dernière possède des avantages par rapport aux autres technologies (ex : solide oxyde, alcalin, direct methanol … ) telles que la basse température de fonctionnement, une tolérance au C02 (utilisation de l’air comme comburant), ainsi que des densités de puissance élevées. Par contre, la pile PEM souffre d’ une forte sensibilité à la pureté de l’hydrogène, d’une nécessité forte d’ équilibrer l’ humidification et d’un prix de catalyseur élevé, d’où la nécessité d’ auxiliaires performants [5 , 6].

La pile PEM pâtie aussi d’une limitation dynamique et devrait être surdimensionnée, en puissance notamment, pour répondre seule aux transitoires de la charge (par exemple: démarrage du véhicule). La cause est que la pile PEM est limitée par la dynamique fluidique et un phénomène de famine est observé quand une consigne de puissance de dynamique et d’ amplitude élevées est imposée à la pile. Dans une architecture de véhicule pile à combustible, il est nécessaire d’hybrider avec une source secondaire (batterie de puissance, supercondensateur, volant inertieL..) pour répondre aux fortes dynamiques et satisfaire la demande du conducteur ainsi que pour récupérer l’ énergie au freinage [7]. Comme l’hybridation induit une répartition de l’ énergie entre au moins deux sources, la recherche de Stratégies de Gestion de l’Énergie (SGE) s’impose.

Dans la littérature, les SGE pour le VHP AC peuvent se définir en deux classes : les SGE basées sur des règles et celles basées sur le contrôle optimal [8].

Les SGE basées sur des règles sont développées à partir des connaissances des experts sur un système donné (par ex.: le VHP AC). Ces types de SGE sont basées sur des heuristiques, qui prennent une forme déterministe (par ex : SGE thermostatique ou on/off), adaptative ou prédictive et sont facilement intégrables ainsi qu’ efficientes sur un système en temps réel.

La seconde approche sur les SGE qui est basée sur l’optimisation se scinde en deux parties: l’optimisation globale et l’optimisation en temps réel. Ces deux méthodes s’appuient sur l’optimisation d’ une fonction coût traduite soit par la consommation de carburant (par ex. : hydrogène), par l’ efficacité ou par la puissance du système (par ex. : rendement du système pile à combustible).

La littérature abonde de SGE sur les véhicules hybrides, cependant, ce travail de thèse met une emphase sur les SGE temps réel appliquées au VHP AC. À cet effet, Payman et al. [9] propose une commande par platitude afin de réguler le bus continu et réalise une validation expérimentale. Feroldi et al. [10] développe une SGE basée sur la cartographie du rendement et intègre ce travail dans un banc test en temps réel. Leurs études montrent que la consommation d’ hydrogène est drastiquement réduite. Hemi et al. [11] développe une SGE basée sur la répartition optimale de la puissance avec l’application du principe du de Pontriaguine. Une étude de simulation est faite sur un système VHPAC complet. Bernard et al. [12] conçoie une SGE dérivée de la théorie de commande optimale (principe de Pontriaguine) afin de minimiser la consommation d’hydrogène et fournie des résultats expérimentaux. Farouk et al. [13] propose une étude comparative entre une SGE basée sur la logique floue et une autre basée sur la commande optimale adaptée en ligne. La conclusion de ce travail validé expérimentalement, montre que de meilleures performances sont obtenues avec la commande optimale puisque la consommation d’ hydrogène est plus faible.

En effet, la pile à combustible est un système multiphysique, et en conséquence la puissance et le rendement de la pile sont fortement dépendants des conditions opératoires et de dégradations. Les figures 3 et 4 montrent les variations des performances de deux piles PEM de modèle identique  , mais avec une durée de fonctionnement différente. Les performances en puissance maximum chutent de 30% et le rendement maximum baisse de 9%. Également, les points d’ opérations permettant d’ atteindre la meilleure puissance et le meilleur rendement varient sensiblement. Par exemple, il faut un courant différent pour atteindre la meilleure puissance en début et en fin de vie. De plus, deux piles à combustible sorties d’usine et supposées identiques présentent des disparités de fonctionnement et de performance importantes (la production n’ est pas encore uniforme). Dans une SGE classique, la pile à combustible avec les performances d’usine est considérée, par conséquent, la SGE n’ est plus valide (ou, en tous cas, n’ est plus optimale) quand les performances de la pile à combustible changent.

Table des matières

Chapitre 1 – Introduction
1.1 Contexte: Développement durable ou consumérisme?
1.2 Stratégies de gestion d’énergie pour les véhicules à pile à combustible: importance des variations de performances de la P AC et nécessité d’une gestion adaptative
1.2.1 Problématique
1.2.2 Objectif général
1.2.3 Méthodologie et objectif spécifi ques
1.3 Plan de thèse
Chapitre 2 – Article 1 : Identification en ligne d’un modèle semi empirique de pile PEM
2.1 Introduction
2.2 Model identification method of fuel cell systems
2.3 PEMFC model overview
2.3. 1 Srinivasan et al. model
2.3.2 Kim et al. model
2.3.3 Lee et al. model
2.3.4 Mann et al. model
2.3 .5 Squadrito et al. model
2.3.6 Kulikovsky et al. model
2.3.7 Model selection
2.4 Online modeling with ARLS
2.4.1 Recursive identification algorithm
2.4.2 Adaptive RLS implementation
2.4.3 Determination of the experimental initial parameters
2.5 Experimental validation
2.5 .1 Test-bench description
2.5.2 Experimental study under load variation
2.6 Simulation and experimental results discussion
2.7 Conclusion
Chapitre 3 – Article 2 : Validation de la méthode de recherche des maximums avec une stratégie simple
3.1 Introduction
3.2 Architecture of the hybrid system
3.2.1 FC-HEV Description
3.2.2 Description of the Test Bench
3.3 Energy management strategy
3.3.1 Hysteresis Power Split Strategy
3.3.2 First step of the ESP: Adaptive Recursive Least Square Aigorithm
3.3.3 Second step of the ESP: the Sequential Optimisation
3.4 Experimental identification and estimation of the model
3.4.1 Experimental Identification of a Semi-Empirical Model
3.4.2 Experimental Identification of the Hydrogen Molar Flow
3.4.3 Flow Experimental Estimation of the PEM-FC Characteristics
3.5 Experimental study
3.5.1 Case study: EMS with the 20 hours aged PEM-FC
3.5.2 Case study: EMS with the 300 hours aged PEM-FC
3.6 Conclusion
Chapitre 4 – Article 3 : Stratégie de contrôle optimal adaptatif
4.1 Introduction
4.2 Architecture of the hybrid system
4.2.1 The PEM-FC low speed vehicle némo
4.2.2 Global view of the designed EMS
4.3 Real time optimization process
4.3.1 Optimal strategy based on the PMP: Formulation
4.3.2 Constant co-state definition
4.3.3 Reformulation for optimality
4.3.4 Real-time implementation of the optimization
4.4 Online extremum seeking process
4.4.1 Adaptive recursive least square algorithm
4.4.2 Experimental identification of the hydrogen molar flow
4.4.3 Experimental estimation of the FC characteristics
4.4.4 Sequential optimization
4.5 Energy management results
4.5.1 A-PMP versus PMP: validation with healthy FC
4.5.2 Validation of online EMSs with degradation effect
4.5.3 Adaptation behavior of strategy with degradation
4.6 Conclusion
Conclusion générale

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *