EP4228920A1 - Procédé de gestion optimisée du sequencement de la charge de véhicules sur un réseau électrique local - Google Patents

Procédé de gestion optimisée du sequencement de la charge de véhicules sur un réseau électrique local

Info

Publication number
EP4228920A1
EP4228920A1 EP21786862.9A EP21786862A EP4228920A1 EP 4228920 A1 EP4228920 A1 EP 4228920A1 EP 21786862 A EP21786862 A EP 21786862A EP 4228920 A1 EP4228920 A1 EP 4228920A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
charging
vep
battery
sequencing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21786862.9A
Other languages
German (de)
English (en)
Inventor
Paul Malisani
Philippe Pognant-Gros
Jiamin Zhu
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Publication of EP4228920A1 publication Critical patent/EP4228920A1/fr
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/126—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving electric vehicles [EV] or hybrid vehicles [HEV], i.e. power aggregation of EV or HEV, vehicle to grid arrangements [V2G]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Definitions

  • the technical field of the present invention relates to a method and to hardware and software devices allowing optimized management of an electrified vehicle charging infrastructure (electric or plug-in hybrid vehicles).
  • the charging infrastructure may include at least one electrical micro-grid connected to the public distribution network, as well as charging terminals. These terminals can be associated with a device for automatic connection of vehicles to the terminals. This case has the advantage of pooling a charging station for several parking spaces, for several vehicles, but raises the question of the sequencing of charges: when to disconnect the charging station from vehicle i to connect it to vehicle j.
  • Patent application WO 2019/126806 A1 describes a method and a device for dimensioning a charging infrastructure and controlling the charging of vehicles. Two approaches are presented, one deterministic, the other stochastic. To control the load, an optimization under constraints is carried out over a 24-hour horizon. However, this method does not take into account a priori knowledge on the batteries of the vehicles in order to optimize a strategy for sequencing and controlling the loads.
  • Patent application WO 2019/109084 A1 describes the control of one or more simultaneous charging infrastructures using a quadratic optimization criterion associated with each charging infrastructure.
  • the objective here is to control all the infrastructures from centralized control laws.
  • Patent application US 2017/0036560 A1 describes forecasts of power and charging energy required for electric vehicles on a mission. These forecasts make it possible to distribute future charging needs within a network of charging stations. Vehicles can be guided to charging stations available in power and energy (charging time).
  • Patent application US2015/0042278 A1 describes a robotic arm and its control, capable of connecting a charging cable to the charging socket of a vehicle. This arm can cover up to 4 parking spaces and successively load 4 vehicles.
  • a parked vehicle detection device makes it possible to define what type of contract the user has and to manage the type of charge accordingly, including V2G (from the English "Vehicle to Grid" which can be translated by vehicle to network), in the event that the vehicle supplies energy to the grid.
  • One of the main novelties of the invention is to propose a process and an optimized management system which takes into account the varieties of vehicle batteries and a number of charging stations lower than the number of vehicle parking spaces.
  • the solutions of the art of the technique show shortcomings that the present invention sets out to solve by taking into account the characteristics of the batteries of the vehicles to optimize a strategy of sequencing and control of the loads, a possible contribution of local renewable energy for the sake of economic optimization and by proposing a sequencing of loads when the number of terminals is lower than the number of vehicles.
  • a general objective targeted by the invention is to provide an optimized management method and system which takes into account the varieties of vehicle batteries and a number of charging terminals less than the number of vehicle parking spaces.
  • the present invention relates to an urban electricity micro-network, focusing on an aspect of production and use at the local level of electricity and an aspect of optimization of the purchase and resale of electricity. 'electricity.
  • Figure 1 schematically illustrates the constituent elements of a microgrid according to one embodiment of the invention.
  • FIG. 2 illustrates the variation of the internal resistance of the open circuit voltage of the battery u ocv as a function of the state of charge (SOC, standing for “State of charge”) according to an exemplary embodiment.
  • FIG. 3 illustrates the variation of the internal resistance of the battery r c as a function of the state of charge (SOC) according to an exemplary embodiment.
  • Figure 4 illustrates the internal resistance variation of the maximum battery charging power as a function of the state of charge (SOC) according to an exemplary embodiment.
  • FIG. 5 illustrates the normalized dynamics of the battery f c as a function of the SOC and of the lambda charge rate ( ⁇ ) according to an exemplary embodiment. The more pronounced the intensity of the gray level, the higher the dynamic range.
  • Figure 6 illustrates the variation in the efficiency "yield" ⁇ of the battery as a function of the SOC and the lambda charge rate ( ⁇ ) according to an example embodiment.
  • Figure 7 illustrates a combinatorial representation of integer variables according to one embodiment of the invention.
  • FIG. 8 illustrates the depth first search method by exploring as a priority the best child of each generation according to an embodiment of the invention.
  • FIG. 9 illustrates the strategy which consists in switching the vehicles under load at almost every time step according to an exemplary embodiment.
  • Figure 10 illustrates the state of charge of the vehicle batteries as a function of time according to the embodiment of Figure 9. Description of embodiments
  • This invention deals with the optimal scheduling of the charging of electric vehicles or plug-in hybrid vehicles on an intelligent vehicle charging infrastructure, also called a vehicle charging station.
  • Optimal charging planning is the sequencing of the charge, in other words, the order, in time, of the charging of the vehicles.
  • vehicle designates any vehicle equipped with at least one battery which can be recharged, it may in particular be an electric vehicle or a rechargeable hybrid vehicle.
  • the type of vehicle can be in particular a motor vehicle, a truck, a two-wheeler, a construction vehicle, a forklift, a bicycle, etc.
  • parked vehicle is used to designate any vehicle present in a parking space.
  • the smart charging infrastructure comprises:
  • At least one charging station connected to an electrical distribution network
  • connection means for connecting a vehicle parked on one of the parking spaces and a charging terminal
  • the connection means is suitable for connecting a parked vehicle to the terminal regardless of the parking space among several parking spaces , preferably among all parking spaces.
  • the vehicle charging infrastructure is a charging infrastructure with more parking spaces than charging stations.
  • the infrastructure allows the connection between a vehicle parked in a parking space and a charging station.
  • the charging infrastructure can automatically switch the vehicle to be charged among the vehicles parked in the parking spaces, thanks to the connection means.
  • the problem that interests us therefore consists in recharging vehicles using a number of charging stations lower than the number of vehicles. These charging stations can connect to vehicles one after the other, with the vehicles parked in different parking spaces. The objective is then to recharge the batteries of the vehicle before they leave the car park while minimizing a criterion, for example the cost of charging. To do this, it can be assumed that the vehicle's arrival time, battery capacity, energy state and departure time are provided. Under these circumstances, the load problem is a deterministic problem and is treated as such. However, a approach could be considered to use the presented algorithm also in a stochastic context.
  • the invention mainly relates to the method of determining the charging sequence of vehicles and their charging control.
  • this system being for example composed of the mobile batteries of the vehicles in circulation, vehicles which communicate geolocation information,
  • said infrastructure may also comprise means for automatic recognition of vehicles, preferably optical by recognition of the number plate of the vehicle when said vehicle arrives in one of said parking spaces.
  • These means can be of the CCD camera type connected to a shape recognition and image interpretation device. Any other type of recognition is also possible, for example recognition of the shape of the vehicle or of distinct parts of the vehicle such as the bumper or any combination of parts of the vehicle, such as the shapes of the exterior mirrors and the type of vehicle: coupé, sedan, station wagon, van, etc. others alternative means can implement identification by RFID, radio waves, infrared, depth of field sensors, etc.
  • said infrastructure may also comprise means of remote communication from the vehicles.
  • the objective of these means is to initiate and carry out communication, in particular with any approaching vehicle, with the aim of transmitting any information relevant to the identification of a vehicle but also to provide information on the state of the battery. and possibly any contractual information.
  • an automated device can connect a vehicle or several vehicles to a charging station.
  • the connection means may comprise a motorized arm under the vehicle or above the vehicle.
  • the guiding of this connection means can be achieved by using a magnetic head.
  • the connection means can also be a mobile robot, in particular using wheels, which moves the electrical cord from one vehicle to another and the base of the terminal.
  • the time required to make the connection may vary . Including these connection times in the minimization of a constrained cost function can help refine the result.
  • said charging sequencing is determined each time a new vehicle is identified, said identification takes place when an electric vehicle arrives at one of the parking spaces or before its arrival, through the means of remote connection or according to a schedule. Indeed, when a new vehicle is announced remotely or arrives at the charging station, the charging sequencing of other vehicles already connected or whose arrival is planned may be affected.
  • Load planning can be useful in particular in the case where you want to load vehicles belonging to a fleet of vehicles which carry out tasks planned in advance or which carry out circuits whose durations are known in advance. Mention may be made here of vehicles that transport goods or people over predetermined routes in terms of distance or duration, such as buses, shuttles, taxis, delivery vehicles in a factory or in a city, robots cleaners etc.
  • the smart charging station can retrieve the energy status of the vehicle and the departure time of the vehicle. Using this information, the charging station is able to calculate an optimal vehicle charging schedule.
  • a materialized human/machine interface can be implemented, preferably in the form of a terminal and/or dematerialized, preferably in the form of an application.
  • the interface may include a screen, a keyboard and a means of payment.
  • a dematerialized interface it is possible to implement an application for a computer-type device or a smart phone.
  • FIG. 1 describes the constituent elements of a micro-network (infrastructure) according to one embodiment of the invention and their interaction as follows:
  • PV (optional element) means of electricity production from renewable sources such as photovoltaic, wind, etc.
  • BAT (optional element) means of stationary electricity storage systems of the lithium battery type
  • P c ⁇ p 1 ,p 2 , .. . P nb ⁇ : set of maximum charging powers
  • the micro-grid accommodates electric vehicles VE1 to VEp parked and connectable to one of the terminals B1 to Bn of the charging infrastructure, via an electrical connection means A.
  • Vehicles VEp+1 are for example on a mission and have not arrived on the charging infrastructure and can communicate with means of communication of the infrastructure, to predict a future arrival of a vehicle.
  • These vehicles are also equipped with a means of remote communication making it possible to transmit information related to the position and the state of their battery over a time horizon.
  • Vehicles can optionally be equipped with a bi-directional charger to discharge their battery into the micro-grid.
  • the terminals can be bidirectional or not, in alternating or direct current, said slow or fast.
  • the terminals preferably meet the OCPP standard and above, which allows power control from the device D.
  • Device A makes it possible to automatically connect a terminal to a vehicle.
  • a computer program for optimizing the sequencing and the load of vehicles can be described in the form of a predictive control management strategy, the general operation of which is described below:
  • the device D detects its presence: for example by cameras and recognition software: it can read the license plate or recognize the shape of the vehicle to determine its brand, model and year of manufacture. Thanks to a database of the ArgusTM type in France, access to data on the battery is made possible and information of the type can be retrieved: battery technology, capacity, powers. Access to such a database can be done through communication means E, connected to the device D then to a database of batteries H to obtain the parameters of a battery charge model. This model can be used for the calculation of the sequencing and the determination of the load powers. This sequence has the advantage of processing the vehicles in a specific way or considering a dedicated battery model, model, taken from the database H and hosted in the means of communication E which is used in the sequencing optimization program and vehicle load.
  • the user can have the possibility of entering his charging wishes and a specific charging service using a man-machine interface F, in particular by entering in particular at least one of the following parameters: - time of disconnection of the charging station, in other words the time of departure of the vehicle,
  • the new battery is added to the list of batteries present on the charging system and integrated into the optimization model.
  • the state of charge of the vehicle, the model of the battery and the time of disconnection can be retrieved by the optimization program. If the departure time is not defined, a predefined average duration can be assigned before the departure of the vehicle, for example 8:00 am.
  • one of the main novelties of the method is to consider that the charging of vehicles takes place in an intelligent charging station, that is to say equipped with a device making it possible to charge, without human intervention, the various vehicles connected to the terminals. This makes it possible to have a lower number of charging stations than the number of parking spaces while guaranteeing the charging of the vehicles parked in this way.
  • the invention therefore relates to a control method for an infrastructure, for example cf. Fig 1, charge for electric vehicles VE1, VE2 VEp and VEp+1, each electric vehicle being equipped with at least one battery.
  • a vehicle can have one or more batteries or cell modules.
  • Said infrastructure comprises at least one charging station B1 Bn connected to an electrical distribution network R, at least two parking spaces for vehicles and at least one means of electrical connection of said at least one charging station with at least one electric vehicle parked in one of said at least two parking spaces.
  • the method does not load any vehicle.
  • the number of charging stations is less than the number of places parking spaces, in other words there are more parking spaces than charging stations.
  • Said method of the invention implements:
  • a set of parameters of said electric vehicle and of its battery chosen in particular from an unsatisfactory charging penalty, a service provision agreement, an initial charge level of said at least one battery, a charge level required at the end charging of said at least one battery and a modeling of said at least one battery.
  • the following list of parameters can preferably be used: vehicle identification number, latest connection time, earliest disconnection time, parameters of a model of the electrochemical behavior of the battery: open circuit voltage u ocv and resistance internal r c and power limit .
  • the vehicle can therefore be associated with a contractual aspect of the type “service level agreement”, “service agreement”, or even “service commitments”, “SLA” (abbreviation of the English “Service Level Agreement”) which can stipulate for example that a partial or unsatisfactory load case can be associated with a penalty.
  • the initial charge level can be detected by the terminal, can be communicated remotely or can be part of a provisional vehicle charge schedule for a fleet of vehicles, for example.
  • the charge level required at the end of charging can be the maximum level by default but can also be a level considered satisfactory by the customer, in particular if other parameters must be taken into account, such as for example if the charging time is constrained, if the price of electrical energy exceeds a threshold or if the penalty relating to other contracts is higher.
  • the proposed modeling of said at least one battery can be based on the electrochemical behavior of the battery.
  • This model is intended to be both simple enough to be used in an optimal control framework but complex enough to represent the behavior of a real battery.
  • Such a model can be represented using the parameters of no-load voltage u ocv , internal resistance r c and limit power .
  • the parameter set of the electric vehicle comprises at least one modeling of the battery, so as to model the charging of the battery, so as to implement an optimal charging of the battery, depending on the type of battery and these characteristics (the batteries of electric vehicles which can be of different types and with different characteristics).
  • connection time of said at least one connection means to a vehicle can be considered as instantaneous in a first approach to the algorithm, negligible considering for example a minimum loading sequence of 15 min.
  • this element can also be included in the calculation, in particular if the durations of the charging sequences are reduced, in which case the connection time will no longer be negligible and/or when several types of connection are possible, for example example made by a person, by a robotic arm, etc.
  • the duration of time required by the different types of connection of a vehicle to the terminal can be included in the calculation to refine the result, and,
  • a set of electrical energy parameters also called a set of electricity parameters chosen in particular from a dimensioning of the electrical network, a dimensioning of the electrical power available locally, a maximum threshold of power underdrawn by the set of terminals, a price of electricity from the electrical network for sale (i.e. the price of electricity supplied by at least one charging station to the electrical network) and for purchase (c i.e. the price of electricity supplied by the electrical network to at least one charging station) which may vary over time.
  • the method of the invention charges electric vehicles according to a charging sequencing comprising at least one step of charging at least one electric vehicle, said sequencing being determined by minimizing a cost function under constraints of at least one parameter of each of the three sets of parameters detailed above.
  • a source of electricity in particular renewable of the solar or wind type, preferably produced locally.
  • this energy source can use biogas, hydropower or any other renewable energy source.
  • a micro power plant for example cogeneration or even nuclear, operating on the basis of hydrocarbons or any fossil fuel.
  • the evolution model of the energy contained in the battery (called the battery charge model) can be written according to the following formula:
  • the efficiency ⁇ is represented in FIG. 6; other battery charging patterns may be implemented. These models mathematically describe the power limits, the efficiency according to the type of battery, its state of charge and its temperature. However, for more accuracy, it is desirable to implement an aging model in the form of time-, current-, state-of-charge-, and temperature-dependent capacitance loss.
  • the modeling of the battery is expressed as a function of a no-load voltage of the battery and of an internal resistance of the battery and said sequencing implements a charging model adapted to said battery modeling.
  • Such modeling can implement the operating principle which is represented in FIG. 2, which illustrates the variation of the internal resistance of the open circuit voltage of the battery u ocv as a function of the state of charge (SOC, standing for “State of charge”). It is observed in particular that for SOC ⁇ 0.1 , the voltage is particularly low, which may have the consequence of requiring a parameterization of the adapted load. Consequently, the required charging power can be so great that the charging management mechanism must take it into account in order to optimize the charging of such a battery.
  • the following steps can be implemented when identifying a new vehicle or when leaving a charging electric vehicle: a. At least one of the elements of the infrastructure parameter set is determined; b. At least one of the elements of the set of electrical energy parameters is determined; vs. For each at least one electric vehicle: i. At least one of the elements of the set of parameters of said electric vehicle is determined; ii. At least one control parameter is determined for each of said at least one charging step of said charging sequencing, said control parameter comprising at least one duration and electric power value for charging at least one electric vehicle, said electric power which can be positive in the case of loading and negative in the case of unloading; d. Each of said at least one electric vehicle charging step of said charging sequencing is implemented, by successively connecting each at least one electric vehicle parked in one of the parking spaces to a charging terminal.
  • At least one electric vehicle battery can also be controlled as a source of electricity. It is a battery of a vehicle connected to a terminal that can be used as a source of electricity in a variety of circumstances.
  • a stationary battery can also be used to provide more flexibility in managing the purchase and resale of electricity.
  • electricity can be resold in a case where there is a high demand on the public network. It is also possible to envisage the case where it would be economically advantageous to use the energy supplied by a stationary battery and/or a battery of a vehicle to charge another battery of a vehicle or another battery while stationary.
  • said sequencing can also be adjusted according to a real or usual traffic state and/or according to a schedule.
  • the readjustment according to the traffic makes it possible to optimize the charging of vehicles already parked in anticipation of the arrival of other vehicles but also makes it possible to optimize the cost of charging.
  • the method can also be adjusted according to statistical and/or stochastic profiles of at least one element of the sets of parameters.
  • the method can also be adjusted according to at least one automatic learning logic, preferably located in a computing cloud.
  • This optimal planning is a mixed nonlinear optimal control problem, i.e. with continuous and discrete time variables.
  • the complexity of the problem comes from the fact that only certain vehicles can be recharged at the same time, because there are more parking spaces than charging stations.
  • the continuous time optimal control part comes from the fact that the electric batteries equipping the vehicles are dynamic systems.
  • the minimization of said constrained cost function is implemented by means of a tree exploration method and preferably a separation and evaluation method ("branch and bound approach " in English).
  • the tree exploration method is a decision support tool representing a set of choices in the graphical form of a tree. The complete sequences of the different possible decisions are located at the ends of the branches (the “leaves” of the tree), and represent the decisions made at each stage.
  • the general methodology can consist in managing the integer part of the algorithm by using a separation and evaluation algorithm (from the English “Branch and Bound”) which in turn can use a constrained nonlinear optimal control algorithm to compute the optimal path in the branch and related tree to explore.
  • a separation and evaluation algorithm from the English “Branch and Bound”
  • a constrained nonlinear optimal control algorithm to compute the optimal path in the branch and related tree to explore.
  • this invention relates to a method for calculating an optimal charging schedule for an electric vehicle at a charging station capable to automatically change an electric vehicle.
  • the methodology presented is preferably based on a Branch and Bound strategy to calculate the global optimum.
  • the methodology presented in one embodiment relies heavily on an optimal control solver based on Pontryagin's maximum principle to quickly compute a good lower bound of the global optimal cost at each node of the tree.
  • this algorithm can run on a cluster so that when a node expands, its children can be computed in parallel.
  • a progressive recovery approach could be considered to use the presented algorithm in a stochastic context.
  • a branch and bound algorithm is a generic method for solving combinatorial optimization problems.
  • Combinatorial optimization consists in finding a point minimizing a function, called cost, in a discrete set.
  • cost a function which is to list all the solutions to the problem, calculate the cost for each, and then give the minimum.
  • the separation and evaluation method is a method used in particular to solve NP-complete problems, that is to say problems considered difficult to solve efficiently, which makes it a method rather intended for operational research problems.
  • Branching once the boundary part of the node has been calculated, the branching part can be performed. Branching a node consists of two mutually exclusive actions.
  • the root of the tree corresponds to zero depth where no integer variable has been set.
  • the nodes of depth 1 that is to say the nodes directly connected to the root correspond to the different values that the integer variable can take at time t f (two in this case).
  • each node of depth k corresponds to a scenario where the entire variable has been fixed on the time steps between t f - k and t f and the set of nodes of depth k represents all the possible scenarios of the entire variable on the time steps between - k and t f .
  • the leaves of the tree ie the nodes of depth t f
  • This formula includes arbitration between the price of electrical energy for purchase and sale and the impact on battery wear.
  • the battery operating model can be written in the following form:
  • the minimization of the cost function depends on the predefined parameters among the sets of parameters of the vehicle, of the infrastructure, and of the electrical energy.
  • the sequencing takes into account the constraints related to the vehicle, the infrastructure and the electrical energy to optimize the sequencing of the load.
  • the minimization of said constrained cost function is implemented by means of a tree exploration method and preferably a separation and evaluation method (branch and bound approach) coupled with methods optimal control under state and command constraints. This makes it possible to optimize the evaluation of the minimization of said cost function under constraints.
  • an arrow P has been shown in the right part, which describes the order of the steps of this process, we start at step PO and end at step Pn, which corresponds to the sheet of the 'tree.
  • step PO the relaxed optimal cost of all the possible children of the current node is calculated and the best child node, shown in white, is determined and this step is repeated for the best child node shown in white.
  • step Pn the relaxed optimal cost of all the possible children of the current node
  • the best child node, shown in white is determined and this step is repeated for the best child node shown in white.
  • the scale of the charging time has been represented with t0 the instant at which the charging sequencing is started, and tf the final instant at which the charging sequencing must be terminated. This time scale is in the reverse order of the process steps.
  • stage PO corresponds to the final instant tf
  • stage P1 to instant tf-At (At representing the minimum duration of a load sequence)
  • stage Pn-1 corresponds at time tO+At
  • step Pn corresponds to time tO.
  • a penalized interior in an optimal control approach can be used. This method consists of relaxing the constraints by increasing the cost using interior penalization functions.
  • an approach of Pontryagin's maximum principle can be implemented to solve the unconstrained optimal control problem: solving the lower bound computation consists of solving a sequence of optimal control without constraints. To solve this sequence, an approach based on the Maximum Principle of Pontryagin (PM P) can be used. To do this, let's first define the Hamiltonian //of the problem, as follows:
  • the PM P posits that solving the problem is equivalent to solving the following two-end problem (TPBVP).
  • TPBVP two-end problem
  • the invention also relates to a device for controlling an electric vehicle charging infrastructure implementing the method according to one of the embodiments described above.
  • FIG. 9 one can see the strategy which consists in switching the vehicles under load at almost every time step.
  • This figure represents, by way of example, the charging powers as a function of time and for each of the 9 vehicles.
  • on the abscissa axis is the time in hours and on the ordinate axis is represented the set of 9 vehicles, denoted Vehicle #0 to Vehicle #8.
  • On the right side of the figure we find the scale of gray levels representing the intensity of the electrical power applied to each vehicle.
  • This method makes it possible to recharge the vehicles with the last departure time (vehicles 2 and 6 for example) at a power quite low and therefore with higher efficiency.
  • Figure 10 shows the evolution of the state of charge of the batteries of the vehicles as a function of time. It can be seen that the device makes it possible to charge the batteries of the 9 vehicles denoted Vehicle #0 to Vehicle #8 according to the intrinsic characteristics of their batteries. On the right, there is a bar with shades of gray, which represent the state of charge of the vehicle batteries.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

L'objet de l'invention concerne le domaine de la charge de véhicules reliés à une infrastructure de charge. L'infrastructure de charge peut consister en un micro-réseau intégrant possiblement des producteurs d'énergies renouvelables. Une des principales nouveautés de l'invention est de proposer un procédé et une gestion optimisée qui prend en compte les variétés de batteries des véhicules et un nombre de bornes de recharge inférieur au nombre de place de parking des véhicules. D'une manière générale, la présente invention concerne le micro-réseau d'électricité urbain, en se focalisant sur un aspect de production et utilisation au niveau local de l'électricité et un aspect d'optimisation de l'achat et revente de l'électricité.

Description

PROCEDE DE GESTION OPTIMISEE DU SEQUENCEMENT DE LA CHARGE DE VEHICULES SUR UN RESEAU ELECTRIQUE LOCAL.
Domaine technique
La présente invention concerne le domaine de la charge de véhicules reliés à une infrastructure de charge. L’infrastructure de charge peut consister en un micro-réseau électrique intégrant possiblement des producteurs d’énergies renouvelables, un tel microréseau est également appelé réseau électrique local. D’une manière générale, la présente invention concerne un micro-réseau d’électricité urbain, en se focalisant sur un aspect de production et utilisation au niveau local de l’électricité et un aspect d’optimisation de l’achat et revente de l’électricité.
Le domaine technique de la présente invention concerne un procédé et des dispositifs matériels et logiciels permettant une gestion optimisée d’une infrastructure de charge de véhicules électrifiés (véhicules électriques ou hybrides rechargeables). L’infrastructure de charge peut comprendre à minima un micro-réseau électrique relié au réseau public de distribution, ainsi que des bornes de charges. Ces bornes peuvent être associées à un dispositif de raccordement automatique des véhicules aux bornes. Ce cas présente l’intérêt de mutualiser une borne pour plusieurs places de parking, pour plusieurs véhicules mais soulève la question du séquencement des charges : à quel moment débrancher la borne du véhicule i pour la brancher au véhicule j.
Technique antérieure
Pour résoudre ce problème, plusieurs méthodes ont été développées. Parmi ces méthodes, on peut citer notamment les méthodes suivantes.
La demande de brevet WO 2019/126806 A1 décrit un procédé et un dispositif pour dimensionner une infrastructure de charge et contrôler la charge des véhicules. Deux approches sont présentées, l’une déterministe, l’autre stochastique. Pour contrôler la charge une optimisation sous contraintes est réalisée sur un horizon de 24h. Cependant, ce procédé ne prend pas en compte des connaissances a priori sur les batteries des véhicules pour optimiser une stratégie de séquencement et de contrôle des charges.
La demande de brevet WO 2019/109084 A1 décrit le pilotage d’une ou plusieurs infrastructures de charge simultanées en utilisant un critère d’optimisation quadratique associé à chaque infrastructure de charge. L’objectif ici est un pilotage de l’ensemble des infrastructures à partir de lois de commande centralisées. Dans ce document, on ne tient compte que des états de charge et le temps de départ des véhicules. Cette solution ne prend pas en compte de connaissance a priori sur les batteries des véhicules pour optimiser une stratégie de séquencement et de contrôle des charges.
La demande de brevet US 2017/0036560 A1 décrit des prévisions de puissance et d’énergie de charge nécessaires à des véhicules électriques en mission. Ces prévisions permettent de distribuer les besoins en charges futures au sein d’un réseau de stations de charges. Les véhicules peuvent être guidés vers des stations de charge disponibles en puissance et énergie (temps de charge).
La demande de brevet US2015/0042278 A1 décrit un bras robotisé et de son pilotage, capable de brancher un câble de charge à la prise de charge d’un véhicule. Ce bras peut couvrir jusqu’à 4 places de stationnement et charger successivement 4 véhicules. Un dispositif de détection du véhicule garé permet de définir quel type de contrat possède l’usager et de gérer en conséquence le type de charge incluant le V2G (de l’Anglais « Vehicle to Grid » pouvant être traduit par du véhicule au réseau), dans le cas où le véhicule fournit de l’énergie au réseau.
En outre, les méthodes décrites dans ces demandes de brevet ne sont pas prévues pour optimiser un séquencement de la charge, lorsque le nombre de bornes de chargement est inférieur au nombre de places de stationnement.
Résumé de l’invention
Une des principales nouveautés de l’invention est de proposer un procédé et un système de gestion optimisée qui prend en compte les variétés de batteries des véhicules et un nombre de bornes de recharge inférieur au nombre de place de parking des véhicules. En effet, les solutions de l’art de la technique montrent des insuffisances que la présente invention s’attèle à résoudre en prenant en compte des caractéristiques des batteries des véhicules pour optimiser une stratégie de séquencement et de contrôle des charges, un éventuel apport d’énergie renouvelable locale dans un souci d’optimisation économique et en proposant un séquencement des charges lorsque le nombre de bornes est inférieur au nombre de véhicules.
Un objectif général visé par l’invention est de fournir un procédé et un système de gestion optimisée qui prend en compte les variétés de batteries des véhicules et un nombre de bornes de recharge inférieur au nombre de place de parking des véhicules. D’une manière générale, la présente invention concerne un micro-réseau d’électricité urbain, en se focalisant sur un aspect de production et utilisation au niveau local de l’électricité et un aspect d’optimisation de l’achat et revente de l’électricité. D'autres caractéristiques et avantages du procédé selon l'invention, apparaîtront à la lecture de la description ci-après d'exemples non limitatifs de réalisations, en se référant aux figures annexées et décrites ci-après.
Liste des figures
La figure 1 illustre, schématiquement les éléments constitutifs d’un micro-réseau selon un mode de réalisation de l’invention.
La figure 2 illustre la variation de la résistance interne de la tension de circuit ouvert de la batterie uocv en fonction de l'état de charge (SOC, de l’Anglais « State of charge ») selon un exemple de réalisation.
La figure 3 illustre la variation de la résistance interne de la batterie rc en fonction de l'état de charge (SOC) selon un exemple de réalisation.
La figure 4 illustre la variation de la résistance interne de la puissance de charge maximale de la batterie en fonction de l'état de charge (SOC) selon un exemple de réalisation.
La figure 5 illustre la dynamique normalisée de la batterie fc en fonction du SOC et du taux de charge lambda (λ) selon un exemple de réalisation. Plus l’intensité du niveau de gris est prononcée plus la dynamique est élevée.
La figure 6 illustre la variation de l’efficacité « rendement » η de la batterie en fonction du SOC et du taux de charge lambda (λ) selon un exemple de réalisation. Plus l’intensité du niveau de gris est élevée plus le rendement est bon, c’est-à-dire proche de 1 .
La figure 7 illustre une représentation combinatoire des variables entières selon un mode de réalisation de l’invention.
La figure 8 illustre la méthode de parcours en profondeur (« Depth First Search » en Anglais) en explorant prioritairement le meilleur enfant de chaque génération selon un mode de réalisation de l’invention.
La figure 9 illustre la stratégie qui consiste à commuter à presque chaque pas de temps les véhicules en charge selon un exemple de réalisation.
La figure 10 illustre l’état de charge des batteries des véhicules en fonction du temps selon l’exemple de réalisation de la figure 9. Description des modes de réalisation
Cette invention traite de la planification optimale de la charge des véhicules électriques ou de véhicules hybrides rechargeables sur une infrastructure de charge de véhicule intelligente, également appelée station de charge de véhicule. On appelle planification optimale de la charge, le séquencement de la charge, en d’autres termes, l’ordre, dans le temps de la charge des véhicules.
Dans la suite de la description, le terme véhicule désigne tout véhicule équipé d’au moins une batterie qui peut être rechargée, il peut s’agir notamment d’un véhicule électrique ou d’un véhicule hybride rechargeable. Le type de véhicule peut être notamment un véhicule automobile, un poids lourd, un deux-roues, un véhicule de chantier, un chariot élévateur, une bicyclette, etc. En outre, on utilise l’expression « véhicule stationné » pour désigner tout véhicule présent sur une place de stationnement.
Selon l’invention, l’infrastructure de charge intelligente comporte :
- Au moins une borne de charge reliée à un réseau de distribution électrique,
- Au moins deux places de stationnement pour un véhicule,
- Au moins un moyen de connexion pour relier un véhicule stationné sur une des places de stationnement et une borne de charge, le moyen de connexion est adapté pour relier un véhicule stationné à la borne quelle que soit la place de stationnement parmi plusieurs places de stationnement, de préférence parmi toutes les places de stationnement.
Selon l’invention, l’infrastructure de charge de véhicule est une infrastructure de charge avec plus d'emplacements de stationnement que de bornes de recharge. Ainsi, l’infrastructure permet la connexion entre un véhicule stationné sur une place de stationnement et une borne de charge. L’infrastructure de charge peut automatiquement commuter le véhicule à charger parmi les véhicules stationnés sur les places de stationnement, grâce au moyen de connexion.
Le problème qui nous intéresse consiste donc à recharger des véhicules en utilisant un nombre de bornes de recharge inférieur au nombre de véhicules. Ces bornes de charge peuvent se connecter aux véhicules les uns après les autres, les véhicules étant stationnés sur des places de stationnement différentes. L’objectif est alors de recharger les batteries du véhicule avant leur départ du parking tout en minimisant un critère, par exemple le coût de charge. Pour ce faire, on peut supposer que l’heure d'arrivée du véhicule, la capacité de batterie, son état d'énergie et son heure de départ sont fournis. Dans ces circonstances, le problème de charge est un problème déterministe et est traité comme tel. Toutefois, une approche pourrait être envisagée pour utiliser l'algorithme présenté également dans un contexte stochastique.
L’invention porte principalement sur le procédé de détermination de la séquence de charge des véhicules et de leur commande de charge.
Certains modes de réalisation de l’invention reposent sur différents dispositifs du type matériels et logiciels et ont pour fonctions respectives :
- la reconnaissance par traitement d’images du véhicule stationné, puis de son type de batterie par le biais d’une base de données et des paramètres reflétant leur comportement électrique, énergétique et thermique, on parle ici de connaissances a priori sur les batteries,
- la sélection par l’usager d’un service de charge spécifique de son véhicule par une interface homme-machine et le contrôle en temps-réel des vitesses de charge ou de décharge des véhicules du type V2G, optimisant une structure de coût d’achat et vente de l’électricité au profit de l’exploitant de l’infrastructure, en présence ou non de production d’EnR (Energie Renouvelable) du type ombrières photovoltaïques par exemple,
- le choix du moment opportun où un véhicule doit être raccordé automatiquement ou manuellement à une borne spécifique, comme par exemple borne lente, rapide, etc.,
- la prévision sur un horizon temps de l’énergie et de la puissance totale du système de stockage raccordés à l’infrastructure, ce système étant par exemple composé des batteries mobiles des véhicules en circulation, véhicules qui communiquent des informations de géolocalisation,
- l’aspect séquencement des charges lorsque le nombre de bornes est inférieur au nombre de véhicules stationnés (en Anglais « co-charging »).
Les éléments listés ci-dessous peuvent être utilisés indépendamment les uns des autres, ou en combinaison, de manière à combiner leurs effets.
Selon un mode de réalisation de l’invention, ladite infrastructure peut comprendre également des moyens de reconnaissance automatique des véhicules, préférablement optique par reconnaissance de la plaque minéralogique du véhicule lorsque ledit véhicule se présente sur une desdites places de stationnement. Ces moyens peuvent être du type caméra CCD connectée à un dispositif de reconnaissance de forme et d’interprétation des images. Tout autre type de reconnaissance est également envisageable comme par exemple reconnaissance de la forme du véhicule ou bien de parties distinctes du véhicule comme le parechoc ou toute combinaison de parties du véhicule comme par exemple les formes des rétroviseurs extérieurs et le type de véhicule : coupé, berline, break, camionnette, etc. D’autres moyens alternatifs peuvent mettre en œuvre une identification par RFID, ondes radio, infrarouges, capteurs à profondeur de champ, etc.
Selon un mode de réalisation de l’invention, ladite infrastructure peut comprendre également des moyens de communication à distance des véhicules. L’objectif de ces moyens est d’initier et de réaliser une communication, notamment avec tout véhicule en approche, dans un but de transmettre toute information pertinente à l’identification d’un véhicule mais aussi de renseigner sur l’état de la batterie et éventuellement toute information contractuelle.
Selon un mode de réalisation de l’invention, on peut mettre en œuvre au moins un desdits moyen de connexion à un véhicule de manière automatique, sans intervention humaine. Dans ce mode de réalisation de l’invention, un dispositif automatisé peut connecter un véhicule ou plusieurs véhicules à une borne de charge. Le moyen de connexion peut comporter un bras motorisé sous le véhicule ou bien au-dessus du véhicule. Le guidage de ce moyen de connexion peut se réaliser en utilisant une tête magnétique. Le moyen de connexion peut également être un robot mobile, notamment en utilisant des roues, qui déplace le cordon électrique d’un véhicule à un autre et la base de la borne. Selon le type de moyen de connexion utilisé mais également selon le positionnement de chaque véhicule sur les emplacements de stationnement par rapport aux autres véhicules et par rapport à la borne à laquelle le procédé décide de le connecter, le temps requis pour effectuer la connexion peut varier. Inclure ces temps de connexion dans la minimisation d’une fonction coût sous contraintes, peut permettre d’en affiner le résultat.
Selon un mode de réalisation de l’invention, ledit séquencement de charge est déterminé à chaque identification d’un nouveau véhicule, ladite identification se réalise lors de l’arrivée d’un véhicule électrique sur une des places de stationnement ou avant son arrivée, par le biais des moyens de connexion à distance ou selon une planification. En effet, lorsqu’un nouveau véhicule est annoncé à distance ou se présente à la station de charge, le séquencement de charge des autres véhicules déjà connectés ou dont l’arrivée est planifiée, peut être affecté. La planification de charge peut être utile notamment dans le cas où on veut charger des véhicules appartenant à une flotte de véhicules qui effectuent des taches prévues à l’avance ou qui effectuent des circuits dont les durées sont connues à l’avance. On peut mentionner ici les véhicules qui transportent des biens ou des personnes sur des trajets prédéterminés en distance ou en durée, comme par exemple les bus, les navettes, des taxis, les véhicules de livraison dans une usine ou bien dans une ville, les robots nettoyeurs, etc.
Selon un mode de réalisation de l’invention, à chaque arrivée de véhicule, la borne de recharge intelligente peut récupérer l’état d'énergie du véhicule et l’heure de départ du véhicule. En utilisant ces informations, la station de charge est en mesure de calculer un calendrier de charge optimal des véhicules.
Selon un mode de réalisation de l’invention, on peut mettre en œuvre une interface homme/machine matérialisée, préférablement sous la forme d’une borne et/ou dématérialisée, préférablement sous forme d’application. Dans le cas d’une borne physique, l’interface peut comporter un écran, un clavier et un moyen de paiement. Dans le cas d’une interface dématérialisée, on peut mettre en œuvre une application pour appareil du type ordinateur ou un téléphone intelligent (de l’anglais « smartphone »).
Le schéma de la Figure 1 décrit les éléments constitutifs d’un micro-réseau (infrastructure) selon un mode de réalisation de l’invention et leur interaction comme suit :
- B1 ,...Bn : bornes de charge de tout type (tout type, AC, DC),
- VE1 ,...VEp: véhicules électriques stationnés,
- VEp+1 : véhicule électrique en communication à distance,
- A : moyens de connexion électrique des bornes aux véhicules,
- PV : (élément optionnel) moyens de production électrique d’origine renouvelable du type photovoltaïque, éolien, etc.,
BAT : (élément optionnel) moyens de systèmes de stockage stationnaires de l’électricité du type batteries lithium,
- C : (élément optionnel) système de comptage de l’énergie électrique consommée ou produite par le micro-réseau,
- D : dispositif électronique et logiciel local de contrôle des bornes et de leur connexion aux véhicules,
- E : (élément optionnel) moyens de communication, récolte de données et calculs distant du type nuage informatique,
- F : (élément optionnel) interface homme-machine permettant à l’usager de renseigner un service de charge,
- G : (éléments optionnels) moyens de communication entre véhicule en mission et calculs distant,
- H : (élément optionnel) base de données de modèles de batteries,
- R : réseau de distribution électrique public. Nomenclature : xλ : état de charge du véhicule avec le taux de charge A : puissance de charge maximale fc : dynamique de l’état de charge de la batterie p : rendement de la batterie uocv : la tension à circuit ouvert de la batterie rc : résistance interne de la batterie price : prix d’électricité nx : nombre de véhicules à charger nb : nombre maximal de bornes de charge : puissance de charge maximale du véhicule i tf : horizon de planification λi : variable de contrôle, représentant le taux de charge du véhicule i ci : variable de contrôle entier, représentant la puissance de charge maximale au véhicule i autorisée, : état de charge maximal du véhicule i
PC([0, tf], R; ΔT) : ensemble des fonctions constantes par morceaux de [0, tf] dans R, constant sur l’intervalle [kΔT, (k + 1)ΔT) ΔT : durée minimale de connexion d'un véhicule à une borne de charge
Pc = {p1,p2, .. . Pnb} : ensemble de puissances de charge maximales
Ps : puissance maximale disponible pour toute la station de charge t0,k : temps le plus tôt pour brancher véhicule k à une borne tf,k : temps le plus tard pour débrancher le véhicule k d’une borne x0,k : état de charge initial de la batterie du véhicule k xf,k : état de charge final souhaitée du véhicule k MS(Cad, mc) : multiensemble avec Cad un ensemble appelé support et mc une fonction de Cad dans l'ensemble des entiers naturels, appelée multiplicité
Le micro-réseau accueille des véhicules électriques VE1 à VEp stationnés et connectables à l’une des bornes B1 à Bn de l’infrastructure de charge, par l’intermédiaire d’un moyen de connexion électrique A. Des véhicules VEp+1 se trouvent par exemple en mission et ne sont pas arrivés sur l’infrastructure de charge et peuvent communiquer avec des moyens de communication de l’infrastructure, pour prévoir une arrivée future d’un véhicule. Ces véhicules sont aussi dotés d’un moyen de communication à distance permettant de transmettre sur un horizon de temps des informations liées à la position, et à l’état de leur batterie. Les véhicules peuvent être dotés optionnellement d’un chargeur bidirectionnel permettant de décharger leur batterie dans le micro-réseau.
Les bornes peuvent être bidirectionnelles ou non, en courant alternatif ou continu, dites lentes ou rapides. Les bornes répondent préférablement à la norme OCPP et plus, ce qui permet un pilotage en puissance depuis le dispositif D.
Le dispositif A permet de connecter automatiquement une borne à un véhicule.
Selon un mode de réalisation, un programme informatique d’optimisation du séquencement et de la charge des véhicules peut être décrit sous la forme d’une stratégie de gestion de commande prédictive dont le fonctionnement général est décrit ci-après :
A l’arrivée d’un véhicule :
1 ) Le dispositif D détecte sa présence : par exemple par des caméras et un logiciel de reconnaissance : il peut lire la plaque d’immatriculation ou reconnaître la forme du véhicule pour en déterminer la marque, le modèle l’année de fabrication. Grâce à une base de données du type Argus™ en France, l’accès à des données sur la batterie est rendu possible et on peut récupérer des informations du type: technologie de batterie, capacité, puissances. L’accès à une telle base de données peut se faire par le biais des moyens de communication E, connecté au dispositif D puis à une base de données des batteries H pour obtenir les paramètres d’un modèle de charge de la batterie. Ce modèle peut être exploité pour le calcul du séquencement et de la détermination des puissances de charge. Cette séquence a pour avantage de traiter les véhicules de façon spécifique ou considérant un modèle de batterie dédié, modèle, issu de la base de données H et hébergé dans les moyens de communication E qui est exploité dans le programme d’optimisation du séquencement et de la charge des véhicules. De plus, l’utilisateur peut avoir la possibilité de renseigner ses souhaits de charge et un service de charge spécifique grâce à une interface homme machine F, notamment en renseignant notamment au moins un des paramètres suivants : - heure de déconnexion de la borne de charge, en d’autres termes l’heure du départ du véhicule,
- des options de charge : charge en temps minimale, charge en urgence,
- autorisation d’utiliser la batterie du véhicule pour servir le réseau, etc.
En synthèse : A l’arrivée d’un véhicule, la nouvelle batterie est ajoutée à la liste des batteries présentes sur le système de charge et intégrée au modèle d’optimisation. L’état de charge du véhicule, le modèle de la batterie et l’heure de déconnexion peuvent être récupérés par le programme d’optimisation. Dans le cas où l’heure de départ n’est pas définie, on peut attribuer une durée moyenne prédéfinie avant le départ du véhicule, par exemple 8h00.
2) Le programme d’optimisation décrit plus bas permet de générer le planning de charge de chacun des véhicules, c’est-à-dire à quelle borne chacun des véhicules doit être connecté et quelle puissance doit être soutirée de ladite borne pour chacun des véhicules le tout pendant la totalité de la durée de séjour aux bornes de charge du véhicule.
3) Le planning est suivi (on réalise le chargement des véhicules selon le séquencement déterminé) jusqu’à l’arrivée d’un nouveau véhicule où l’on recommence à l’étape 1 .
Outre l’algorithme développé dans le cadre de cette invention pour calculer ce planning optimal, une des principales nouveautés de la méthode est de considérer que la charge des véhicules a lieu dans une station de recharge intelligente, c’est-à-dire munie d’un dispositif permettant de charger, sans intervention humaine, les différents véhicules connectés aux bornes. Cela permet d’avoir un nombre de bornes de recharge inférieur au nombre de places de stationnement tout en garantissant la charge des véhicules ainsi stationnés.
L’invention concerne donc un procédé de contrôle pour une infrastructure, par exemple cf. Fig 1 , de charge pour véhicules électriques VE1 , VE2 VEp et VEp+1 , chaque véhicule électrique étant équipé d’au moins une batterie. En d’autres termes, un véhicule peut avoir une ou plusieurs batteries ou modules de cellules. On peut avoir le cas de véhicule ayant des modules ou des batteries avec des caractéristiques différents et dans ce cas on va prendre en compte chaque module séparément ou bien on va appliquer des stratégies de gestion des batteries optimisées. Ladite infrastructure comprend au moins une borne de charge B1 Bn reliée à un réseau de distribution électrique R, au moins deux places de stationnement pour véhicules et au moins un moyen de connexion électrique de ladite au moins une borne de charge avec au moins un véhicule électrique stationné sur une desdites au moins deux places de stationnement. Evidemment, dans le cas où il n’y a aucun véhicule stationné, le procédé ne charge aucun véhicule. Le nombre de bornes de charge est inférieur au nombre de places de stationnement, en d’autres termes il y a plus de places de stationnement que de bornes de charge. Ledit procédé de l’invention met en œuvre :
1) un jeu de paramètres dudit véhicule électrique et de sa batterie choisis notamment parmi une pénalité de chargement non-satisfaisant, un accord de prestation de services, un niveau de charge initial de ladite au moins une batterie, un niveau de charge requis en fin de chargement de ladite au moins une batterie et une modélisation de ladite au moins une batterie. La liste de paramètres suivants peut être préférentiellement utilisée : numéro d’identifiant du véhicule, durée de connexion au plus tard, moment de déconnexion au plus tôt, paramètres d’un modèle du comportement électrochimique de la batterie : tension à vide uocv et résistance interne rc et puissance limite . Le véhicule peut être donc associé à un aspect contractuel du type « accord de niveau de service », « convention de services », ou encore « engagements de service », “SLA” (abréviation de l’Anglais “Service Level Agreement”) qui peut stipuler par exemple qu’un cas de chargement partiel ou non-satisfaisant peut être associé à une pénalité. Le niveau de charge initial peut être détecté par la borne, peut être communiqué à distance ou bien peut faire partie d’un planning prévisionnel de charge de véhicules d’une flotte de véhicules par exemple. Le niveau de charge requis en fin de chargement peut être par défaut le niveau maximal mais peut également être un niveau considéré satisfaisant par le client, notamment s’il faut tenir compte d’autres paramètres comme par exemple si le temps de charge est contraint, si le prix de l’énergie électrique dépasse un seuil ou bien si la pénalité relative à d’autres contrats est supérieure. La modélisation proposée de ladite au moins une batterie peut être basée sur le comportement électrochimique de la batterie. Ce modèle se veut à la fois assez simple pour être utilisé dans un cadre de contrôle optimal mais suffisamment complexe pour représenter le comportement d'une vraie batterie. Un tel modèle peut être représenté à l’aide des paramètres de tension à vide uocv, de résistance interne rc et puissance limite . De préférence, le jeu de paramètres du véhicule électrique comprend au moins une modélisation de la batterie, de manière à modéliser la charge de la batterie, de manière à mettre en œuvre une charge optimale de la batterie, en fonction du type de batterie et de ces caractéristiques (les batteries de véhicules électriques pouvant être de différents types et avec différentes caractéristiques).
2) un jeu de paramètres de l’infrastructure choisis notamment parmi un temps d’attente dans la queue parmi les véhicules stationnés sur les places de stationnement, des caractéristiques électriques de ladite au moins une borne de charge (par exemple puissance maximale et/ou rendement), du nombre de bornes de charges opérationnelles, un temps de branchement dudit au moins un moyen de connexion à un véhicule. Le temps de branchement dudit au moins un moyen de connexion à un véhicule peut être considéré comme instantané dans une première approche de l’algorithme, négligeable en considérant par exemple une séquence minimale de chargement de 15 min. Toutefois, pour plus de précision, on peut également inclure cet élément dans le calcul, notamment si on réduit les durées des séquences de charge, auquel cas le temps de branchement ne sera plus négligeable et/ou lorsque plusieurs types de branchement sont possibles, par exemple réalisé par une personne, par un bras robotisé, etc. Dans ce cas, la durée de temps requis par les différentes typologies de branchement d’un véhicule à la borne peut être incluse dans le calcul pour en affiner le résultat, et,
3) un jeu de paramètres de l’énergie électrique (appelé également jeu de paramètres de l’électricité) choisis notamment parmi un dimensionnement du réseau électrique, un dimensionnement de la puissance électrique disponible localement, un seuil maximal de puissance sous-tirée par l’ensemble des bornes, un prix de l’électricité du réseau électrique à la vente (c’est-à-dire le prix de l’électricité fournie par au moins une borne de charge au réseau électrique) et à l’achat (c’est-à-dire le prix de l’électricité fournie par le réseau électrique à au moins une borne de charge) qui peut être variable au cours du temps.
Le procédé de l’invention réalise la charge des véhicules électriques selon un séquencement de charge comprenant au moins une étape de charge d’au moins un véhicule électrique, ledit séquencement étant déterminé par minimisation d’une fonction coût sous contraintes d’au moins un paramètre de chacun des trois jeux de paramètres détaillés plus haut.
Selon un mode de réalisation de l’invention, on peut contrôler en outre une source d’électricité, notamment renouvelable de type solaire ou éolienne, préférablement produite localement. Alternativement, cette source d’énergie peut utiliser le biogaz, hydrocentrale ou toute autre source d’énergie renouvelable. Il n’est pas exclu toutefois d’utiliser une microcentrale électrique, par exemple de cogénération ou même nucléaire, fonctionnant à base de hydrocarbures ou tout combustible fossile.
Selon une mise en œuvre de l’invention, le modèle d'évolution de l'énergie contenue dans la batterie (appelé modèle de charge de la batterie) peut s’écrire selon la formule suivante :
[Math 1] Les fonctions uocv, rc et sont des fonctions polynomiales de l'énergie de la batterie définies par interpolation à partir de données expérimentales et sont représentées sur les figures 2 à 4. Sur la Figure 5 on retrouve la dynamique de la batterie fc, qui peut être exprimé selon cette formule :
[Math 2]
On peut donc définir l'efficacité (rendement) comme suit:
[Math 3]
Le rendement η est représenté en figure 6 ; d’autres modèles de charge de la batterie peuvent être mis en œuvre. Ces modèles décrivent mathématiquement les puissances limites, le rendement en fonction du type de batterie, de son état de charge et de sa température. Cependant, pour plus de précision, il est souhaitable de mettre en œuvre un modèle de vieillissement sous la forme d’une perte de capacité dépendant du temps, du courant, de l’état de charge et de la température.
Selon ce mode de réalisation de l’invention, la modélisation de la batterie est exprimée en fonction d’une tension à vide de la batterie et d’une résistance interne de la batterie et ledit séquencement met en œuvre un modèle de charge adapté à ladite modélisation de batterie. Une telle modélisation peut mettre en œuvre le principe de fonctionnement qui est représenté en Fig. 2, qui illustre la variation de la résistance interne de la tension de circuit ouvert de la batterie uocv en fonction de l'état de charge (SOC, de l’Anglais « State of charge »). On observe notamment que pour des SOC <0.1 , la tension est particulièrement faible, ce qui peut avoir comme conséquence de requérir un paramétrage de la charge adaptée. Par voie de conséquence, la puissance nécessaire de charge peut être tellement importante que le mécanisme de gestion de la charge doit en tenir compte afin d’optimiser la charge d’une telle batterie.
Selon un mode de réalisation de l’invention, on peut mettre en œuvre les étapes suivantes lors de l’identification d’un nouveau véhicule ou lors du départ d’un véhicule électrique en charge: a. On détermine au moins un des éléments du jeu de paramètres de l’infrastructure ; b. On détermine au moins un des éléments du jeu de paramètres de l’énergie électrique ; c. Pour chaque au moins un véhicule électrique : i. On détermine au moins un des éléments du jeu de paramètres dudit véhicule électrique; ii. On détermine au moins un paramètre de contrôle pour chacune desdites au moins une étape de charge dudit séquencement de charge, ledit paramètre de contrôle comprenant au moins une valeur de durée et de puissance électrique de charge d’au moins un véhicule électrique, ladite puissance électrique pouvant être positive dans le cas d’un chargement et négative dans le cas d’un déchargement ; d. On met en œuvre chacune desdites au moins une étape de charge du véhicule électrique dudit séquencement de charge, en connectant successivement chaque au moins un véhicule électrique stationné sur une des places de stationnement à une borne de charge.
Selon un mode de réalisation de l’invention, on peut optimiser le séquencement de charge selon des profils des coûts d’achat et vente de l’énergie électrique du réseau, de l’énergie électrique et de l’énergie stockée dans au moins une batterie stationnaire et/ou au moins une batterie de véhicule électrique. Préférablement, cette énergie peut être produite localement, c’est-à-dire à proximité géographique de l’endroit où se situe le dispositif. Selon ce mode de réalisation, on peut contrôler en outre au moins une batterie de véhicule électrique comme une source d’électricité. Il s’agit d’une batterie d’un véhicule connecté à une borne que l’on peut utiliser comme source d’électricité dans une variété de circonstances. Toutefois, on peut utiliser également une batterie en stationnaire pour apporter plus de flexibilité à la gestion de l’achat et de revente de l’électricité. Par exemple on peut revendre l’électricité dans un cas où il y a une forte demande sur le réseau public. On peut également envisager le cas où il serait économiquement intéressant d’utiliser l’énergie fournie par une batterie stationnaire et/ou une batterie d’un véhicule pour charger une autre batterie d’un véhicule ou une autre batterie en stationnaire.
Selon un mode de réalisation de l’invention, on peut ajuster ledit séquencement également selon un état du trafic réel ou habituel et/ou selon un planning. Le réajustement en fonction du trafic permet d’optimiser la charge des véhicules déjà stationnés en prévision de l’arrivée d’autres véhicules mais permet également d’optimiser le cout de charge. Selon un mode de réalisation de l’invention, le procédé peut être ajusté également selon des profils statistiques et/ou stochastiques d’au moins un élément des jeux de paramètres.
Selon un mode de réalisation de l’invention, le procédé peut être également ajusté selon au moins une logique d’apprentissage automatique, préférablement située dans un nuage informatique.
Le calcul de cette planification optimale est un problème de contrôle optimal non linéaire mixte c’est-à-dire avec des variables de temps continues et discrètes. La complexité du problème vient du fait que seuls certains véhicules peuvent être rechargés en même temps, car il y a plus de places de stationnement que de bornes de recharge. La partie contrôle optimal en temps continu provient du fait que les batteries électriques équipant les véhicules sont des systèmes dynamiques. Enfin, on peut partir dans un premier temps de la prémisse que les séquences de charge sont à pas constant, ce qui apporte une partie temporelle discrète.
Selon un mode de réalisation de l’invention, la minimisation de ladite fonction coût sous contraintes est mise en œuvre au moyen d’une méthode d’exploration d’arbre et préférablement d’une méthode de séparation et évaluation (« branch and bound approach » en Anglais). La méthode d’exploration d’arbre est un outil d'aide à la décision représentant un ensemble de choix sous la forme graphique d'un arbre. Les séquences complètes des différentes décisions possibles sont situées aux extrémités des branches (les « feuilles » de l'arbre), et représentent les décisions prises à chaque étape.
Selon un mode de réalisation de l’invention, la méthodologie générale peut consister à gérer la partie entière de l'algorithme en utilisant un algorithme de séparation et d’évaluation (de l’anglais « Branch and Bound ») qui à son tour peut utiliser un algorithme de contrôle optimal non linéaire contraint pour calculer le chemin optimal dans la branche et l'arbre lié à explorer.
L’algorithme de séparation et d’évaluation « Branch and Bound » est décrit notamment dans les documents :
C. H. Papadimitriou, K. Steiglitz. Combinatorial Optimization, algorithms and complexity, chapter 18, 2nd edition, Dover edition 1998
B. Korte, J. Vygen, Combinatorial Optimization, theory and algorithms, chapter 5 and 21 , 2nd edition, Springer 2001
Dans d’autres termes, cette invention concerne un procédé pour calculer une planification optimale de la charge d'un véhicule électrique à une station de charge capable de changer automatiquement un véhicule électrique. La méthodologie présentée repose préférablement sur une stratégie Branch and Bound permettant de calculer l'optimum global. La méthodologie présentée dans un mode de réalisation repose fortement sur un solveur de contrôle optimal basé sur le principe du maximum de Pontryagin permettant de calculer rapidement une bonne limite inférieure du coût optimal global à chaque nœud de l'arbre. Cependant, pour fonctionner à plein potentiel, cet algorithme peut s'exécuter sur un cluster afin que lors de l’expansion d'un nœud, ses enfants puissent être calculés en parallèle. Préférablement, on peut prendre en compte également les incertitudes sur l'heure de départ et l'heure d'arrivée des véhicules électriques. Une approche de recouvrement progressif pourrait être envisagée pour utiliser l'algorithme présenté dans un contexte stochastique.
Un algorithme par séparation et évaluation, ou « branch and bound » en anglais, est une méthode générique de résolution de problèmes d'optimisation combinatoire. L'optimisation combinatoire consiste à trouver un point minimisant une fonction, appelée coût, dans un ensemble discret. Une méthode naïve pour résoudre ce problème est d'énumérer toutes les solutions du problème, de calculer le coût pour chacune, puis de donner le minimum. Parfois, il est possible d'éviter d'énumérer des solutions dont on sait, par l'analyse des propriétés du problème, que ce sont de mauvaises solutions, c'est-à-dire des solutions qui ne peuvent pas être le minimum. La méthode séparation et évaluation est une méthode notamment utilisée pour résoudre des problèmes NP-complets, c'est-à-dire des problèmes considérés comme difficiles à résoudre efficacement, ce qui en fait une méthode plutôt destinée aux problèmes de recherche opérationnelle.
Tout au long de cette exploration, à chaque nœud, l'algorithme Branch and Bound réalise les tâches différentes:
- Bornage ou « Bounding » en Anglais : Calcul de la solution optimale d'un problème relaxé en fonction du chemin du nœud courant à la racine de l'arbre. Pour un nœud de profondeur k le problème relaxé est un problème d’optimisation où k variables entières ont été définis. Ce problème d'optimisation relaxé fournit à l'algorithme une borne inférieure sur le coût.
- Branchement : une fois que la partie de bornage du nœud a été calculée, la partie de branchement peut être effectuée. Le branchement d'un nœud consiste en deux actions mutuellement exclusives.
- Exploration: Si la borne inférieure associée au nœud courant de profondeur k est inférieure à la borne supérieure du coût optimal, le nœud vaut la peine d'être exploré, les enfants du nœud courant sont calculés. Le calcul des enfants consiste à créer un enfant par valeur possible des variables discrètes, pour chaque enfant. Ainsi le chemin reliant la racine de l’arbre à n’importe quel nœud représente la séquence en temps rétrograde des valeurs prises à chaque instant par les variables discrètes.
- Elagage: Si l’arbre issu du nœud courant ne vaut pas la peine d'être explorée, c'est à dire si la meilleure solution optimale de n'importe quel nœud de l'arbre issu du nœud courant est supérieure au coût d'une trajectoire admissible pour le problème posé. La branche est élaguée et ne sera pas explorée.
Par conséquent, l'efficacité d'une approche « Branch and Bound » nécessite d'avoir à la fois un bon problème relâché, c'est-à-dire un problème continu qui approxime au mieux le problème des valeurs entières et une bonne méthode d'exploration, c'est-à-dire une méthode qui explore principalement les nœuds situés sur le chemin optimal de l'arbre.
La méthode « Branch and Bound » a été adaptée afin d’obtenir un bon compromis entre précision, rapidité et robustesse. Ces trois aspects sont détaillés ci-dessous :
1. Précision : la méthode séparation et évaluation, reposant sur une exploration systématique de l’arbre des possibilités permet d’obtenir l’optimum global du problème.
2. Rapidité : les heuristiques de parcours de l’arbre (« Depth First Search » modifiée et « Best First Search » en Anglais, pouvant être traduits respectivement par « recherche en profondeur d’abord» et « recherche du meilleur nœud d’abord») permettent un parcours de l’arbre efficace en obtenant rapidement une très bonne borne supérieure sur le coût optimal. Cette borne étant assez fine, elle permet d’éliminer très rapidement un très grand nombre de branches de l’arbre à explorer. L’utilisation de méthodes indirectes de contrôle optimal permettent de très vite calculer la solution optimal du problème relaxé connaissant la solution optimale du nœud parent. En effet, ces méthodes, sensibles numériquement, permettent de trouver très rapidement la solution optimale du problème à condition de fournir une bonne initialisation au solveur. Or, la solution optimale du problème relaxé du nœud parent est une très bonne solution initiale pour le nœud courant.
3. Robustesse : les méthodes de collocation utilisées pour résoudre le problème de contrôle optimal permettant de calculer la borne inférieure du problème d’optimisation correspondant à chaque nœud, permettent d’obtenir un bon compromis entre performance et robustesse, entre des méthodes de tir rapides et peu robustes à l’initialisation et des méthodes directes lentes mais robustes à l’initialisation. L’objectif de cette méthode est d’explorer le moins de nœuds possibles pour obtenir la solution optimale. La solution proposée dans ce mode de réalisation de l’invention est d’obtenir le plus vite possible un bonne borne supérieure du coût optimal afin d’éliminer toute les branches dont le coût optimal relaxé est plus grand que cette borne. Il faut donc atteindre le plus vite possible une feuille (extrémité) de l’arbre. La figure 7 illustre la combinatoire d’un problème où, à chaque pas de temps la variable entière peut prendre 2 valeurs e° ou e1. La racine de l’arbre correspond à la profondeur nulle où aucune variable entière n’a été fixée. Les nœuds de profondeur 1 , c’est-à-dire les nœuds directement reliés à la racine correspondent aux différentes valeurs que peut prendre la variable entière à l’instant tf (deux dans ce cas). Ainsi, chaque nœud de profondeur k correspond à un scénario où la variable entière a été fixée sur les pas de temps compris entre tf - k et tf et l’ensemble des nœuds de profondeur k représente tous les scénarios possibles de la variable entière sur les pas de temps compris entre - k et tf. Alors, les feuilles de l’arbre (i.e. les nœuds de profondeur tf) correspondent à tous les scénarios possibles pour la variable entière sur les pas de temps compris entre - k et tf. On fait donc un parcours en profondeur de l’arbre. A chaque profondeur on choisit d’explorer le nœud ayant le coût optimal relaxé le plus petit. Une fois qu’on a atteint une feuille de l’arbre (i.e. toutes les variables entières sont fixées), on obtient une première solution satisfaisant toutes les contraintes qui est donc un majorant du coût optimal. Ensuite, on peut éventuellement passer à une méthode de parcours priorisant les nœuds ayant le coût optimal relaxé le plus faible jusqu’à ce qu’il n’y a plus de nœuds intéressants à explorer.
La minimisation de ladite fonction coût sous contraintes selon un mode de réalisation de notre invention, au moyen d’une méthode de séparation et évaluation peut s’écrire sous la forme :
[Math 4]
Cette formule inclut l’arbitrage entre le prix de l’énergie électrique à l’achat et à la vente et l’impact sur l’usure de la batterie. Le modelé de fonctionnement de la batterie peut être écrit sous la forme suivante :
[Math 5]
Rappelons que sur le côté droit de la Figure 5 on retrouve la dynamique de la batterie fc, qui peut être exprimé selon la formule 2. Selon l’invention, la minimisation de la fonction coût dépend des paramètres prédéfinis parmi les jeux de paramètres du véhicule, de l’infrastructure, et de l’énergie électrique. Ainsi, le séquencement prend en compte les contraintes liées au véhicule, à l’infrastructure et à l’énergie électrique pour optimiser le séquencement de la charge.
Selon un mode de réalisation, qui dépend des paramètres prédéfinis des jeux de paramètres du véhicule, de l’infrastructure, et de l’énergie électrique, cette minimisation de la fonction coût peut être écrite sous les contraintes suivantes :
L’exploration de l’arbre consistant pour chaque nœud à borner le coût optimal et à générer ses enfants a été couverte. Pour décrire complètement l’algorithme de séparation et évaluation, il faut spécifier la partie exploration de cet algorithme, c'est-à-dire dans quel ordre les nœuds vont être explorés.
Selon un mode de réalisation, la minimisation de ladite fonction coût sous contraintes est mise en œuvre au moyen d’une méthode d’exploration d’arbre et préférablement d’une méthode de séparation et évaluation (branch and bound approach) couplée à des méthodes de contrôle optimal sous contraintes d’état et de commande. Ceci permet d’optimiser l’évaluation de la minimisation de ladite fonction coût sous contraintes.
Stratégie de type Depth-First-Search :
Selon un mode de réalisation, afin d'avoir une taille efficace de l'arbre, il est très important d'obtenir une bonne borne supérieure sur le coût optimal afin que toute solution relaxée dont la borne inférieure est supérieure à cette borne supérieure puisse être élaguée. Plus la borne supérieure est bonne, plus l'algorithme est rapide. Mais les limites supérieures du coût optimal sont calculées uniquement sur les feuilles de l'arbre. Par conséquent, il est très important d'arriver à une feuille le plus rapidement possible. Pour ce faire, une technique d'exploration de type Depth-First-Search peut être utilisée. La figure 8 illustre la méthode Depth First Search en explorant le meilleur enfant par génération. Le meilleur enfant est représenté par un cercle évidé. La technique Depth-First-Search consiste à placer les enfants générés d'un nœud dans une pile, puis à explorer le nœud au-dessus de la pile. Procéder de cette façon garantit que le nœud actuellement exploré est toujours un pas plus profond que le précédent, et qu'un nœud feuille est atteint après avoir exploré t f générations. Mais, afin d'obtenir une bonne borne supérieure sur le coût optimal, les nœuds générés sont empilés dans l'ordre décroissant de leur coût optimal relaxé. Cela garantit que la méthode Depth-First- Search suit le chemin des meilleurs enfants. En effet, un nœud est exploré, puis son meilleur enfant est exploré, puis le meilleur enfant de son meilleur enfant et ainsi de suite. Cette heuristique permet à l'algorithme de trouver une rapidement une bonne borne supérieure. De plus, l'utilisation d'une stratégie en temps rétrograde pour définir la variable entière permet à de trouver souvent la solution optimale à l’issue de la procédure de parcours en profondeur d’abord. Sur la figure 8, on a représenté dans la partie droite une flèche P, qui décrit l’ordre des étapes de ce procédé, on démarre à l’étape PO et on termine à l’étape Pn, qui correspond à la feuille de l’arbre. A chaque étape, on calcule le coût optimal relaxé de tous les enfants possible du nœud courant et on détermine le meilleur nœud enfant, représenté en blanc, et on réitère cette étape pour le meilleur nœud enfant représenté en blanc. Sur la partie gauche de la figure, on a représenté l’échelle du temps de charge avec tO l’instant auquel on débute le séquencement de charge, et tf l’instant final auquel on doit terminer le séquencement de charge. Cette échelle de temps est dans l’ordre inverse des étapes du procédé. Pour cette méthode, l’étape PO correspond à l’instant final tf, et l’étape P1 à l’instant tf-At (At représentant la durée minimale d’une séquence de la charge), l’étape Pn-1 correspond à l’instant tO+At, et l’étape Pn correspond à l’instant tO. Ainsi, cette méthode optimise le séquencement en partant de l’état de charge souhaité. Ainsi, cette méthode garantit une optimisation permettant d’obtenir l’état de charge souhaité des véhicules stationnés.
Stratégie de parcours en meilleur nœud d’abord « Best First Search » :
Une fois que la stratégie Depth-First-Search a atteint une feuille, une bonne limite supérieure est disponible. Pour terminer l'optimisation, on peut faire en sorte qu’il ne reste aucun nœud pouvant potentiellement être la racine d’un arbre contenant la solution optimale dans une de ses feuilles. Pour rapidement arriver à cette étape, la méthode d'exploration est désormais une méthode Best-First-Search, c'est-à-dire que le nœud avec le coût optimal relaxé le plus faible est exploré en priorité. La structure de données derrière ce parcours du meilleur nœud d’abord est une queue de priorité permettant d’accéder au meilleur nœud de la pile immédiatement. Présentation de l'approche de pénalisation intérieure:
Afin de résoudre le problème de borne inférieure de l'algorithme Branch and Bound, un intérieur pénalisé dans une approche de contrôle optimal peut être utilisé. Cette méthode consiste à relâcher les contraintes par une augmentation du coût à l'aide de fonctions de pénalisation intérieure.
Cette relaxation dépend de la séquence de paramètres convergeant vers 0. Lorsque cette séquence converge vers 0, la solution de la solution optimale relaxée converge vers la solution du problème d'origine. Le problème pénalisé peut s'écrire comme suit, sous la forme d’une fonction objectif Mà minimiser :
[Math 6]
Les fonctions de pénalité γx et γλ sont choisies, pour s'assurer que les solutions optimales de ce problème pénalisé sont strictement intérieures, c'est-à-dire strictement conformes aux contraintes posées. Par souci de concision, la notation suivante peut s’écrire sous la forme :
[Math 7]
En utilisant un changement de variable, le problème de contrôle optimal pénalisé intérieur extérieur mixte peut s’écrire sous la forme suivante :
[Math 8]
Selon un mode de réalisation, on peut mettre en œuvre une approche du principe maximum de Pontryagin pour résoudre le problème de contrôle optimal sans contrainte : la résolution du calcul de la borne inférieure consiste à résoudre une séquence de problèmes de contrôle optimal sans contraintes. Pour résoudre cette séquence, une approche basée sur le principe maximum de Pontryagin (PM P) peut être utilisée. Pour ce faire, définissons d'abord l'hamiltonien //du problème, comme suit :
[Math 9]
Le PM P pose que résoudre le problème équivaut à résoudre le problème aux deux bouts (TPBVP) suivant. Pour résoudre ce TPBVP de nombreuses méthodes existent. Néanmoins, le choix d'un algorithme de résolution basé sur des méthodes de colocation permet d'obtenir un bon compromis entre vitesse de calcul et sensibilité numérique.
L’invention concerne également un dispositif de contrôle d’une infrastructure de charge de véhicules électriques mettant en œuvre le procédé selon l’un des modes de réalisation décrits plus haut.
Comme il va de soi, l’invention ne se limite pas aux seules modes de réalisation décrits ci-dessus à titre d’exemple, elle embrasse au contraire toutes les variantes de réalisation.
Exemple
Les caractéristiques et avantages du procédé selon l'invention apparaîtront plus clairement à la lecture de l'exemple d'application ci-après
A titre d’exemple, on considère la recharge de 9 voitures avec deux bornes de recharge de puissance maximale différente. Le réglage complet du problème de charge est le suivant nx = 9 le nombre de véhicules nb = 2 le nombre de bornes de charge
Pc = {50,22}
Ps = 60 ΔT = 10 minutes t0,k = 0, k = 1, ..., nx tf:k ∈ U(14,24), k = 1, ..., nx
Avec U(x,y) est la distribution uniforme de [x, y].
À partir de cet exemple avec 9 voitures et 2 bornes de recharge différentes, le multiset
MS(Cad,mad) peut s’écrire :
Afin d'évaluer la taille du problème combinatoire, il faut vérifier la cardinalité de l'ensemble de permutations perm(nx, MS(Cad,mad)). Dans ce cas, le résultat est exactement le nombre de permutations de 2 éléments parmi 9 soit 72. Le problème d'optimisation étant résolu en 24 heures avec un temps de commutation T de 10 minutes donne une branche et un arbre lié de 72624 nœuds. En utilisant l'algorithme de Branch and Bound décrit, la solution optimale a été trouvée à la fin de la procédure de Depth-First-Search. Avec cette méthode, seuls 72x144 nœuds ont été explorés. Dans ce cas, l'algorithme Branch and Bound converge après avoir exploré 72 x 144 nœuds. Sa vitesse de convergence est donc logarithmique par rapport à la taille de l’arbre. Sur la figure 9, on peut voir la stratégie qui consiste à commuter à presque chaque pas de temps les véhicules en charge. Cette figure représente, à titre d’exemple, les puissances de charge en fonction du temps et pour chacun des 9 véhicules. Sur cette figure, on retrouve sur l’axe des abscisses le temps en heures et sur l’axe des ordonnées est représenté l’ensemble de 9 véhicules, notés Vehicle #0 à Vehicle #8. Sur le côté droit de la figure on retrouve l’échelle des niveaux de gris représentant l’intensité de la puissance électrique appliquée à chaque véhicule. Cette méthode permet de recharger les véhicules avec la dernière heure de départ (véhicules 2 et 6 par exemple) à une puissance assez faible et donc avec une efficacité supérieure. Sur la figure 10 on retrouve l’évolution de l’état de charge des batteries des véhicules en fonction du temps. On peut constater que le dispositif permet de réaliser la charge des batteries des 9 véhicules notés Vehicle #0 à Vehicle #8 en fonction des caractéristiques intrinsèques de leurs batteries. Sur la droite, on retrouve une barre avec des nuances de gris, qui représentent l’état de charge des batteries des véhicules.

Claims

Revendications
1. Procédé de contrôle pour une infrastructure de charge pour véhicules (VE1, ..., VEp,
VEp+1), chaque véhicule est équipé d’au moins une batterie rechargeable, ladite infrastructure comprenant au moins une borne de charge (B1 . Bn) reliée à un réseau de distribution électrique (R), au moins deux places de stationnement pour véhicules et au moins un moyen de connexion électrique (A) de ladite au moins une borne de charge (B1 . Bn) avec au moins un véhicule (VE1, ..., VEp, VEp+1) stationné sur ladite au moins deux places de stationnement, le nombre de bornes de charge (B1 . Bn) étant inférieur au nombre de places de stationnement, ledit procédé mettant en œuvre un jeu de paramètres dudit véhicule électrique choisis notamment parmi un niveau de charge initial de ladite au moins une batterie, un niveau de charge requis en fin de chargement de ladite au moins une batterie et une modélisation de ladite au moins une batterie, un jeu de paramètres de l’infrastructure choisis notamment parmi un temps d’attente dans la queue des véhicules stationnés, des caractéristiques électriques de ladite au moins une borne de charge, notamment la puissance maximale et/ou le rendement de la borne de charge, un temps de branchement dudit au moins un moyen de connexion à un véhicule, et un jeu de paramètres de l’électricité choisis notamment parmi un dimensionnement du réseau électrique, un dimensionnement de la puissance électrique disponible localement, un prix de l’électricité du réseau électrique à la vente pour la fourniture de l’électricité depuis la borne de charge vers le réseau électrique et à l’achat pour la fourniture de l’électricité depuis le réseau électrique vers la borne de charge, caractérisé en ce que la charge dudit au moins un véhicule (VE1, ..., VEp, VEp+1) est réalisée selon un séquencement de charge comprenant au moins une étape de charge d’au moins un véhicule, ledit séquencement étant déterminé par minimisation d’une fonction coût sous contraintes d’au moins un élément de chacun des trois jeux de paramètres.
2. Procédé selon la revendication 1 , dans lequel on contrôle en outre une source d’ électricité (PV), notamment renouvelable de type solaire ou éolienne, préférablement produite localement.
3. Procédé selon l’une des revendications précédentes, dans lequel la modélisation de la batterie est exprimée en fonction d’une tension à vide de la batterie et d’une résistance interne de la batterie et ledit séquencement met en œuvre un modèle de charge adapté à ladite modélisation de batterie.
4. Procédé selon l’une des revendications précédentes, dans lequel ladite infrastructure comprend également des moyens de reconnaissance automatique dudit au moins un véhicule (VE1, ..., VEp, VEp+1 ), préférablement optique par reconnaissance de la plaque minéralogique du véhicule lorsque ledit véhicule (VE1, ..., VEp, VEp+1 ) se présente sur une desdites places de stationnement.
5. Procédé selon l’une des revendications précédentes, dans lequel ladite infrastructure comprend également des moyens de communication à distance dudit au moins un véhicule (VE1, ..., VEp, VEp+1 ).
6. Procédé selon l’une des revendications précédentes, dans lequel on met en œuvre au moins un desdits au moins un moyen de connexion (A) à un véhicule (VE1, ..., VEp,
VEp+1) de manière automatique, sans intervention humaine, préférablement sous forme de bras articulé et/ou d’un guidage magnétique.
7. Procédé selon l’une des revendications précédentes, dans lequel ledit séquencement de charge est déterminé à chaque identification d’un nouveau véhicule, ladite identification étant mise en œuvre lors de l’arrivée d’un véhicule (VE1, ..., VEp, VEp+1 ) sur une des places de stationnement ou avant son arrivée, par le biais des moyens de connexion à distance ou selon une planification prédéterminée.
8. Procédé selon la revendication 7, dans lequel on met en œuvre les étapes suivantes lors de l’identification d’un nouveau véhicule (VE1, ..., VEp, VEp+1) ou lors du départ d’un véhicule (VE1, ..., VEp, VEp+1) en charge: a. On détermine au moins un des éléments du jeu de paramètres de l’infrastructure ; b. On détermine au moins un des éléments du jeu de paramètres de l’énergie électrique ; c. Pour chaque au moins un véhicule (VE1, ..., VEp, VEp+1 ) : i. On détermine au moins un des éléments du jeu de paramètres dudit véhicule ; il. On détermine au moins un paramètre de contrôle pour chacune desdites étapes de charge dudit séquencement de charge, ledit paramètre de contrôle comprenant au moins une valeur de durée et de puissance électrique de charge d’au moins un véhicule électrique, ladite puissance électrique pouvant être positive dans le cas d’un chargement et négative dans le cas d’un déchargement ; d. On met en œuvre chacune desdites au moins une étape de charge du véhicule dudit séquencement de charge, en connectant successivement chaque au moins un véhicule stationné sur une des places de stationnement à une borne de charge.
9. Procédé selon l’une des revendications précédentes, dans lequel on optimise le séquencement de charge selon des profils des coûts d’achat et vente de l’énergie électrique du réseau, de l’énergie électrique préférablement produite localement et de l’énergie stockée dans au moins une batterie stationnaire (BAT) et/ou au moins une batterie de véhicule (VE1, ..., VEp, VEp+1).
10. Procédé selon l’une des revendications précédentes, dans lequel on ajuste ledit séquencement également selon un état du trafic réel ou habituel et/ou selon un planning.
11 . Procédé selon l’une des revendications précédentes qui est ajusté également selon des profils statistiques et/ou stochastiques d’au moins un élément des jeux de paramètres.
12. Procédé selon l’une des revendications précédentes qui est également ajusté selon au moins une logique d’apprentissage automatique, préférablement située dans un nuage informatique (E).
13. Procédé selon l’une des revendications précédentes, dans lequel la minimisation de ladite fonction coût sous contraintes est mise en œuvre au moyen d’une méthode d’exploration d’arbre et préférablement d’une méthode de séparation et évaluation couplée à des méthodes de contrôle optimal sous contraintes d’état et de commande.
14. Procédé selon l’une des revendications précédentes, dans lequel on met en œuvre une interface (F) homme/machine matérialisée, préférablement sous la forme d’une borne et/ou dématérialisée, préférablement sous forme d’application.
15. Dispositif de contrôle (D) d’une infrastructure de charge de véhicules (VE1, ..., VEp,
VEp+1) mettant en œuvre le procédé selon l’une des revendications précédentes.
EP21786862.9A 2020-10-14 2021-10-01 Procédé de gestion optimisée du sequencement de la charge de véhicules sur un réseau électrique local Pending EP4228920A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2010494A FR3115000B1 (fr) 2020-10-14 2020-10-14 Procédé de gestion optimisée du séquencement de la charge de véhicules sur un réseau électrique local
PCT/EP2021/077105 WO2022078777A1 (fr) 2020-10-14 2021-10-01 Procede de gestion optimisee du sequencement de la charge de vehicules sur un reseau electrique local

Publications (1)

Publication Number Publication Date
EP4228920A1 true EP4228920A1 (fr) 2023-08-23

Family

ID=74205972

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21786862.9A Pending EP4228920A1 (fr) 2020-10-14 2021-10-01 Procédé de gestion optimisée du sequencement de la charge de véhicules sur un réseau électrique local

Country Status (4)

Country Link
US (1) US20230373336A1 (fr)
EP (1) EP4228920A1 (fr)
FR (1) FR3115000B1 (fr)
WO (1) WO2022078777A1 (fr)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12393888B2 (en) * 2021-03-30 2025-08-19 Honda Motor Co., Ltd. Multi-objective electric vehicle charging scheduler with configurable objective hierarchy
FR3146100B1 (fr) * 2023-02-28 2025-05-02 Univ Toulouse 3 Paul Sabatier Procédé de résolution d’un problème de contrôle optimal
FR3160138A1 (fr) * 2024-03-15 2025-09-19 Gulplug Procédé de gestion d’un réseau électrique
CN119550863B (zh) * 2024-11-29 2025-04-29 青创智云(北京)科技有限公司 一种新能源汽车充电管理系统及充电装置
CN119990657B (zh) * 2025-01-24 2025-11-04 北京交通大学 一种基于快速充电设施的电动公交系统动态运行调整方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7747739B2 (en) * 2006-08-10 2010-06-29 Gridpoint, Inc. Connection locator in a power aggregation system for distributed electric resources
JP4985748B2 (ja) * 2009-11-30 2012-07-25 株式会社デンソー 充電駐車システム
WO2013056990A2 (fr) * 2011-10-19 2013-04-25 Nec Europe Ltd. Procédé, système et station de charge pour charger des véhicules électriques
US9779365B2 (en) * 2012-09-21 2017-10-03 Conduent Business Services, Llc Computer-implemented system and method for managing interchangeable EV charging-capable parking spaces
US9493087B2 (en) 2013-08-07 2016-11-15 Powerhydrant Llc Method and system for automatic charging of electric vehicles
WO2015161862A1 (fr) 2014-04-22 2015-10-29 Nec Europe Ltd. Procédé d'équilibrage des charges de multiples stations de charge pour des charges mobiles au sein d'un réseau de stations de charge, et réseau de stations de charge
US10843581B2 (en) * 2015-12-04 2020-11-24 Cyberswitchingpatents, Llc Electric vehicle charging method
WO2018156732A1 (fr) * 2017-02-22 2018-08-30 Iotecha Corp. Procédé et appareil pour charger une batterie à partir d'un réseau d'alimentation électrique pouvant être isolé
CN107832891A (zh) * 2017-11-15 2018-03-23 云南电网有限责任公司 一种城市快速路口的充电站规划方法
EP3718073A4 (fr) 2017-12-01 2021-08-25 California Institute of Technology Cadriciel et procédés d'optimisation de charge adaptative d'ev
WO2019126806A1 (fr) 2017-12-22 2019-06-27 The Regents Of The University Of California Conception et commande d'infrastructure de recharge de véhicule électrique
DE102020116674A1 (de) * 2020-06-24 2021-12-30 E.On Se Verfahren zum Verwalten zumindest eines elektrifizierten Stellplatzes eines Parkplatzes, Parkverwaltungssystem sowie Computerprogrammprodukt
US20220281346A1 (en) * 2021-03-08 2022-09-08 Starlink Energy Systems, Inc. Modular energy distribution system
FR3147522B1 (fr) * 2023-04-07 2025-02-21 Psa Automobiles Sa Dispositif et procede pour le partage des bornes de recharge sur des lieux de stationnement d’entreprise

Also Published As

Publication number Publication date
FR3115000A1 (fr) 2022-04-15
WO2022078777A1 (fr) 2022-04-21
FR3115000B1 (fr) 2023-07-21
US20230373336A1 (en) 2023-11-23

Similar Documents

Publication Publication Date Title
WO2022078777A1 (fr) Procede de gestion optimisee du sequencement de la charge de vehicules sur un reseau electrique local
Manivannan Research on IoT-based hybrid electrical vehicles energy management systems using machine learning-based algorithm
US12071038B2 (en) Energy source balancer
Rahman et al. Plug-in electric vehicle charging optimization using bio-inspired computational intelligence methods
Donadee et al. Optimal autonomous charging of electric vehicles with stochastic driver behavior
CN118899912A (zh) 基于评估配电网调节能力的灵活性资源规划方法及系统
Chawrasia et al. Design of solar battery swapping station for EV using LSTM-assisted solar power forecasting
Wang et al. A space variable-scale scheduling method for digital vehicle-to-grid platform under distributed electric energy storage
Gandhi et al. Smart electric vehicle (EVs) charging network management using bidirectional GRU-AM approaches
Ambrosino et al. Optimizing electric vehicles charging through smart energy allocation and cost-saving
CN120582086A (zh) 光储充系统的调度管理方法、装置、设备及存储介质
FR3028987A1 (fr) Procede et systeme de gestion de la charge d&#39;un parc de batteries
CN120545968A (zh) 基于数字孪生技术的电动汽车与建筑能源管理优化方法
Shirley et al. Smart charging in electric vehicles and its impact on the evolution of travelling
Cui et al. A distributed week-ahead scheduling method for the charging/discharging of plug-in electric vehicles integrated into the grid
Bhatti et al. Comparative analysis of proposed photovoltaic-grid and grid-only systems for uninterrupted charging of plug-in electric vehicles
CN117611234A (zh) 高速公路综合能源系统预测优化方法、系统、设备及介质
Tang et al. Optimal charging control of electric vehicles in smart grids
Abdelilah et al. Towards Smart EV Charging: Assessing the Flexibility Provision Potential of Electric Vehicle Charging Stations for Cost-Effective Grid Responsiveness
Jayakumar et al. Meta-learning driven energy management in integrated systems with electric vehicles as mobile storage units
Singaram et al. Development and evaluation of novel energy management strategies based on hybrid energy storage systems for extended range electric vehicles to enhance battery lifespan and reduce fuel consumption
Tabaa et al. Nonlinear management programming for grid connected hybrid system combined to e-mobility facility
Douaidi Artificial intelligence-driven optimization of electric vehicle charging infrastructure and user-centric experience
Escoto Gomar et al. Optimization challenges in vehicle-to-grid (V2G) systems and artificial intelligence solving methods
Elgammal et al. Optimal electric vehicle charging control strategy powered by grid linked hybrid PV wind battery renewable energy system

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230515

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)