Les véhicules à pile à combustible (FCV) ont été largement considérés comme des substituts aux véhicules traditionnels à moteur à combustion interne (ICE). Dans le but de réduire les couts d’opération de ces FCV, il est nécessaire d’optimiser l’efficacité énergétique des sources d’énergie à hydrogène. Différents types de stratégies de gestion énergétiques (SGE) ont ainsi été conçues.
Alors que la modularité matérielle a déjà été étudiée dans les FCV multi-piles, la modularité logicielle a quant à elle échappé à l’attention des chercheurs. L’aspect de modularité matérielle des systèmes multi-piles à combustible (MFCS) est lié à la flexibilité et à la reconfiguration dans différentes structures électriques et fluidiques.
La revue de littérature montre que la plupart des approches existantes de distribution de puissance sont centralisées. De plus, certains problèmes liés à l’efficacité, la disponibilité, la modularité, la flexibilité (plug & play), la robustesse, la durabilité et le coût, restent à résoudre. À cet égard, cette thèse a porté un intérêt particulier à une nouvelle orientation de gestion énergétique appelée stratégie d’allocation décentralisée de la puissance. Celle-ci vise à surmonter les limites de gestion et à augmenter la fiabilité et l’évolutivité du système de prise de décision.
Contrairement aux approches typiques de gestion énergétique centralisée, un schéma de contrôle décentralisé prend en considération des unités de contrôle connectées légères au lieu de grandes unités centralisés pour augmenter la fiabilité et les caractéristiques d’évolutivité du système. Plusieurs SGE décentralisées sont établies, visant à fournir un système de groupe motopropulseur robuste et modulaire.
Les principales contributions de la thèse sont décrites : tout d’abord, une méthode de stratégie décentralisée de distribution de puissance est développée pour établir la preuve de concept. Ensuite, une comparaison complète est effectuée pour démontrer les principales caractéristiques des algorithmes d’optimisation décentralisés dans le domaine de la gestion énergétique. Enfin, une méthode de contrôle prédictif de modèle décentralisé est introduite pour la prise de décision en temps réel car elle peut gérer des systèmes contraints variants dans le temps et est adaptée à l’intégration d’informations prédictives de conduite. De plus, une méthode de réglage basée sur l’apprentissage est intégrée pour rechercher les hyperparamètres optimaux de la SGE suggérée.
Thèse de doctorat en génie électrique soutenue le 10 février 2022.
Membres du jury
