En France, il existe deux modes de traction pour les trains : la traction diesel ou la traction électrique. Chaque mode fait face à des problématiques qui lui sont propres. Dans le cas du diesel, les émissions de gaz à effet de serre étant de plus en plus contrôlées, il devient nécessaire de faire évoluer ce type de train vers une solution moins polluante. Dans le cas de la traction électrique, la consommation d’énergie entraine une chute de tension qui peut imposer un ralentissement des trains, empêchant ainsi le développement du trafic. La solution étudiée par la SNCF est l’hybridation des trains (ajout de systèmes de stockage en embarqué).Ces travaux de thèse ont pour objectif de mettre en place une méthode permettant de faire le pré-dimensionnement des systèmes de stockage embarqués dans le train. De plus, afin de tenir compte de l’influence réciproque de la gestion sur le dimensionnement, celle-ci est incluse dans le modèle de dimensionnement. La résolution du modèle global se fait à l’aide d’un algorithme d’optimisation.La méthode a été mise en place sur les deux modes de traction ferroviaire (diesel et électrique) et l’optimisation a été faite avec l’algorithme SQP (Sequential Quadratic Programming). / In France, there are two traction modes for railway: the diesel and electric traction. Each mode has its own issues. For diesel, the increasing control of the greenhouse gas emissions imposes to evolve this type of train to a less polluting solution. For electric traction, the energy consumption creates a voltage drop which can cause a traffic slowdown, which will limit the traffic development. The studied solution by SNCF is the hybridization of the train (adding storage system).Thus, these works have the objective to build a method to do the pre-sizing of storage systems embedded in trains. Moreover, to take into account the mutual influence of the sizing and the energy management, this last one is included in the sizing model. An optimization algorithm solves the global model.The method has been developed for the two traction modes (diesel and electric) and the optimization has been made with SQP algorithm (Sequential Quadratic Programming).
| Identifer | oai:union.ndltd.org:theses.fr/2018GREAT099 |
| Date | 28 November 2018 |
| Creators | Poline, Marie |
| Contributors | Grenoble Alpes, Gerbaud, Laurent |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.002 seconds