No description available.

To cope with the increasing demand of a more sustainable mobility, the main Original Equipment Manufacturers are producing vehicles equipped with hybrid propulsion systems that increase the overall vehicle efficiency and mitigate the emission problem at a local level. The newly gained degrees of freedom of the hybrid powertrain need to be handled by advanced energy management techniques that allow to fully exploit the system capabilities. In this thesis we propose an optimal control approach to the solution of the energy management problem, putting emphasis on the importance of accurate models for the reliability of the optimization solution. In the first part of the thesis we address the energy management problem for a hybrid electric vehicle, including the mitigation of the battery aging mechanisms. We show that, with an optimal management strategy, we could extend the battery life up to 25% for some driving cycles while keeping the fuel savings performance substantially unaltered. In the second part of the thesis we focus on the hydrostatic hybrid transmission, a different hybridization solution that is able to fulfill the high power demand of heavy duty off-highway vehicles. Also in this case, we formulate the energy management problem as an optimal control problem, dealing with the complexity introduced by the discrete valve actuations in the framework of mixed-integer optimal control. We show that, using hydraulic accumulators to recover energy from the regenerative braking, we could reduce fuel consumption up to 13% for a typical driving cycle. In the third and last part of the thesis we show how the optimization approach can be used to systematically design and calibrate control algorithms, casting the calibration problem into a Linear Matrix Inequality. We first develop a non-overshooting closed-loop control for the actuation pressure of a wet clutch, proving the effectiveness of the control on an experimental setup. Finally, we focus on the design of a dead-zone based kinematic observer for the estimation of the lateral velocity of a road vehicle. The structure of the observer presents good noise rejection performance, allowing for the selection of a higher observer gain that improves the estimation accuracy.

Face à l'explosion du trafic mobile entraînée par le succès des smartphones, les opérateurs de réseaux mobiles (MNOs) densifient leurs réseaux à travers le déploiement massif des stations de base à faible portée (SBS), capable d’offrir des services très haut débit et de remplir les exigences de capacité et de couverture. Cette nouvelle infrastructure, appelée réseau cellulaire hétérogène (HetNet), utilise un mix de stations de base hiérarchisées, comprenant des macro-cellule à forte puissance et des SBS à faible puissance.La prolifération des HetNets soulève une nouvelle préoccupation concernant leur consommation d'énergie et empreinte carbone. Dans ce contexte, l'utilisation de technologies de production d'énergie dans les réseaux mobiles a suscité un intérêt particulier. Les sources d'énergie respectueuses de l'environnement couplées à un système de stockage d'énergie ont le potentiel de réduire les émissions carbone ainsi que le coût opérationnel énergétique des MNOs.L'intégration des énergies renouvelables (panneau solaire) et du stockage d'énergie (batterie) dans un SBS gagne en efficacité grâce aux leviers technologiques et économiques apportés par le smart grid (SG). Cependant, l'architecture résultante, que nous appelons Green Small-Cell Base station (GSBS), est complexe. Premièrement, la multitude de sources d'énergie, le phénomène de viellissement du système et le prix dynamique de l'électricité dans le SG sont des facteurs qui nécessitent planification et gestion pour un fonctionnement plus efficace du GSBS. Deuxièmement, il existe une étroite dépendance entre le dimensionnement et le contrôle en temps réel du système, qui nécessite une approche commune capable de résoudre conjointement ces deux problèmes. Enfin, la gestion holistique d’un HetNet nécessite un schéma de contrôle à grande échelle pour optimiser simultanément les ressources énergétiques locales et la collaboration radio entre les SBSs.Par conséquent, nous avons élaboré un cadre d'optimisation pour le pré-déploiement et le post-déploiement du GSBS, afin de permettre aux MNOs de réduire conjointement leurs dépenses d'électricité et le vieillissement de leurs équipements. L'optimisation pré-déploiement consiste en un dimensionnement du GSBS qui tient compte du vieillissement de la batterie et de la stratégie de gestion des ressources énergétiques. Le problème associé est formulé et le dimensionnement optimal est approché en s'appuyant des profils moyens (production, consommation et prix de l'électricité) à travers une méthode itérative basée sur le solveur non-linéaire “fmincon”. Le schéma de post-déploiement repose sur des capacités d'apprentissage permettant d'ajuster dynamiquement la gestion énergétique du GSBS à son environnement (conditions météorologiques, charge de trafic et coût de l'électricité). La solution s'appuie sur le fuzzy Q-learning qui consiste à combiner le système d'inférence floue avec l'algorithme Q-learning. Ensuite, nous formalisons un système d'équilibrage de charge capable d'étendre la gestion énergétique locale à une collaboration à l'échelle réseau. Nous proposons à ce titre un algorithme en deux étapes, combinant des contrôleurs hiérarchiques au niveau du GSBS et au niveau du réseau. Les deux étapes s'alternent pour continuellement planifier et adapter la gestion de l'énergie à la collaboration radio dans le HetNet.Les résultats de la simulation montrent que, en considérant le vieillissement de la batterie et l'impact mutuel de la conception du système sur la stratégie énergétique (et vice-versa), le dimensionnement optimal du GSBS est capable de maximiser le retour sur investissement. En outre, grâce à ses capacités d'apprentissage, le GSBS peut être déployé de manière plug-and-play, avec la possibilité de s'auto-organiser, d'améliorer le coût énergétique du système et de préserver la durée de vie de la batterie. / Pushed by an unprecedented increase in data traffic, Mobile Network Operators (MNOs) are densifying their networks through the deployment of Small-cell Base Stations (SBS), low-range radio-access transceivers that offer enhanced capacity and improved coverage. This new infrastructure – Heterogeneous cellular Network (HetNet) -- uses a hierarchy of high-power Macro-cell Base Stations overlaid with several low-power (SBSs).The augmenting deployment and operation of the HetNets raise a new crucial concern regarding their energy consumption and carbon footprint. In this context, the use of energy-harvesting technologies in mobile networks have gained particular interest. The environment-friendly power sources coupled with energy storage capabilities have the potential to reduce the carbon emissions as well as the electricity operating expenditures of MNOs.The integration of renewable energy (solar panel) and energy storage capability (battery) in SBSs gain in efficiency thanks to the technological and economic enablers brought by the Smart Grid (SG). However, the obtained architecture, which we call Green Small-Cell Base Station (GSBS), is complex. First, the multitude of power sources, the system aging, and the dynamic electricity price in the (SG) are factors that require design and management to enable the (GSBS) to efficiently operate. Second, there is a close dependence between the system sizing and control, which requires an approach to address these problems simultaneously. Finally, the achievement of a holistic management in a (HetNet) requires a network-level energy-aware scheme that jointly optimizes the local energy resources and radio collaboration between the SBSs.Accordingly, we have elaborated pre-deployment and post-deployment optimization frameworks for GSBSs that allow the MNOs to jointly reduce their electricity expenses and the equipment degradation. The pre-deployment optimization consists in an effective sizing of the GSBS that accounts for the battery aging and the associated management of the energy resources. The problem is formulated and the optimal sizing is approximated using average profiles, through an iterative method based on the non-linear solver “fmincon”. The post-deployment scheme relies on learning capabilities to dynamically adjust the GSBS energy management to its environment (weather conditions, traffic load, and electricity cost). The solution is based on the fuzzy Q-learning that consists in tuning a fuzzy inference system (which represents the energy arbitrage in the system) with the Q-learning algorithm. Then, we formalize an energy-aware load-balancing scheme to extend the local energy management to a network-level collaboration. We propose a two-stage algorithm to solve the formulated problem by combining hierarchical controllers at the GSBS-level and at the network-level. The two stages are alternated to continuously plan and adapt the energy management to the radio collaboration in the HetNet.Simulation results show that, by considering the battery aging and the impact of the system design and the energy strategy on each other, the optimal sizing of the GSBS is able to maximize the return on investment with respect to the technical and economic conditions of the deployment. Also, thanks to its learning capabilities, the GSBSs can be deployed in a plug-and-play fashion, with the ability to self-organize, improve the operating energy cost of the system, and preserves the battery lifespan.

Le véhicule hybride électrique dispose de deux sources d’énergie distinctes pour se mouvoir : le carburant, ainsi qu’un système de stockage électrique ayant la particularité d’être réversible. La loi de gestion d’énergie a pour objectif de superviser les flux de puissance dans le groupe motopropulseur en intervenant sur le point de fonctionnement des organes de celui-ci, et ce dans le but d’optimiser un critère donné. La loi de gestion d’énergie se formalise donc par un problème de commande optimale dont le critère à minimiser tient compte de la consommation de carburant du véhicule sur un trajet donné. La solution de ce problème peut se calculer hors ligne lorsque toutes les données du trajet sont parfaitement connues à l’avance, hypothèse qui n’est plus admissible pour une stratégie embarquée sur véhicule dont l’objectif est alors de s’approcher au maximum du résultat optimal. Les travaux présentés dans ce manuscrit mettent en avant la commande optimale orientée multi-objectif pour répondre à la problématique du compromis inter-prestations au coeur du développement d’un véhicule de série. Une loi de gestion d’énergie tenant compte du compromis entre consommation et agrément de conduite, ainsi qu’une autre traitant le compromis entre consommation et vieillissement batterie sont proposées. Les stratégies présentées s’inscrivent également dans une approche modulaire tirée de la solution de nature transversale issue de l’Equivalent Consumption Minimization strategy (ECMS). Ainsi, la commande du véhicule hybride rechargeable, du Mild-Hybride, ainsi que d’architectures hybrides complexes disposant d’une transmission automatique, de deux machines électriques ou deux systèmes de stockage électriques, est ici traitée à travers un socle commun. Cette approche permet de réduire le temps de développement des stratégies qui partagent un maximum d’éléments communs. / The hybrid electric vehicle uses two different energy sources to propel itself: fuel as well as a reversible electric storage system. The energy management strategy aims at supervising the power flows inside the powertrain by choosing the operating points of the different components so as to optimize a given criterion. The energy management strategy is formulated as an optimal control problem where the criterion to be minimized takes into account the total fuel consumption of the vehicle on the considered trip. The optimal solution can be calculated off-line when the vehicle’s mission is perfectly known, an assumption no longer admissible for an embedded strategy whose main objective is to get as close as possible to the optimal result. The work presented in this manuscript highlights the potential of multi-objective optimal control to handle the features’ trade-offs inherent to the development of production vehicle. An energy management strategy taking into account the trade-off between fuel consumption and drivability, as well as one dealing with the trade-off between fuel consumption and battery state of health, are proposed. The presented strategies share a modular approach following the transversal solution of the Equivalent Consumption Minimization Strategy (ECMS). As a result, the control policy of the plug-in hybrid electric vehicle, the Mild-Hybrid, together with complex hybrid architectures provided with an automated transmission, two electric machines or two electric storage systems, is tackled through a common base. This approach allows to reduce the development period of the energy management strategies which shares a maximum of common elements.

Dans cette thèse, les mécanismes de vieillissement des cellules Li-ion sont analysés sur un niveau théorique,assisté par une AMDEC (Analyse des modes de défaillance, de leurs effets et de leur criticité). L'accent est mis surla famille des cellules lithium fer phosphate (LFP) utilisées comme batteries de traction dans les applicationsvéhicules électriques.L'objectif de la partie xpérimentale de cette thèse est le développement d'un concept d'un outil de diagnostic pourla détermination rapide d'état de la batterie. Une expérience de vieillissement accélérée est réalisée avec un groupede cellules LFP de haute capacité (70Ah). Les cellules sont analysées en utilisant des méthodes de mesured'impédance dans les domaines temporel et fréquentiel. La pectroscopie d'Impédance Électrochimique (SIE, ouEIS en anglais) s'est trouvée être un bon outil pour révéler des informations intéressantes sur l'état de santé (Stateof-Health, SOH) de la batterie.Des modèles de batterie sont utilisés pour l'interprétation des résultats de mesure. En comparant différents modèlesdu circuit équivalent (ECMs), un modèle est choisi. Ce modèle est utilisé pour la détermination du SOC et étendupour la détermination du SOH. Un concept pour la détermination du SOH est développé, permettant uneapproximation de la capacité de la batterie dans une période de temps de moins de 30s, si les onditions de labatterie et d'environnement, comme la température et l'état de charge de la batterie, sont connus. / In this thesis, the aging mechanisms withing Li-ion cells are analyzed on a theoretical level, supported by an FMEA(Failure ode and Effects Analysis). The focus lies on the group of lithium iron phosphate (LFP) cells used fortraction batteries in electric vehicles. Scope of the experimental part of the thesis is the development of a diagnosticconcept for the quick battery state determination. A group of high capacity LFP cells (70Ah) designed for tractionpurposes in electric vehicles is aged artificially and investigated afterwards by impedance measurements in the timeand frequency domain. Electrochemical impedance spectroscopy (EIS) is found to reveal interesting information onthe battery's State-of-Health (SOH).For the interpretation of the measurement results, battery models are employed. Different equivalent circuit models(ECMs) are compared and an appropriate model is chosen, which is used for the SOC (State-of-Charge)determination and extended for the SOH (State-of-Health) determination. An SOH determination concept isdeveloped, which allows the approximation of the cell capacity in less than 30s, if the battery and environmentalconditions, such as the temperature and the cell's SOC, are known.