WO2014009405A1 - Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede - Google Patents

Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede Download PDF

Info

Publication number
WO2014009405A1
WO2014009405A1 PCT/EP2013/064557 EP2013064557W WO2014009405A1 WO 2014009405 A1 WO2014009405 A1 WO 2014009405A1 EP 2013064557 W EP2013064557 W EP 2013064557W WO 2014009405 A1 WO2014009405 A1 WO 2014009405A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
speed
driver
path
setpoint
Prior art date
Application number
PCT/EP2013/064557
Other languages
English (en)
Inventor
Mathieu Grossard
Neil ABROUG
Guillaume HAMON
Original Assignee
Commissariat A L'energie Atomique Et Aux Energies Alternatives
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 Commissariat A L'energie Atomique Et Aux Energies Alternatives filed Critical Commissariat A L'energie Atomique Et Aux Energies Alternatives
Priority to US14/414,065 priority Critical patent/US9616771B2/en
Priority to EP13739633.9A priority patent/EP2872358A1/fr
Publication of WO2014009405A1 publication Critical patent/WO2014009405A1/fr

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
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • 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]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D17/00—Control of torque; Control of mechanical power
    • G05D17/02—Control of torque; Control of mechanical power characterised by the use of electric means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/62—Vehicle position
    • B60L2240/622—Vehicle position by satellite navigation
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/64—Road conditions
    • B60L2240/642—Slope of road
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/68—Traffic data
    • 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
    • B60L2250/00—Driver interactions
    • B60L2250/16—Driver interactions by display
    • 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
    • B60L2250/00—Driver interactions
    • B60L2250/18—Driver interactions by enquiring driving style
    • 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
    • B60L2250/00—Driver interactions
    • B60L2250/30—Driver interactions by voice
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/44—Control modes by parameter estimation
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0013—Optimal controllers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/20—Road profile, i.e. the change in elevation or curvature of a plurality of continuous road segments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • 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
    • Y02T10/64—Electric machine technologies in electromobility
    • 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
    • Y02T10/72—Electric energy management in electromobility
    • 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
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration
    • 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

Definitions

  • the present invention relates to a method for managing the energy consumed by a motor vehicle. It also relates to a system implementing such a method. It applies especially for electric vehicles and more.
  • batteries embedded in electric vehicles have a finite energy capacity.
  • the electric recharging of a battery requires a very important time. Therefore, it is essential for the driver of such a vehicle to be assured that the amount of energy stored in the batteries is sufficient to travel a desired path while activating ancillary equipment that ensures passenger comfort.
  • auxiliary management strategy For thermal vehicles, the question of the management of auxiliary equipment (heating, air conditioning, etc ..) does not arise since fossil energy is available on the road network at many points of refueling. Thus, the auxiliary management strategy is reduced to meeting the demands of the driver. In the case of electric vehicles, this simple strategy can quickly become unfeasible. Storage capacities are limited and refills are currently absent. Satisfying at all costs the requested comforts (via heating auxiliaries, car radio, ...) can quickly deplete the energy resources of the battery. This can be done to the detriment of the goal of the mission which is to arrive at the course.
  • EMS Energy Management Systems
  • these articles present energy management strategies aimed at finding the best scenario for activation of the thermal and / or electric engine at a given moment with respect to consumption criteria and / or or pollutant emission of a vehicle.
  • These strategies do not make it possible to manage at the same time the satisfaction of the comfort indices of the vehicles, in particular the requests of the auxiliary equipments, the battery power consumption and the indices of performances of the vehicles, such as the time of travel for example, in the case of a purely electric motor.
  • An object of the invention is therefore in particular to provide optimal instructions that a driver must apply to minimize both travel and energy consumption while responding best to the activation requests of auxiliary equipment, and this regardless of the driver.
  • the subject of the invention is a method for managing the energy consumed by a motor vehicle, for a given path between a starting point A and an arrival point B, said method using at least:
  • a simulation unit incorporating a vehicle model predicting the behavior of said vehicle and a driver model predicting the behavior of the driver of said vehicle, said driver model receiving as input a target speed to reach and the speed of said vehicle measured at successive times and providing an engine torque setpoint to said vehicle model function of said speeds and behavior of the modeled driver;
  • said method having a set of trajectories composed of the trajectory of said speed setpoint and at least the trajectory of a setpoint for controlling an auxiliary equipment, the trajectory of a setpoint describing the evolution of said setpoint as a function of the position of the vehicle, said trajectories being calculated with respect to objectives given according to said optimization algorithm whose variables are formed from said setpoints, said method comprising a preliminary step comprising:
  • the trajectories of said setpoints being recalculated at each sampled position XL (k) of the first sequence according to the optimization algorithm, a simulation predicting the energy environment of the vehicle and the behavior of said driver to the arrival point B according to said setpoints and at least the approximate profile of the remaining path, the optimization algorithm taking into account the result of the simulation to calculate the instructions of the trajectories.
  • the vehicle is for example towed from a single source of energy.
  • the optimization algorithm is a particle swarm meta-heuristic, a particle being composed of said instructions.
  • the conductive model can be an Integral Proportional Corrector (P.I.D.) in speed.
  • P.I.D. Integral Proportional Corrector
  • it comprises a correction representative of the driver's anticipation action in the face of a type of event.
  • the type of event is for example a change of slope on said path.
  • the conductor model is for example calculated on at least one section of said given path, said model being calculated by performing a linear regression from the value of the applied engine torque, the measured vehicle speed and the target speed in points. of said given section.
  • the segments of the approximated profile are for example a function of the elevation of the path and / or the speed limit changes.
  • a segment represents a path section of constant slope and / or constant speed limitation.
  • the predicted energy environment may include the state of the energy resource.
  • the energy environment comprises, for example, the speed of the vehicle, the remaining travel time and at least one output variable of an auxiliary equipment.
  • the simulation is for example performed according to the traffic conditions on the remaining path.
  • the vehicle using electrical energy the energy resource being electric batteries
  • the combinations of objectives are for example created among the following objectives 01, 02, 03:
  • - 01 to minimize the total electrical charge consumed by the batteries, load transmitted to the electric motor and energy transmitted to the auxiliary equipment;
  • - 02 minimize the travel time between the starting point A and the arrival point B;
  • the subject of the invention is also a system for managing the energy consumed by a motor vehicle on a given path, characterized in that said system comprises at least:
  • a calculator adapted to be embedded in said vehicle and interfaced with said means, said calculator incorporating
  • a simulation unit incorporating a vehicle model predicting the behavior of said vehicle and a driver model predicting the behavior of the driver of said vehicle, said driver model receiving as input a target speed to reach and the speed of said vehicle measured at successive times and providing an engine torque setpoint to said vehicle model which is a function of said speeds and a function of the behavior of the modeled driver;
  • FIG. 2 an illustration of the integration of the method or a device according to the invention in the power train of an electric vehicle;
  • FIG. 3 an illustration of the integration of the speed corrector associated with an identified conductor and the resulting torque command generation;
  • FIG. 4 an example of identification of a corrector to a given driver
  • FIG. 5 an illustration of spatial sampling examples along the approximate path
  • FIG. 6 is a flowchart of an example of a general algorithm implementing an energy management method according to the invention.
  • FIG. 7 an example of an optimization algorithm
  • FIG. 8 an illustration of the cooperation between the optimization algorithm and a simulation of the state of a vehicle on a path remaining to be traveled;
  • FIG. 10 an example of a result of an energy management according to the invention in the form of the presentation of three trajectories, giving speed instructions to be applied.
  • FIG. 1 shows the profile of an example of a path, intended to be traveled by a vehicle, between a starting point A and an arrival point B. In particular, it presents the elevation of the road according to the position of a vehicle along this path.
  • the real profile 1 of the road is approximated by a linear function 2 by a set of segments.
  • the invention is described for application to a vehicle, in particular towed from a single source of energy.
  • the invention can be applied to a fully electric propulsion vehicle via a battery providing only energy to the electric traction motor.
  • the implementation of the invention requires the use of an electronic computer within the vehicle capable of collecting, via a communication protocol, of the CAN type for example, a set of signals representative of the level of charge of the vehicle. the battery, the speed of advance of the vehicle, and the level of use of the auxiliary equipment in particular.
  • This calculator loads a simulator of the vehicle in order to be able to predict the energy consumption on the course.
  • the invention also uses for example a GPS to know the future road information on the inclination of the road. GPS knowledge of road traffic information can also be advantageously used.
  • heating is considered as the only auxiliary equipment in the vehicle.
  • Other auxiliaries could be taken into account, especially audio equipment, air conditioning or interior lighting for example.
  • the invention at least takes into account the electric motor and the entire chain of traction of the vehicle, as well as at least one auxiliary comfort equipment. Two control variables X, or instructions, will be taken into account later.
  • the invention takes into account the conduct of the driver in the EMS strategy embedded in the aforementioned calculator.
  • a model of the driver is defined.
  • the model of the driver can be extracted from rolling profiles known a priori and used for other routes. It can also be identified online at the beginning of each road trip or at specific times of the course.
  • the modeling of the behavior of the driver used by the invention is as follows: the driver wishes to reach a reference speed at a given moment of the course. Depending on the road profile and certain information relating to his vehicle, the driver will more or less press the accelerator pedal, that is to say, provide a set torque of the drive chain. This, in order to reach the reference speed. Thus the driver can be considered as a speed corrector. The method according to the invention then directly takes into account the torque setpoint resulting from this corrector, representative of the behavior of the driver.
  • FIG. 2 illustrates the integration of the method or device according to the invention into the traction system of an electric vehicle.
  • the traction chain conventionally comprises an electric motor 21 transmitting a torque to a transmission member 22 which transmits a torque to the dynamic members of the vehicle 23, in particular the wheels drive.
  • a set of power electronics 24 forms the interface between the control and the motor.
  • a regulation loop is added at the same time as the addition of a speed correction module 25, the correction provided being a function of the behavior of the driver.
  • the speed of the vehicle is measured at times t and sent to a comparator delivering an AV value corresponding to the difference between the desired speed and the measured speed.
  • the speed correction module 25 models in particular how to respond to this AV value by the driver.
  • a control member 27 of the vehicle makes a prediction of the state of the vehicle at the future times of the course.
  • This member comprises a signal acquisition module 271. Via this module, the controller acquires the battery charge level as a function of time, called SOC (t) according to the English expression "State Of Charge”. It also acquires the profile of the road between the points A and B as illustrated by FIG. 1, that is to say between the initial moment t 0 and the final instant t f . It also acquires all the information provided by the GPS 29.
  • the EGV member also comprises a module 272 performing the online optimization steps, all along the path, from the model of the vehicle and the driver model and a heuristic which will be described later, this heuristic also applying to the driver model.
  • a module 273 applies the EMS strategy by providing the vehicle control information to the driver, both with respect to the speed 200 and the control of the auxiliaries 201.
  • the introduction of the behavior of the driver makes it possible to predict, on the future instants of the route A-B, the transient state that would have been carried out by the driver thus simulated to reach the target speed.
  • this makes it possible to accurately predict the energy consumption of the vehicle associated with a given driver.
  • FIG. 3 illustrates the integration of the speed corrector associated with an identified conductor and the generation of the resulting speed reference.
  • the speed correction includes the corrector module 25 and the comparator 26 of FIG. 2.
  • the corrector thus receives, as input, the desired speed set point 31, desired by the driver, as well as the value of the real speed 32 of the vehicle at a time t.
  • the corrector provides output a reference torque value 33 as setpoint for the motor.
  • This corrector is of integral proportional type and derivative (PID) in speed.
  • PID integral proportional type and derivative
  • this corrector contains for example an anticipatory action, called “feed-forward" in the Anglo-Saxon literature, which is representative of the anticipatory action of the driver facing the inclination of the road.
  • correction P1 then "feed-forward" action, forms the value 33 of the torque applied to the motor and therefore the entry of the model 3 of the vehicle from which the control member 27 performs the EMS strategy. of the vehicle.
  • Anticipation may concern another type of event than a change in altitude profile.
  • FIG. 4 illustrates an example of identification of a corrector to a given driver enabling the creation of a driver model.
  • the behavior of the driver is extracted from a rolling profile on a given course.
  • the speed controller is developed by performing a linear regression between the torque applied, the speed desired by the driver and the actual speed of the vehicle.
  • the corrector representing the behavior of the driver has been integrated into the simulation model incorporated in the correction module 25.
  • FIG. 4 shows the real speed of the vehicle, measured speed, on a given course by a first curve 41.
  • a second curve 42 represents the associated speed setpoint generated automatically.
  • This speed instruction 42 corresponds to the speed desired by the driver, that is to say the speed he wanted to achieve.
  • a third curve 43 represents the value of the motor torque actually applied. All these values 41, 42, 43 can be acquired by known means throughout the given course and more particularly on the sections of this course.
  • a conductor behavior composed of a linear dynamics of speed correction and anticipation of the slope of the road.
  • estimated torque values 44 that will be the torque setpoints applied to the motor, in the consideration of the speed corrector, and therefore the behavior of the driver.
  • the estimated torque curve 44 closely resembles the engine torque represented by the third curve 43, confirming that this method of representing the driver through this speed corrector is effectively identified.
  • the speed corrector is completely defined by a finite set of numerical parameters. These define the way the driver drives, for example the application of brief or slow accelerations, the anticipation action more or less pronounced ...
  • this set of parameters is for example identified in an embedded manner throughout the course at different times.
  • the invention makes it possible to take into account any driver, and if a driver changes his driving behavior, when passing to an urban area to a peri-urban area for example, the invention also makes it possible to take into account Changing behaviour.
  • the torque requested from the motor is then a function of the difference between the set speed V CO nsign e (desired by the driver) and the current speed of the vehicle V V eco-friendly ⁇
  • Cp f (V CO NSIGN e, V éhicuie V)
  • the function f f translating driver behavior. It is defined by the speed corrector 25.
  • the requested motor torque can be positive, in the case of propulsion, or negative, in the case of deceleration.
  • the corresponding speed variable V is for example indicated as a percentage of its maximum allowable value.
  • the heating position variable is an integer variable. Each position corresponds to a fixed power for heating the passenger compartment of the vehicle.
  • the trajectory of a variable X corresponds to the evolution of this variable as a function of the position, from the starting point A to the arrival point B.
  • the trajectory of the speed is the value of the speed at each position of the path.
  • the path is known a priori via position coordinates, GPS information, the arrival time being unknown and constituting an optimization parameter;
  • Some variables of the model of the vehicle for the simulation are function of the position or the elevation, for example the requested torque, thus the speed, varies essentially with the elevation.
  • the two variables, requested speed and requested heating position are calculated over the entire path.
  • a second category of spatial samples XL is introduced, the samples XL being for example defined by segments 2 approximating the profile of the path, each segment corresponding to a sample XL.
  • the spatial samples XL correspond to locations of the route where the optimization algorithm, which will be described later, is restarted to refresh all the setpoints, both in terms of speed and of the heating position.
  • the optimization algorithm which will be described later, is restarted to refresh all the setpoints, both in terms of speed and of the heating position.
  • An overall objective of the strategy for managing energy within a vehicle is to determine the optimal values of these two variables over the entire sampled path, vis-à-vis for example the following three objectives O1 , O2, 03: - 01: to minimize the total electrical charge consumed by batteries or any other type of energy resource, charge transmitted to the electric motor and energy transmitted to the heating;
  • objective 03 may be formulated as follows:
  • the management strategy must satisfy several constraints, among which for example the following constraints C1, C2, C3, C4:
  • the instantaneous charge of the batteries must always be higher than a fixed threshold, in order to preserve the life of the batteries;
  • the travel time must be less than a fixed threshold
  • the vehicle speed must not exceed a certain threshold, in order to respect the speed limits along the route.
  • trajectories considered are the mechanical torque supplied by the motor and the heating position, for example that the state of charge of the batteries (SOC), the vehicle speed, travel time and cabin temperature.
  • SOC state of charge of the batteries
  • the trajectory of each of its information may be represented by a curve representing their value as a function of the position of the vehicle along the path between point A and point B.
  • One objective of the energy management strategy according to the invention is to provide three sets of trajectories between the points A and B, a set of low trajectories, a set of high trajectories and a set of so-called pseudo-optimal trajectories, these trajectories can be defined as follows:
  • these trajectories are proposed to the driver of the vehicle, in a given ergonomic form.
  • the driver then always has the possibility to decide to accelerate or brake, and to change the heating power setpoint.
  • the three sets of trajectories serve in particular to assist the driver and reassure him about the possibility of arriving at the destination of his journey with the amount of electrical energy stored.
  • the invention makes it possible to propose to the driver the optimal trajectories according to his preferences and his mode of driving for example.
  • FIG. 5 illustrates the spatial Xe and XL sampling previously defined for a given path profile represented by a curve 51.
  • the samples Xe are represented inside a segment 52 flanked by two values of samples XL.
  • a segment 52 represents for example a path section of constant slope and / or constant speed limitation.
  • the three sets of trajectories are calculated and determined based on the known information on the path. These trajectories are updated at particular points corresponding to the times of spatial sampling.
  • the three sets of trajectories are recalculated from the history, the remaining path profile, the outside temperature, and the measurements collected in this way. point. These measurements indicate, for example, the state of charge of the batteries, the temperature of the passenger compartment and the travel time to this point.
  • the history notably includes the records of the trajectories calculated at the instants of previous samplings.
  • Optimal trajectories are computed from a formalization of the EMS management problem into a constrained single-objective optimization problem containing several decision variables.
  • the objective is to determine the optimal trajectories to the end position Xf.
  • the previous update took place at the point XL (k-1), the points XL (k-1) and XL (k) framing a segment 52.
  • two consecutive segments are not collinear, which means in practice that the passage from one segment to another is at a change of inclination of the slope of the road.
  • the path is sampled according to step Xe.
  • FIG. 6 presents the flowchart of an example of a general algorithm implementing an exemplary EMS strategy according to the invention since starting the vehicle at a point A to an arrival point B, final destination.
  • the path profile can be approximated during this step
  • the GPS regularly transmits the current position of the vehicle on the course.
  • the departure of the vehicle is followed by a step 600 of identification of the behavior of the driver leading to the creation of the speed controller.
  • the EMS system identifies, for example, the driver model using the torque and speed measurement data returned by the electric vehicle control unit (UCVE).
  • UVE electric vehicle control unit
  • This unit has the particular function of controlling all the low-level electrical functions and of acquiring the course data, such as speed or torque measurements.
  • the identification phase ends when it has been decided that the input / output signals (speed / torque) of the future corrector are sufficiently rich from a frequency point of view to design an effective corrector. A linear regression on the values of torque and speed is then for example used to define the coefficients of the speed corrector, the latter being integrated into the simulation model of the EMS which will be described later.
  • the algorithm can be executed.
  • the identification of the driver model can also be established again throughout the journey.
  • the algorithm begins and then continues with a series of two tests 61, 62. These tests are performed according to the temporal sampling step Te, that is to say that all Te, these tests are carried out.
  • Te temporal sampling step
  • X (i) a sampled position according to Te.
  • a first test 61 the position X (i) is compared with the final value Xf.
  • the value X (i) is substantially equal to the value Xf, otherwise stored, the vehicle has reached the end point B, it is at its destination final 69.
  • the refreshing of the optimal setpoints for each position Xe (j) between the position XL (k) and Xf 64 is applied.
  • the position XL (k) is incremented by a step XL, XL (k + 1) for the next test 62.
  • the algorithm is looped back on the first test 61 where the not X (i + 1) is compared with the position Xf, then if Xf is not reached X (i + 1) is compared with XL (k) or XL (k + 1) depending on whether XL has been incremented or not .
  • the positions X (i) and XL (k) do not necessarily coincide, so an interval of distance LE such that
  • ⁇ LE means that the position XL (k) is reached. It's the same with Xf.
  • the positions of the vehicle are detected by position sensors, for example using a GPS system, the distance LE taking into account the uncertainties of measurements.
  • the refresh or update of the setpoints is performed by an optimization algorithm.
  • the chosen optimization algorithm is for example particulate swarm. It is of course possible to use other meta-heuristics such as genetic algorithms or ant colony algorithms for example.
  • the optimization problem can be formulated by minimizing a constrained mono-objective function.
  • the mono-objective function is the weighted sum of the objectives 01, 02, 03. This problem is thus formulated in the following table for a position X (i), denoted X t , coinciding with a position XL (k):
  • Param_trajet parameters relating to the path (length, road profile, outside temperature, etc.) under the following constraints:
  • Min_state and max_state minimum and maximum vehicle status
  • nPcMax Maximum power required for heating
  • n corresponds to a discrete position of the heating setpoint.
  • the speed Cp is normalized and varies between -1, for the minimum speed, and +1, for the maximum speed.
  • transition from one optimal trajectory to another is done by weighting differently the objective function to be minimized according to the values ⁇ , ⁇ , ⁇ .
  • This optimization problem is constrained mono-objective with a very large search space. It must also take into account variables with real values, such as the value of the requested speed, and integers, such as the heating position.
  • the particle swarm optimization algorithm has the particular advantage of being simple to implement in a computer embedded in a vehicle. It is a method based on the existence of a population of particles, corresponding to the solutions, which move in the search space of the admissible solutions. Each particle has a memory that allows it to find its best position, according to the optimization criterion. She has also access to the best positions of its neighbors. The particle in a flight plan that allows him to know his future destination in the search space. This flight plan is calculated from its best position in the past, the best position of all particles and its last vector of displacement, called by language abuse speed.
  • a particle corresponds to a set of system state variables.
  • a particle corresponds to the requested speed and the heating position n.
  • a particle corresponds to:
  • Vp 10% of the maximum speed
  • FIG. 7 presents the optimization algorithm 65, in which the steps described above are found in particular. All particles, or solutions, are evaluated with respect to the criterion to be minimized, optimization, and constraints. This criterion and these constraints make use of a simulator of the vehicle, integrating the conductor behavior, having its own algorithm 70, capable of determining the state of the system from a position X (i) to a position Xf.
  • the simulator 70 includes the behavioral model of the driver.
  • an initial step 71 the initialization of the particles is carried out. This step is followed by a step 72 of evaluation of the particles initialized according to the optimization criterion and the constraints, using the simulator 70. This step is followed by a step 73 of updating the particles according to the previous equation system (Eq1). It is followed by a step 74 evaluation. This step performs the evaluation of the new particles according to the optimization criterion and according to the constraints, using the simulator 70. This evaluation step is followed by a step 75 of updating the best position of each particle, itself followed by a step 76 of updating the best particle of the swarm.
  • FIG. 8 illustrates the cooperation between the meta-heuristic 81, for example corresponding to the optimization algorithm of FIG. 7, and the simulator 70.
  • the function of the simulator 70 is notably to predict the energy consumption of the power train. and heating, and more generally all auxiliary, on the remaining course, involving conductor behavior.
  • This simulator is intended to be called as many times as there are particles at each iteration of the particle swarm algorithm. The total number of calls from the simulator can thus reach a few thousand for a given scenario. The cycle time of the simulation must be compatible with the different sampling parameters.
  • modeling can be limited in first approximation to the behavioral model of the vehicle and the only organs consuming most of the battery energy, that is to say electric traction and heating, and to the driver model whose characteristics are those of the speed corrector 25.
  • the energy consumed by them can be neglected.
  • Servomotor The power losses of an asynchronous motor are not stationary, they are functions of torque and engine speed. Static mapping represents the motor behavior and its performance. This makes it possible to identify the electrical power consumed by the engine at each moment.
  • Mechanical transmission The transmission is modeled by a speed gain corresponding to the ratio noted N of the engine (rd / s) and vehicle (m / s) speeds, and a gain in torque, engine torque ratio (Nm) and vehicle effort ( NOT). The gain in effort and speed is assumed to be identical, the losses being modeled at the motor level.
  • SOC state of charge of the battery
  • SOC (t) SOC Q - ⁇ ldt
  • l (t) the current flowing through the motor
  • U (t) the voltage across the motor
  • E 0 is a function of the temperature in particular.
  • the output of the simulator 70 constitutes an input of the optimization algorithm 51 in the sense that the simulator calculates a state of the system (Velocity V (x), temperature t (x), SOC (x ) in particular) for X (i) positions sampled up to Xf, this state represents the environment vehicle energy. This state is used for the evaluation of the updated particles.
  • the output of the optimization algorithm constitutes an input of the simulator in that the algorithm provides the speed and the optimum heating position to the simulator to perform the simulation of the vehicle, this state (vehicle speed, position of heating) being defined in step 76 of updating the best particle.
  • this state or energy environment would take into account the output variable of these equipment, the sound volume of a car radio or the outlet temperature of an air conditioning for example.
  • the simulation is also carried out according to the traffic conditions on the remaining route, such as climatic conditions or the intensity of road traffic.
  • the behavior of the vehicle is governed by nonlinear time differential equations. These time equations are sampled in a time step Ts of simulation before proceeding to their numerical integration. Ts is for example of the order of 2 seconds.
  • the particle swarm optimization algorithm samples, for its part, the different states (torque, speed and SOC in particular) at the pitch Xe, the instructions being refreshed at the pitch of the samples XL.
  • the meta-heuristic 81 and the simulator 70 exchange input and output data. The same states are thus expressed in two different spaces, temporal and spatial. It is necessary that the inputs / outputs of a module 81 are compatible with the inputs / outputs of the other module 70.
  • the new vehicle position is calculated and compared to the spatial samples corresponding to setpoint changes.
  • FIG. 9 shows the operating algorithm of the simulator 70 according to the above description.
  • the simulator calculates in a first step 91 the position X (i) of the vehicle, the speed V (i) of the vehicle, the state of charge of the SOC batteries. (i) and the temperature T ° (i) inside the passenger compartment, by means of sensors known to those skilled in the art.
  • the data V (i), SOC (i) and T ° (i) are transmitted to the optimization algorithm.
  • X (i) is then compared to Xf to determine whether the vehicle has arrived at destination 90. If not, X (i) is compared to the next sampled position Xe (j). If X (i) is different from Xe (j), the setpoint is maintained. In the opposite case, X (i) is substantially equal to Xe (j), the setpoint is incremented 95, it is maintained until the next space step. The index j is then incremented by a unit 1 so that the next comparison 93 will be made with Xe (j + 1).
  • the time sampling period is the sampling period mentioned above, it can be equal to the period Te used for the general algorithm presented in Figure 6.
  • Figure 10 shows an example of a final result of the optimization strategy at a given moment or at a given position, in this example at the position XL (k).
  • This result presents the three optimal trajectories, the average trajectory 101, the high trajectory 102 and the low trajectory 103. These trajectories represent the value of the requested speed as a function of the position.
  • Each path predicts the optimal speed values from position XL (k) to the end of the path at position Xf, the optimal speed values being refreshed, that is, recalculated, all XL. They are calculated to minimize the consumption, the time traveled and / or allow the maximum comfort, taking into account the behavior of the driver, using the strategy implemented by the method according to the invention as described above. Depending on the objectives initially set and the constraints related to the course.
  • These three sets of trajectories are returned to the driver so that he adapts his driving style. Preferably they are not restored in a raw form as illustrated by FIG. 10. They can be rendered in an ergonomic form adapted to the situation of an automobile driver, for example in the form of simple voice or visual instructions. to read in the visual case.
  • the algorithms implementing the method according to the invention are for example implemented in a computer embedded in the vehicle, for example in the UCVE, this computer being interfaced with the various sensors providing the necessary input data such as the positions in particular , the speed or the internal and external temperatures for example, as well as the measurements of the state of the batteries.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

L'invention concerne un procédé de gestion de l'énergie consommée par un véhicule automobile, notamment électrique. Le procédé utilise au moins : - une unité de simulation incorporant un modèle véhicule prédisant le comportement dudit véhicule et un modèle conducteur prédisant le comportement du conducteur dudit véhicule, ledit modèle conducteur recevant en entrée une consigne de vitesse à atteindre (31) et la vitesse dudit véhicule mesurée (32) à des instants successifs et fournissant une consigne de couple moteur (33) audit modèle véhicule (3) fonction desdites vitesses (31,32) et du comportement du conducteur modélisé; - un algorithme d'optimisation coopérant avec ladite unité de simulation; ledit procédé présentant un ensemble de trajectoires composé de la trajectoire de ladite consigne de vitesse et d'au moins la trajectoire d'une consigne pour commander un équipement auxiliaire, la trajectoire d'une consigne décrivant l'évolution de ladite consigne en fonction de la position du véhicule, lesdites trajectoires étant calculées par rapport à des objectifs donnés selon ledit algorithme d'optimisation dont les variables sont formées desdites consignes.

Description

Procédé de gestion de l'énergie consommée
par un véhicule automobile
et système mettant en œuvre un tel procédé
La présente invention concerne un procédé de gestion de l'énergie consommée par un véhicule automobile. Elle concerne également un système mettant en œuvre un tel procédé. Elle s'applique notamment pour les véhicules électriques et plus.
De plus en plus de véhicules à motorisation totalement électrique sont utilisés, notamment dans les zones urbaines. L'utilisation des véhicules électriques offre de nombreux avantages. Les batteries sont des composants critiques pour ces types de véhicules. De façon plus générale, la gestion de l'énergie pour ces véhicules est une problématique totalement différente de celle des véhicules thermiques, à énergie fossile.
En particulier, les batteries embarquées au sein des véhicules électriques possèdent une capacité énergétique finie. Par ailleurs, la recharge électrique d'une batterie nécessite un temps très important. Par conséquent, il est primordial pour le conducteur d'un tel véhicule d'être assuré que la quantité d'énergie stockée dans les batteries est suffisante pour parcourir un trajet désiré tout en activant les équipements auxiliaires qui assurent le confort des passagers.
Pour les véhicules thermiques, la question de la gestion des équipements auxiliaires (chauffage, climatisation, etc ..) ne se pose pas puisque l'énergie fossile est disponible sur les réseaux routiers en de nombreux points de ravitaillement. Ainsi, la stratégie de gestion des auxiliaires se réduit à satisfaire les demandes du conducteur. Dans le cas des véhicules électriques, cette stratégie simple peut devenir rapidement irréalisable. Les capacités de stockage sont limitées et les recharges actuellement absentes. Satisfaire à tout prix les conforts demandés (via les auxiliaires de chauffage, autoradio, ...) peut rapidement épuiser les ressources en énergie de la batterie. Cela peut se faire au détriment de l'objectif de la mission qui est d'arriver à destination du parcours.
La mise en place d'une stratégie de gestion d'énergie tenant compte de la minimisation de l'énergie consommée, de la contrainte d'arrivée à destination et la satisfaction des conforts, peut devenir contraignante pour le conducteur. En effet, ces critères peuvent imposer un mode de conduite très lent et une non-satisfaction des demandes de vitesse du conducteur.
De nombreux articles présentent des solutions pour réaliser des systèmes de gestion de l'énergie dans les véhicules hybrides, à motorisation thermique et électrique. Ces systèmes sont encore appelés EMS, acronyme de l'expression anglo-saxonne « Energy Management Systems ». Le terme EMS pourra être utilisé par la suite.
En règle générale, ces articles présentent des stratégies de gestion de l'énergie ayant pour but de chercher le meilleur scénario d'activation du moteur thermique et/ou électrique à un instant donné vis-à-vis de critères liés à la consommation et/ou émission polluante d'un véhicule. Ces stratégies ne permettent pas de gérer à la fois la satisfaction des indices de confort des véhicules, notamment les demandes des équipements auxiliaires, la consommation électrique de la batterie et les indices de performances des véhicules, tels que le temps de parcourt par exemple, dans le cas d'une motorisation purement électrique.
Dans le domaine de la gestion de l'énergie des véhicules à motorisation purement électrique, on peut citer la demande de brevet EP1462300 A1 . Dans ce document, le but est de permettre la gestion du niveau de charge et décharge de la batterie par le conducteur grâce à certaines informations données au conducteur du véhicule. Un inconvénient de la solution proposée est qu'elle nécessite l'emploi d'un chargeur de batterie, ce qui est une contrainte forte.
Ces solutions de l'art antérieur ne répondent donc à la problématique à laquelle est confronté un conducteur, notamment d'un véhicule tout électrique. Il est en effet primordial pour ce conducteur d'être assuré que la quantité d'énergie stockée dans les batteries soit suffisante pour faire le trajet. Dans le cas où la quantité d'énergie ne peut garantir de façon fiable l'arrivé à destination, il est nécessaire de proposer au conducteur un mode de conduite lui permettant d'arriver à destination. Cet objectif doit être respecté quel que soit le conducteur du véhicule. Par ailleurs, les capacités maximales de stockage des batteries actuelles restant très insuffisantes, il est nécessaire de veiller à ne pas gaspiller et donc à minimiser l'énergie consommée.
Un but de l'invention est donc notamment de fournir des consignes optimales qu'un conducteur doit appliquer pour minimiser à la fois les temps de parcours et la consommation d'énergie tout en répondant au mieux aux demandes d'activation des équipements auxiliaires, et cela quel que soit le conducteur.
A cet effet, l'invention a pour objet un procédé de gestion de l'énergie consommée par un véhicule automobile, pour un trajet donné entre un point de départ A et un point d'arrivée B, ledit procédé utilisant au moins :
- une unité de simulation incorporant un modèle véhicule prédisant le comportement dudit véhicule et un modèle conducteur prédisant le comportement du conducteur dudit véhicule, ledit modèle conducteur recevant en entrée une consigne de vitesse à atteindre et la vitesse dudit véhicule mesurée à des instants successifs et fournissant une consigne de couple moteur audit modèle véhicule fonction desdites vitesses et du comportement du conducteur modélisé ;
- un algorithme d'optimisation coopérant avec ladite unité de simulation ; ledit procédé présentant un ensemble de trajectoires composé de la trajectoire de ladite consigne de vitesse et d'au moins la trajectoire d'une consigne pour commander un équipement auxiliaire, la trajectoire d'une consigne décrivant l'évolution de ladite consigne en fonction de la position du véhicule, lesdites trajectoires étant calculées par rapport à des objectifs donnés selon ledit algorithme d'optimisation dont les variables sont formées desdites consignes, ledit procédé comportant une étape préliminaire comportant :
- une sous-étape de mémorisation d'un profil approximé (2) dudit trajet sous formes de segments XL de droites, formant une première suite de positions échantillonnées XL(k) le long du trajet, une position échantillonnée XL(k) correspondant au passage d'un segment au segment suivant ;
- une sous-étape d'échantillonnage dudit profil selon un pas spatial
Xe, formant une deuxième suite de positions échantillonnées Xe(j) le long du trajet, les positions échantillonnées Xe(j) étant situées à l'intérieur des segments XL ;
les trajectoires desdites consignes étant recalculées à chaque position échantillonnée XL(k) de la première suite selon l'algorithme d'optimisation, une simulation prédisant l'environnement énergétique du véhicule et le comportement dudit conducteur jusqu'au point d'arrivée B en fonction desdites consignes et au moins du profil approximé du trajet restant, l'algorithme d'optimisation tenant compte du résultat de la simulation pour calculer les consignes des trajectoires.
Le véhicule est par exemple tracté à partir d'une seule source d'énergie. Dans un mode de mise en œuvre particulier, l'algorithme d'optimisation est une méta-heuristique à essaim particulaire, une particule étant composée desdites consignes.
Le modèle conducteur peut être un correcteur du type proportionnel intégral (P.I.D.) en vitesse. Il comporte par exemple une correction représentative de l'action d'anticipation du conducteur face à un type d'événement.
Le type d'événement est par exemple un changement de pente sur ledit trajet.
Le modèle conducteurs est par exemple calculé sur au moins un tronçon dudit trajet donné, ledit modèle étant calculé en effectuant une régression linéaire à partir de la valeur du couple moteur appliqué, de la vitesse mesurée du véhicule et de la vitesse de consigne en des points dudit tronçon donné.
Les segments du profil approximé sont par exemple fonction de l'élévation du trajet et/ou des changements de limitation de vitesse.
Un segment représente par exemple une section de trajet de pente constante et/ou de limitation constante de vitesse.
L'environnement énergétique prédit peut comporter l'état de la ressource d'énergie.
L'environnement énergétique comporte par exemple la vitesse du véhicule, le temps de trajet restant et au moins une variable de sortie d'un équipement auxiliaire.
La simulation est par exemple effectuée par ailleurs en fonction des conditions de circulation sur le trajet restant.
Plusieurs objectifs donnés étant composés chacun d'une combinaison d'un ou plusieurs objectifs pris dans un ensemble d'objectifs, plusieurs ensembles de trajectoires sont par exemple présentés pour une même consigne, une trajectoire étant calculée par rapport à une combinaison d'objectifs.
Le véhicule utilisant l'énergie électrique, la ressource d'énergie étant des batteries électriques, les combinaisons d'objectifs sont par exemple créées parmi les objectifs suivant 01 , 02, 03 :
- 01 : minimiser la charge électrique totale consommée par les batteries, charge transmise au moteur électrique et énergie transmise à l'équipement auxiliaire ; - 02 : minimiser le temps de parcours entre le point de départ A et le point d'arrivée B ;
- 03 : minimiser l'écart entre la sortie de l'équipement auxiliaire demandée et la sortie réelle dudit équipement.
L'invention a également pour objet un système de gestion de l'énergie consommée par un véhicule automobile sur un trajet donné, caractérisé en ce que ledit système comporte au moins :
- des moyens pour capter la position dudit véhicule sur ledit trajet ;
- des moyens pour mesurer le couple appliqué par le moteur dudit véhicule et sa vitesse ;
- des moyens pour mesurer l'état de la ressource d'énergie dudit véhicule, ;
- des moyens donnant des informations de sortie d'au moins un équipement auxiliaire ;
- un calculateur apte à être embarqué dans ledit véhicule et interfacé avec lesdits moyens, ledit calculateur incorporant
- une unité de simulation incorporant un modèle véhicule prédisant le comportement dudit véhicule et un modèle conducteur prédisant le comportement du conducteur dudit véhicule, ledit modèle conducteur recevant en entrée une consigne de vitesse à atteindre et la vitesse dudit véhicule mesurée à des instants successifs et fournissant une consigne de couple moteur audit modèle véhicule fonction desdites vitesses et fonction du comportement du conducteur modélisé ;
- un algorithme d'optimisation coopérant avec ladite unité de simulation ;
et mettant en œuvre le procédé tel que décrit précédemment.
D'autres caractéristiques et avantages de l'invention apparaîtront à l'aide de la description qui suit faite en regard de dessins annexés qui représentent :
- la figure 1 , le profil réel d'un exemple de trajet destiné à être parcouru par un véhicule, et son profil approximé ;
- la figure 2, une illustration de l'intégration du procédé ou d'un dispositif selon l'invention dans la chaîne de traction d'un véhicule électrique ; - la figure 3, une illustration de l'intégration du correcteur de vitesse associé à un conducteur identifié et la génération de consigne de couple résultante ; - la figure 4, un exemple d'identification d'un correcteur à un conducteur donné
- la figure 5, une illustration d'exemples d'échantillonnage spatiaux le long du trajet approximé ;
- la figure 6, un organigramme d'un exemple d'algorithme général mettant en œuvre un procédé de gestion de l'énergie selon l'invention ;
- la figure 7, un exemple d'algorithme d'optimisation ;
- la figure 8, une illustration de la coopération entre l'algorithme d'optimisation et une simulation de l'état d'un véhicule sur un trajet restant à parcourir ;
- la figure 9, un exemple d'algorithme de simulation ;
- la figure 10, un exemple de résultat d'une gestion de l'énergie selon l'invention sous forme de la présentation de trois trajectoires, donnant des consignes de vitesse à appliquer.
La figure 1 présente le profil d'un exemple de trajet, destiné à être parcouru par un véhicule, entre un point de départ A et un point d'arrivée B. En particulier, elle présente l'élévation de la route en fonction de la position d'un véhicule le long de ce trajet. Le profil réel 1 de la route est approximé par une fonction linéaire 2 par un ensemble de segments.
L'invention est décrite pour l'application à un véhicule notamment tractés à partir d'une seule source d'énergie. Ainsi, l'invention peut s'appliquer à un véhicule à propulsion entièrement électrique par l'intermédiaire d'une batterie fournissant seule l'énergie au moteur électrique de traction.
La mise en œuvre de l'invention nécessite l'utilisation d'un calculateur électronique à l'intérieur du véhicule capable de collecter via un protocole de communication, de type CAN par exemple, un ensemble de signaux de la représentatifs du niveau de charge de la batterie, de la vitesse d'avance du véhicule, et du niveau d'utilisation des équipements auxiliaires notamment. Ce calculateur embarque un simulateur du véhicule afin de pouvoir prédire la consommation d'énergie sur le parcours. L'invention utilise aussi par exemple un GPS afin de connaître les informations routières futures sur l'inclinaison de la route. La connaissance par GPS des informations de trafic routier peut par ailleurs être avantageusement utilisée. Dans la suite de la description, on considère à titre d'exemple le chauffage comme seul équipement auxiliaire dans le véhicule. D'autres auxiliaires pourraient être pris en compte, en particulier les équipements audio, la climatisation ou l'éclairage intérieur par exemple. De façon générale, l'invention prend au moins en compte le moteur électrique et l'ensemble de la chaîne de traction du véhicule, ainsi qu'au moins un équipement auxiliaire de confort. Deux variables X de contrôle, ou consignes, seront prises en compte par la suite.
- la vitesse souhaitée par le conducteur ;
- la position du chauffage demandée.
L'invention prend en compte le comportement du conducteur dans la stratégie EMS embarquée dans le calculateur précité. A cet effet, on définit un modèle du conducteur. Le modèle du conducteur peut être extrait de profils de roulage connus a priori et utilisé pour d'autres parcours. Il peut également être identifié en ligne au début de chaque trajet routier ou à des instants particuliers du parcours.
Dans les solutions antérieures, la plupart des stratégies embarquées tiennent seulement compte des organes mécatroniques du véhicule, par exemple la cartographie de rendement du moteur, un modèle simplifié de la batterie ou encore un modèle de perte des auxiliaires de servitude.
La modélisation du comportement du conducteur utilisée par l'invention est la suivante : le conducteur souhaite atteindre une vitesse de référence à un instant donné du parcours. En fonction du profil de la route et de certaines informations relatives à son véhicule, le conducteur va plus ou moins appuyer sur la pédale d'accélération, c'est-à-dire fournir un couple de consigne de la chaîne de traction. Cela, dans le but d'atteindre la vitesse de référence. Ainsi le conducteur peut être considéré comme un correcteur de vitesse. Le procédé selon l'invention prend alors en compte directement la consigne de couple issue de ce correcteur, représentatif du comportement du conducteur.
La figure 2 illustre l'intégration du procédé ou d'un dispositif selon l'invention dans la chaîne de traction d'un véhicule électrique.
La chaîne de traction comporte classiquement un moteur électrique 21 transmettant un couple à un organe de transmission 22 lequel transmet un couple aux organes dynamiques du véhicule 23, notamment les roues motrices. Un ensemble d'électronique de puissance 24 forme l'interface entre la commande et le moteur.
Selon l'invention, une boucle de régulation est ajoutée en même temps que l'ajout d'un module correcteur de vitesse 25, la correction apportée étant fonction du comportement du conducteur. A cet effet, la vitesse du véhicule est mesurée à des instants t et envoyée à un comparateur délivrant une valeur AV correspondant à la différence entre la vitesse désirée et la vitesse mesurée. Le module correcteur de vitesse 25 modélise notamment la façon de répondre à cette valeur AV par le conducteur.
Un organe de commande 27 du véhicule, dit organe EGV, effectue une prédiction de l'état du véhicule aux instants futurs du parcours. Cet organe comporte un module d'acquisition de signaux 271 . Via ce module, l'organe de commande acquiert le niveau de charge de la batterie en fonction du temps, appelé SOC(t) selon l'expression anglo-saxonne « State Of Charge ». II acquiert également le profil de la route entre les points A et B comme illustré par la figure 1 , c'est-à-dire entre l'instant initial t0 et l'instant finale tf. Il acquiert également toutes les informations fournies par le GPS 29.
L'organe EGV comporte par ailleurs un module 272 effectuant les étapes d'optimisation en ligne, tout au long du trajet, à partir du modèle du véhicule et du modèle conducteur et d'une heuristique qui sera décrite par la suite, cette heuristique s'appliquant également au modèle conducteur.
Un module 273 applique la stratégie EMS en proposant les informations de commande du véhicule au conducteur, tant en ce qui concerne la vitesse 200 que la commande des auxiliaires 201 .
L'introduction du comportement du conducteur permet de prédire, sur les instants futurs du parcours A-B, le régime transitoire qui aurait été effectué par le conducteur ainsi simulé pour atteindre la vitesse de consigne. Avantageusement, cela permet de prédire au plus juste la consommation énergétique du véhicule associé à un conducteur donné.
La figure 3 illustre l'intégration du correcteur de vitesse associé à un conducteur identifié et la génération de consigne de vitesse résultante. Dans le schéma de la figure 3, la correction de vitesse inclut le module correcteur 25 et le comparateur 26 de la figure 2. Le correcteur reçoit donc en entrée la consigne de vitesse à atteindre 31 , souhaitée par le conducteur, ainsi que la valeur de la vitesse réelle 32 du véhicule à un instant t. Le correcteur fournit en sortie une valeur de couple 33 de référence comme consigne pour le moteur. Ce correcteur est du type proportionnel intégrale et dérivée (P.I.D.) en vitesse. De plus, ce correcteur contient par exemple une action anticipatrice, dite « feed-forward » dans la littérature anglo-saxonne, qui est représentative de l'action d'anticipation du conducteur face à l'inclinaison de la route. En effet, si celui-ci remarque qu'il s'apprête à emprunter une montée, il anticipera le changement de profil d'altitude en appuyant plus fortement sur la pédale d'accélération, et inversement lors de la négociation d'une descente. C'est un mécanisme proche de celui de la régulation de vitesse sur les véhicules automobiles. L'addition de ces deux valeurs, correction P.l. puis action « feed-forward », forme la valeur 33 du couple appliquée au moteur et donc l'entrée du modèle 3 du véhicule à partir duquel l'organe de commande 27 effectue la stratégie EMS du véhicule. L'anticipation peut concerner un autre type d'événement qu'un changement de profil d'altitude.
Un correcteur de vitesse est donc adapté à chaque utilisateur. Plusieurs solutions sont possibles pour déterminer les caractéristiques d'un correcteur de vitesse caractérisant un modèle conducteur. La figure 4 illustre un exemple d'identification d'un correcteur à un conducteur donné permettant la création d'un modèle de conducteur.
Dans cet exemple, le comportement du conducteur est extrait d'un profil de roulage sur un parcours donné. Le correcteur de vitesse est élaboré en effectuant une régression linéaire entre le couple appliqué, la vitesse souhaitée par le conducteur et vitesse réelle du véhicule. Le correcteur représentant le comportement du conducteur a été intégré dans le modèle de simulation incorporé dans le module correcteur 25.
La figure 4 montre la vitesse réelle du véhicule, vitesse mesurée, sur un parcours donné par une première courbe 41 . Une deuxième courbe 42 représente la consigne de vitesse associée générée automatiquement. Cette consigne de vitesse 42 correspond à la vitesse souhaitée par le conducteur, c'est-à-dire la vitesse qu'il a voulu atteindre. Une troisième courbe 43 représente la valeur du couple moteur réellement appliqué. Toutes ces valeurs 41 , 42, 43 peuvent être acquises par des moyens connus tout au long du parcours donné et plus particulièrement sur les tronçons de ce parcours. En utilisant les deux courbes de vitesse 41 , 42 et la courbe de couple 43 on identifie un comportement de conducteur composé d'une dynamique linéaire de correction de vitesse et d'une anticipation de la pente de la route. Lorsqu'on applique ce correcteur 25, 26 au système et qu'on injecte la consigne de vitesse 31 en entrée, ainsi que la vitesse mesurée 32, on obtient une quatrième courbe 44 représentant le couple estimé à partir du modèle conducteur appris. Ce sont ces valeurs de couple estimés 44 qui seront les consignes de couple appliquées au moteur, dans la prise en compte du correcteur de vitesse, et donc du comportement du conducteur. La courbe de couple estimé 44 ressemble fortement au couple moteur représenté par la troisième courbe 43, confirmant le fait que cette méthode de représentation du conducteur par le biais de ce correcteur vitesse est efficacement identifié.
Il est à noter que le correcteur de vitesse est complètement défini par un jeu fini de quelques paramètres numériques. Ceux-ci définissent la façon dont conduit le conducteur, par exemple l'application d'accélérations brèves ou lentes, l'action d'anticipation plus ou moins prononcée ... Ainsi, pour chaque correcteur donné, le correcteur doit être capable d'adapter ce jeu de paramètres. Selon l'invention, ce jeu de paramètres est par exemple identifié de manière embarquée tout au long du parcours en différents instants. Ainsi, l'invention permet de prendre en compte n'importe quel conducteur, et si un conducteur modifie sa manière de conduire, lors du passage à une zone urbaine à une zone périurbaine par exemple, l'invention permet également de prendre en compte ce changement de comportement.
Comme il a été indiqué précédemment, on considère deux variables X de contrôle, ou consignes :
- la consigne de vitesse ;
- la position du chauffage demandée, à titre d'exemple.
Le couple demandé au moteur, est alors fonction de la différence entre la vitesse de consigne VCOnsigne (souhaitée par le conducteur) et la vitesse actuelle du véhicule VVéhicuie-■ En notant f cette fonction et Cp le couple moteur, il vient Cp = f(VCOnsigne, VVéhicuie), la fonction f traduisant le comportement du conducteur. Elle est définie par le correcteur de vitesse 25. Dans le véhicule électrique considéré, il est possible d'effectuer des phases de freinage récupérateur d'énergie. Ainsi le couple moteur demandé peut être positif, cas de la propulsion, ou négatif, cas de la décélération. La variable de vitesse V correspondante est par exemple renseignée en pourcentage de sa valeur maximale admissible. La variable de position du chauffage est une variable entière. Chaque position correspond à une puissance fixe destinée à chauffer l'habitacle du véhicule.
Dans le cadre de l'invention, la trajectoire d'une variable X correspond à l'évolution de cette variable en fonction de la position, du point de départ A jusqu'au point d'arrivée B. Ainsi la trajectoire de la vitesse est la valeur de la vitesse à chaque position du trajet. La description des trajectoires est donc faite par rapport à une référence spatiale plutôt qu'à une référence temporelle, en particulier pour les deux raisons suivantes :
- le trajet est connu a priori via des coordonnées de position, informations GPS, le temps d'arrivée étant inconnu et constituant un paramètre d'optimisation ;
- certaines variables du modèle du véhicule pour la simulation sont fonction de la position ou de l'élévation, par exemple le couple demandé, donc la vitesse, varie essentiellement avec l'élévation.
Pour la prédiction, les deux variables, vitesse demandée et position de chauffage demandée, sont calculées sur tout le trajet. A cet effet, le trajet est échantillonné selon une période spatiale Xe, des tests étant effectués à chacune des positions échantillonnées selon un algorithme de gestion dont un exemple sera décrit par la suite. Il est à noter qu'un nombre important d'échantillons peut être considéré sur un trajet relativement long. A titre d'exemple on peut prendre Xe = 200 mètres.
On introduit une deuxième catégorie d'échantillons spatiaux XL, les échantillons XL étant par exemple défini par les segments 2 approximant le profil du trajet, chaque segment correspondant à un échantillon XL. En particulier, les échantillons spatiaux XL correspondent à des endroits du parcours où on relance l'algorithme d'optimisation, qui sera décrit par la suite, pour rafraîchir toutes les consignes, tant au niveau de la vitesse que de la position de chauffage. Entre deux instants XL et XL+1 on suréchantillonne au pas spatial Xe, Xe étant très inférieur à XL. A chaque intervalle Xe est affectée une consigne de vitesse et de chauffage.
Un objectif global de la stratégie de gestion de l'énergie à l'intérieur d'un véhicule est de déterminer les valeurs optimales de ces deux variables sur l'ensemble du trajet échantillonné, vis-à-vis par exemple des trois objectifs suivants O1 , O2, 03 : - 01 : minimiser la charge électrique totale consommée par des batteries ou tout autre type de ressource d'énergie, charge transmise au moteur électrique et énergie transmise au chauffage ;
- 02 : minimiser le temps de parcours entre le point de départ et le point d'arrivée ;
- 03 : minimiser l'écart entre la température d'habitacle demandée par le conducteur et la température réellement existante dans l'habitacle sous l'action du système de chauffage.
Pour un équipement auxiliaire autre que le chauffage, l'objectif 03 peut être formulé comme suit :
- 03 : minimiser l'écart entre la sortie de l'équipement auxiliaire demandée et la sortie réelle dudit équipement.
En plus de ces objectifs, la stratégie de gestion doit satisfaire plusieurs contraintes, parmi lesquelles par exemple les contraintes suivantes C1 , C2, C3, C4 :
- C1 : la charge instantanée des batteries doit être toujours supérieure à un seuil fixe, afin de préserver la durée de vie des batteries ;
- C2 : le temps de parcours doit être inférieure à un seuil fixe ;
- C3 : l'écart entre température demandée et réelle ne doit pas dépasser un seuil fixe ;
- C4 : la vitesse du véhicule ne doit pas excéder un certain seuil, afin de respecter les limitations de vitesse le long du trajet.
Il est à noter que dans le cas d'un véhicule thermique, les deux derniers objectifs peuvent être facilement atteints puisque le réservoir d'énergie est de capacité infinie, recharge rapide et disponible en carburant. Dans le cas d'un véhicule électrique, ces deux objectifs ne sont plus aussi facilement atteints. La stratégie de gestion que met en œuvre l'invention effectue notamment un arbitrage entre ces objectifs contradictoires tout en respectant les contraintes énoncées.
Entre un point de départ A et un point d'arrivée B, l'ensemble des trajectoires considérées sont le couple mécanique fourni par le moteur et la position de chauffage, ainsi par exemple que l'état de charge des batteries (SOC), la vitesse du véhicule, le temps de parcours et la température de l'habitacle. La trajectoire de chacune de ses informations peut être représentée par une courbe représentant leur valeur en fonction de la position du véhicule le long du trajet entre le point A et le point B. Un objectif de la stratégie de gestion de l'énergie selon l'invention est de fournir trois ensembles de trajectoires entre les points A et B, un ensemble de trajectoires basses, un ensemble de trajectoires hautes et un ensemble de trajectoires dit pseudo-optimales, ces trajectoires pouvant être définies comme suit :
- Trajectoires basses : ces trajectoires sont obtenues en tenant compte des objectifs 01 et 03, on utilise le terme « basse » car la vitesse du véhicule qui résulte de cette optimisation est théoriquement plus basse que celles obtenues en considérant les autres ensembles d'objectifs ;
- Trajectoires hautes : ces trajectoires sont obtenues en tenant uniquement compte des objectifs 02 et 03, dans ces trajectoires la vitesse du véhicule devrait être plus importante que celle obtenue par les trajectoires basses ;
- Trajectoires pseudo-optimales : ce sont les trajectoires obtenues en tenant compte des trois objectifs 01 , 02, 03 simultanément.
De préférence, ces trajectoires sont proposées au conducteur du véhicule, sous une forme ergonomique donnée. Le conducteur a alors toujours la possibilité de décider d'accélérer ou de freiner, et de changer la consigne de puissance de chauffage. Les trois ensembles de trajectoires servent notamment à assister le conducteur et à le rassurer sur la possibilité d'arrivée à la destination de son trajet avec la quantité d'énergie électrique stockée. L'invention permet de proposer au conducteur les trajectoires optimales selon ses préférences et son mode de conduite par exemple.
La figure 5 illustre les échantillonnages spatiaux Xe et XL définis précédemment pour un profil de trajet donné représenté par une courbe 51 . Les échantillons Xe sont représentés à l'intérieur d'un segment 52 encadré par deux valeurs d'échantillons XL. Un segment 52 représente par exemple une section de trajet de pente constante et/ou de limitation de vitesse constante.
Au point de départ A, les trois ensembles de trajectoires sont calculées et déterminées en fonction des informations connues sur le trajet. Ces trajectoires sont mises à jour en des points particuliers correspondants aux instants d'échantillonnages spatiaux. En un point de mise à jour, les trois ensembles de trajectoires sont recalculées à partir de l'historique, du profil de trajet restant, de la température extérieure et des mesures collectées en ce point. Ces mesures indiquent par exemple l'état de charge des batteries, la température de l'habitacle et le temps de parcours jusqu'à ce point. L'historique comprend notamment les enregistrements des trajectoires calculées aux instants d'échantillonnages précédents.
Le calcul des trajectoires optimales est réalisé à partir d'une formalisation du problème de gestion EMS en un problème d'optimisation mono-objectif sous contraintes contenant plusieurs variables de décision.
On se réfère à la figure 5. Au k-ème point de mise à jour du parcours, position échantillonnée XL(k) de la série XL, l'objectif est de déterminer les trajectoires optimales jusqu'à la position finale Xf. La mise à jour précédente a eu lieu au point XL(k-1 ), les points XL(k-1 ) et XL(k) encadrant un segment 52. Dans l'exemple de la figure 5, deux segments consécutifs ne sont pas colinéaires, ce qui signifie en pratique que le passage d'un segment à l'autre se fait à un changement d'inclinaison de la pente de la route. On pourrait cependant envisager des cas où deux segments consécutifs sont colinéaires, sans changement d'inclinaison, par exemple dans le cas où un segment est trop long, il peut être subdivisé. A l'intérieur des segments, jusqu'à la position finale Xf, le trajet est échantillonné selon le pas Xe.
Pour la mise à jour au point XL(k), point de rupture de segment, il s'agit de déterminer les vitesses demandées, ainsi que les positions de consigne du chauffage, prévus jusqu'à la position finale Xf, au point B. Ces variables, vitesse et position de chauffage, sont déterminées de façon à minimiser un critère mettant en jeu les trois objectifs 01 , O2 et O3 de la section 52 précédente XL(k-1 ), XL(k), et respectant les quatre contraintes C1 , C2, C3 et C4.
La figure 6 présente l'organigramme d'un exemple d'algorithme général mettant en œuvre un exemple de stratégie EMS selon l'invention depuis le démarrage du véhicule à un point A jusqu'à un point B d'arrivée, destination finale.
Au démarrage 60 dans une étape préliminaire, au point A, plusieurs opérations sont par exemple effectuées :
- 601 , saisie des coordonnées géographiques de la destination ;
- 602, lecture du trajet par le dispositif GPS, le profil du trajet peut être approximé durant cette étape ;
- 603, calcul du gradient de température sur le trajet en fonction des informations météorologiques disponibles ; - 604, détermination des deux séries de positions échantillonnées XL et Xe à partir du profil approximé 2 tel qu'illustré par exemple par la figure 1 ;
- 306, ordre de départ du véhicule se traduisant notamment par l'activation du couple moteur ;
- Initialisation des indices i, j et k à 1 , indices correspondant respectivement à un pas temporel Te d'échantillonnage le long du trajet, au pas d'échantillonnage spatial Xe, et au pas d'échantillonnage spatial XL de mise à jour des consignes optimales.
Une fois le démarrage effectué, le GPS transmet régulièrement la position actuelle du véhicule sur le parcours.
Le départ du véhicule est suivi d'une étape 600 d'identification du comportement du conducteur conduisant à la création du correcteur de vitesse. Durant cette étape d'identification, le système EMS identifie par exemple le modèle conducteur grâce aux données de mesures de couple et de vitesse renvoyées par l'unité de contrôle du véhicule électrique (UCVE). Cette unité a notamment pour fonction de contrôler toutes les fonctions électriques bas niveau et d'effectuer l'acquisition des données de parcours, telles que les mesures de vitesse ou de couple. La phase d'identification se termine lorsqu'il a été décidé que les signaux d'entrée/sortie (vitesse/couple) du futur correcteur sont assez riches d'un point de vue fréquentiel pour concevoir un correcteur efficace. Une régression linéaire sur les valeurs de couple et de vitesse est alors par exemple utilisée pour définir les coefficients du correcteur de vitesse, ce dernier étant intégré dans le modèle de simulation de l'EMS qui sera décrit par la suite. Dès que cette étape d'identification 600 est terminée, l'algorithme peut être exécuté. L'identification du modèle conducteur pourra par ailleurs être de nouveau établie tout au long du trajet.
L'algorithme commence et se poursuit alors par une suite de deux tests 61 , 62. Ces tests sont effectués selon le pas d'échantillonnage temporel Te, c'est-à-dire que tous les Te, on effectue ces tests. On note X(i) une position échantillonnée selon Te.
Dans un premier test 61 , la position X(i) est comparée à la valeur finale Xf. Lorsque la valeur X(i) est sensiblement égale à la valeur Xf, par ailleurs mémorisée, le véhicule a atteint le point d'arrivée B, il est à sa destination finale 69. Dans le cas contraire, la position X(i) et comparée, dans un deuxième test 62, à une position échantillonnée XL(k) de changement de consigne. Si la valeur X(i) n'est pas égale à XL(k), les consignes optimales à appliquer entre le point XL(k-1 ) et le point final Xf sont maintenues 63 pour toutes les positions Xe(j). Si la valeur X(i) est sensiblement égale à XL(k), on applique le rafraîchissement des consignes optimales pour chaque position Xe(j) entre la position XL(k) et Xf 64. La position XL(k) est incrémentée d'un pas XL, à XL(k+1 ) pour le prochain test 62. Après ce test, à l'issue duquel il y a maintien 63 ou rafraîchissement des consignes 64, l'algorithme est rebouclé sur le premier test 61 où le pas X(i+1 ) est comparé avec la position Xf, puis si Xf n'est pas atteint X(i+1 ) est comparé à XL(k) ou XL(k+1 ) selon que XL ait été incrémenté ou non.
Les positions X(i) et XL(k) ne coïncident pas obligatoirement, on prévoit donc un intervalle de distance LE tel que |XL(k) - X(i)| < LE signifie que la position XL(k) est atteinte. Il en est de même avec Xf. Les positions du véhicule sont détectées par des capteurs de position, par exemple à l'aide d'un système GPS, la distance LE prenant en compte les incertitudes de mesures.
Le rafraîchissement, ou mise à jour, des consignes est par exemple effectué pas un algorithme d'optimisation.
L'algorithme d'optimisation choisi est par exemple à essaim particulaire. Il est bien sûr possible d'utiliser d'autres méta-heuristiques telles que les algorithmes génétiques ou les algorithmes de colonies de fourmis par exemple. Le problème d'optimisation peut être formulé par la minimisation d'une fonction mono-objectif sous contrainte. La fonction mono-objectif est la somme pondérée des objectifs 01 , 02, 03. Ce problème est ainsi formulé dans le tableau suivant pour une position X(i), notée Xt , coïncidant avec une position XL(k) :
(XX Ol(Cp, Pc, Etat _ i, Param _ trajet) ]
minimiser +βχ 02(Ορ, Etat _ i, Param _ trajet)
+γχ 03(Pc, Etat _ i, Param _ trajet)
où
Figure imgf000019_0001
Param_trajet : paramètres relatifs au trajet (longueur, profil de route, température extérieure, etc. sous les contraintes suivantes :
1 < Cp≤ 1
40 < Pc≤ nPcMax
Etat _ min < Etat≤ Etat _ max
où
Etat_ min et Etat_ max : état du véhicule minimal et maximal
nPcMax : Puissance maximale demandée au chauffage
Dans le tableau ci-dessus, n correspond à une position discrète de la consigne de chauffage. La vitesse Cp est normalisée et varie entre -1 , pour la vitesse minimum, et +1 , pour la vitesse maximum.
Il est à noter que le passage d'une trajectoire optimale à une autre se fait en pondérant différemment la fonction objectif à minimiser selon les valeurs α, β, γ .
Ce problème d'optimisation est mono-objectif sous contrainte avec un espace de recherche de très grande dimension. Il doit par ailleurs prendre en compte simultanément des variables à valeurs réelles, telles que la valeur de la vitesse demandée, et entières, telles que la position de chauffage.
Ce problème d'optimisation peut être difficile à résoudre par des techniques d'optimisation courantes. L'utilisation d'une méta-heuristique permet de surmonter la difficulté. L'algorithme d'optimisation par essaims particulaires, algorithme itératif, a notamment comme avantage d'être simple à implémenter dans un calculateur embarqué dans un véhicule. C'est une méthode basée sur l'existence d'une population de particules, correspondant aux solutions, qui se déplacent dans l'espace de recherche des solutions admissibles. Chaque particule possède une mémoire qui lui permet de retrouver sa meilleure position, selon le critère d'optimisation. Elle a également accès aux meilleures positions de ses voisines. La particule à un plan de vol qui lui permet de connaître sa destination future dans l'espace de recherche. Ce plan de vol est calculé à partir de sa meilleure position dans le passé, la meilleure position de l'ensemble des particules et son dernier vecteur de déplacement, appelé par abus de langage vitesse. Dans la présente invention, une particule correspond à un jeu des variables d'état du système. Dans l'exemple présent, une particule correspond à la vitesse demandée et à la position de chauffage n. Par exemple, une particule correspond à :
- Vp = 10% de la vitesse maximum ;
- n = 4.
La position future d'une particule i est déterminée au moyen des deux équations présentées dans le tableau suivant : (ΐ) )
Figure imgf000020_0001
où
V^. (t) : vecteur vitesse ou déplacement à l'itération t
Pt (t) : vecteur position à l'itération t
P^est (t) : meilleur vecteur position de la particule i
Pgiol (0 : meilleur vecteur position de toutes les particules
r r2 : nombres aléatoires entre 0 et 1
û), c c2 , χ : paramètres de réglage de l'algorithme
Pour rendre plus robuste cette méta-heuristique et permettre d'assurer une convergence vers l'optimum global, on peut effectuer les opérations suivantes :
- variation dynamique déterministe ou aléatoire de certains paramètres de l'algorithme ;
- limitation du vecteur déplacement pour empêcher des déplacements trop importants, qui peuvent avoir tendance à faire sortir les particules du domaine des solutions admissibles ou les confiner aux frontières de l'espace de recherche ;
- introduction de l'opérateur de mutation, déjà utilisé dans les algorithmes génétiques, pour éviter la stagnation des particules ou une convergence prématurée vers un optimum local. Pour les variables entières, telles que les positions de chauffage, une méthode simple consiste à relaxer la contrainte d'intégrité en autorisant l'utilisation de variables réelles. Pour passer ces variables à l'évaluation via un modèle de simulation, on approxime la valeur réelle par l'entier le plus proche.
La figure 7 présente l'algorithme d'optimisation 65 où l'on retrouve notamment les étapes décrites précédemment. Toutes les particules, ou solutions, sont évaluées vis-à-vis du critère à minimiser, optimisation, et des contraintes. Ce critère et ces contraintes font appel à un simulateur du véhicule, intégrant le comportement du conducteur, ayant son propre algorithme 70, capable de déterminer l'état du système d'une position X(i) à une position Xf. Le simulateur 70 comporte le modèle comportemental du conducteur.
L'utilisation du simulateur à l'intérieur de l'algorithme d'optimisation est notamment illustrée par la figure 7. Dans une étape initiale 71 on effectue l'initialisation des particules. Cette étape est suivie d'une étape 72 d'évaluation des particules initialisée selon le critère d'optimisation et les contraintes, à l'aide du simulateur 70. Cette étape est suivie d'une étape 73 de mise à jour des particules selon le système d'équation précédent (Eq1 ). Elle est suivie d'une étape 74 d'évaluation. Cette étape effectue l'évaluation des nouvelles particules selon le critère d'optimisation et selon les contraintes, à l'aide du simulateur 70. Cette étape d'évaluation est suivie d'une étape 75 de mise à jour de la meilleure position de chaque particule, elle-même suivie d'une étape 76 de mise à jour de la meilleure particule de l'essaim. Après cette étape 76, on passe à l'itération suivante 77 en se rebouclant sur l'étape 73 de mise à jour des particules. Lorsque l'itération maximale est atteinte 78, l'algorithme s'arrête. La figure 8 illustre la coopération entre la méta-heuristique 81 , correspondant par exemple à l'algorithme d'optimisation de la figure 7, et le simulateur 70. Le simulateur 70 a notamment pour fonction de prédire les consommations énergétiques de la chaîne de traction et du chauffage, et plus généralement de tous les auxiliaires, sur le parcours restant, en faisant intervenir comportement du conducteur. Ce simulateur est destiné à être appelé autant de fois qu'il y a de particules à chaque itération de l'algorithme par essaims particulaires. Le nombre total d'appels du simulateur peut ainsi atteindre quelques milliers pour un scénario donné. Le temps de cycle de la simulation doit être compatibles des différents paramètres d'échantillonnage. Dans un souci de simplification, la modélisation peut être limitée en première approximation au modèle comportemental du véhicule et des seuls organes consommant l'essentiel de l'énergie des batteries, c'est-à-dire la traction électrique et le chauffage, ainsi qu'au modèle conducteur dont les caractéristiques sont celles du correcteur de vitesse 25. Dans un contexte plus général prenant en compte d'autres auxiliaires, l'énergie consommée par ces derniers peut être négligée.
Dans les paragraphes qui suivent, on considère la synthèse d'un simulateur de la chaîne de traction. Pour l'expression analytique du modèle du véhicule, on utilise les hypothèses simplificatrices suivantes :
• Dynamique longitudinale : Une modélisation exhaustive de la chaîne d'actionnement d'un véhicule prend en compte les 6 degrés de liberté du véhicule et découple la dynamique du véhicule de celle des 4 roues. Cela conduit à une équation différentielle de degré 10. Afin de simplifier le modèle afin de l'embarquer dans un calculateur véhicule EGV, on modélise seulement la dynamique longitudinale du véhicule. · Glissement nul sur la chaussée : La distinction entre les dynamiques du véhicule et des roues (prise en compte du glissement roue-chaussée) n'est pertinente que s'il y a besoin de modéliser l'ABS.
Suite aux hypothèses simplificatrices précédentes, on peut identifier 4 sous- systèmes de la chaîne de traction:
• Le moteur et son variateur
• La transmission mécanique
• La dynamique longitudinale du véhicule
• Un modèle de la batterie
En ce qui concerne les équations régissant ces différents sous-systèmes :
Servomoteur : Les pertes en puissance d'un moteur asynchrone ne sont pas station naires, elles sont fonctions du couple et du régime moteur. Une cartographie statique représente le comportement moteur et son rendement. Ceci permet d'identifier la puissance électrique consommée par le moteur à chaque instant. Transmission mécanique : La transmission est modélisée par un gain en vitesse correspondant au ratio noté N des vitesses moteur (rd/s) et véhicule (m/s), et un gain en couple, ratio du couple moteur (N.m) et effort véhicule (N). Le gain en effort et en vitesse est supposé identique, les pertes étant modélisées au niveau du moteur.
Dynamique du véhicule : Suite à la réduction de la dynamique du véhicule à sa seule composante longitudinale sans glissement, celle-ci peut être décrite par l'équation différentielle non linéaire (dynamique quadratique) de premier ordre suivante :
MX = ±Ft - fs∞s ) sign(x) - famX \x\ - Mg ùn )
avec :
- M : Somme de la masse du véhicule et des inerties en rotation
(moteur, transmission, roue) ramenés à une masse totale en translation
- Ft : Force de traction ou de freinage selon le signe
- fs : Couple de frottement sec
- faero : Coefficient de résistance aérodynamique
- β : pente de la route à l'instant courant
Batterie : L'état de la charge de la batterie, encore appelé SOC, est la différence entre la charge totale emmagasinée et la charge consommée par les différents organes qui y sont connectés :
SOC(t) = SOCQ - \ ldt où l(t) est le courant traversant le moteur, et U(t) est la tension aux bornes du moteur, et E0 est fonction de la température notamment. Cependant, dans un premier temps, on peut le considérer constant en se réservant la possibilité d'introduite la caractéristique SOC0=f(T°) ultérieurement. Lorsque les équations des différentes équations régissant les sous-systèmes sont établies, on effectue le paramétrage du modèle pour ces sous- systèmes.
Moteur : A titre d'exemple, on considère un moteur asynchrone ABM d'une puissance de l'ordre de 15 kW. Une série de mesures permettent de fournir une cartographie des pertes de puissance en fonction de la vitesse et du couple moteur. Cette cartographie se présente comme une surface 3D fonction de la vitesse et du couple moteur, elle est numérisée et stockée dans le système. Pour diminuer les temps de calcul, la cartographie peut être interpolée sous forme d'équations polynomiales pour décrire la surface 3D.
Transmission mécanique : Le paramètre de ratio N suivant :
Τ ForceTraction VitesseMoteur
N = =
CoupleMoteur VitesseVéhicule
définit le gain de transmission et correspond au ratio du gain du réducteur par le rayon de la roue motrice.
Dynamique du véhicule :
• Masse : M = MB¾ + M PackBatteries + Mchm emle = 500 + 140 + 200 = 840kg
f = 0 3
· Coefficient de frottement sec : Js '
• Coefficient aérodynamique: f°<"> = C*S = °< 3 xl< 5 = 0, 45N.m"2.
Batterie : La batterie retenue est par exemple constituée de 10 cellules de 1 ,766 KWh chacune, soit E0 = 10 x 1 ,766 = 17,66 kWh = 63576 Méga Joules.
On revient à la figure 8. La sortie du simulateur 70 constitue une entrée de l'algorithme d'optimisation 51 dans le sens où le simulateur calcule un état du système (Vitesse V(x), température t(x), SOC(x) notamment) pour les positions X(i) échantillonnées jusqu'à Xf, cet état représente l'environnement énergétique du véhicule. Cet état est utilisé pour l'évaluation des particules mises à jour. De même la sortie de l'algorithme d'optimisation constitue une entrée du simulateur dans ce sens où l'algorithme fournit la vitesse et la position de chauffage optimum au simulateur pour effectuer la simulation du véhicule, cet état (vitesse du véhicule, position de chauffage) étant défini dans l'étape 76 de mise à jour de la meilleure particule. Dans des applications prenant en compte d'autres équipements auxiliaires que le chauffage, cet état ou environnement énergétique prendrait en compte la variable de sortie de ces équipements, le volume sonore d'un autoradio ou la température de sortie d'une climatisation par exemple. La simulation est aussi effectuée en fonction des conditions de circulation sur le trajet restant, telles que les conditions climatique ou l'intensité du trafic routier.
Le comportement du véhicule est régi par des équations différentielles temporelles non-linéaires. Ces équations temporelles sont échantillonnées selon un pas temporel Ts de simulation avant de procéder à leur intégration numérique. Ts est par exemple de l'ordre de 2 secondes. L'algorithme d'optimisation par essaim particulaire échantillonne, quant à lui, les différents états (couple, vitesse et SOC notamment) au pas spatial Xe, les consignes étant rafraîchies au pas des échantillons XL. La méta-heuristique 81 et le simulateur 70 échangent des données d'entrée et de sortie. Les mêmes états sont donc exprimés dans deux espaces différents, temporel et spatial. Il est nécessaire que les entrées/sorties d'un module 81 soit compatible avec les entrées/sorties de l'autre module 70.
Le passage de données exprimées dans l'espace temporel vers un espace spatial ne pose pas de problème particulier. Après avoir obtenu tous les états dans le domaine temporel, on dispose du vecteur position en fonction du temps, la correspondance entre les informations spatiales et temporelle étant alors définies. Les différentes valeurs des vecteurs d'état calculés aux instants successifs sont ainsi interpolées en fonction de la position Xe(j). Le passage inverse, de l'espace spatial vers l'espace temporel, est nécessaire afin de déterminer la consigne en vitesse et chauffage à considérer à chaque itération temporelle du simulateur. On fait l'hypothèse qu'à l'instant nul, la position est également nulle, VVéhicuie(x=0)=VVéhicuie(t=0), véhicuie étant la vitesse du véhicule. À chaque itération, la nouvelle position du véhicule est calculée et comparée aux échantillons spatiaux correspondant à des changements de consignes. Dans le cas où il y a correspondance, la vitesse de consigne pour l'itération temporelle suivante du simulateur est ré-estimé en affectant le couple correspondant à cette position critique dans le vecteur de consigne v=f(x).
L'objectif du simulateur étant d'estimer les vitesses et SOC sur un trajet dont la position finale est connue, la condition de sortie du simulateur est spatiale et non temporelle. Il est à noter que, dans certains cas atypiques envisagés par la méthode d'optimisation stochastique, le véhicule peut ne pas atteindre la destination, il est donc nécessaire d'ajouter une condition de sortie sur un nombre maximal d'itérations. La figure 9 présente l'algorithme de fonctionnement du simulateur 70 conformément à la description qui précède. En particulier, à l'instant d'échantillonnage temporel d'ordre i, le simulateur calcule dans une première étape 91 la position X(i) du véhicule, la vitesse V(i) du véhicule, l'état de charge des batteries SOC(i) et la température T° (i)à l'intérieur de l'habitacle, au moyens de capteurs connus de l'homme de l'art. Les données V(i), SOC(i) et T° (i) sont transmises à l'algorithme d'optimisation.
X(i) est ensuite comparée 92 à Xf pour déterminer si le véhicule est arrivé à destination 90. Si ce n'est pas le cas, X(i) est comparé 93 à la prochaine position échantillonnée Xe(j). Si X(i) est différent de Xe(j), la consigne est maintenue. Dans le cas contraire, X(i) est sensiblement égale à Xe(j), la consigne est incrémentée 95, elle est maintenue jusqu'au pas spatial suivant. L'indice j est alors incrémenté d'une unité 1 de sorte que la prochaine comparaison 93 sera faite avec Xe(j+1 ). A l'instant d'échantillonnage temporel suivant 97, on reboucle sur la première étape 91 de calcul de position, de vitesse, d'état de charge et de température, soit X(i+1 ), V(i+1 ), SOC(i+1 ) et T° (i+1 ).
La période d'échantillonnage temporelle est la période d'échantillonnage évoquée précédemment, elle peut être égale à la période Te utilisée pour l'algorithme général présenté en figure 6.
La figure 10 présente un exemple de résultat final de la stratégie d'optimisation à un instant donnée ou à une position donnée, dans cet exemple à la position XL(k). Ce résultat présente les trois trajectoires optimales, la trajectoire moyenne 101 , la trajectoire haute 102 et la trajectoire basse 103. Ces trajectoires représentent la valeur de la vitesse demandée en fonction de la position. Chaque trajectoire prédit les valeurs de vitesse optimale de la position XL(k) jusqu'à la fin du trajet à la position Xf, les valeurs de vitesse optimale étant rafraîchies, c'est-à-dire recalculées, tous les XL. Elles sont calculées pour minimiser la consommation, le temps parcours et/ou permettre le maximum de confort, en tenant compte du comportement du conducteur, à l'aide de la stratégie mise en œuvre par le procédé selon l'invention tel que décrit précédemment. En fonction des objectifs fixés au départ et des contraintes liées au parcours.
Ces trois ensembles de trajectoires sont restituées au conducteur afin qu'il adapte son mode de conduite. De préférence elles ne sont pas restituées sous une forme brute telle qu'illustrée par la figure 10. Elles peuvent être restituées sous une forme ergonomique adaptée à la situation d'un conducteur automobile, par exemple sous forme d'instruction vocales ou visuelles, simples à lire dans le cas visuel.
Les algorithmes mettant en œuvre le procédé selon l'invention sont par exemple implémentés dans un calculateur embarqué dans le véhicule, par exemple dans l'UCVE, ce calculateur étant interfacé avec les différents capteurs fournissant les données d'entrées nécessaires tels que les positions notamment, la vitesse ou encore les températures internes et externe par exemple, ainsi que les mesures de l'état des batteries.

Claims

REVENDICATIONS
1 . Procédé de gestion de l'énergie consommée par un véhicule automobile, pour un trajet donné entre un point de départ A et un point d'arrivée B, caractérisé en ce que ledit procédé utilise au moins :
- une unité de simulation (70) incorporant un modèle véhicule (3) prédisant le comportement dudit véhicule et un modèle conducteur (25) prédisant le comportement du conducteur dudit véhicule, ledit modèle conducteur recevant en entrée une consigne de vitesse à atteindre (31 ) et la vitesse dudit véhicule mesurée (32) à des instants successifs et fournissant une consigne de couple moteur (33) audit modèle véhicule (3) fonction desdites vitesses (31 ,32) et du comportement du conducteur modélisé ;
- un algorithme d'optimisation (65) coopérant avec ladite unité de simulation (70) ;
ledit procédé présentant un ensemble de trajectoires composé de la trajectoire de ladite consigne de vitesse et d'au moins la trajectoire d'une consigne pour commander un équipement auxiliaire, la trajectoire d'une consigne décrivant l'évolution de ladite consigne en fonction de la position du véhicule, lesdites trajectoires étant calculées par rapport à des objectifs donnés selon ledit algorithme d'optimisation (65) dont les variables sont formées desdites consignes, ledit procédé comportant une étape préliminaire comportant :
- une sous-étape (601 , 602) de mémorisation d'un profil approximé
(2) dudit trajet sous formes de segments (XL, 52) de droites, formant une première suite de positions échantillonnées XL(k) le long du trajet, une position échantillonnée XL(k) correspondant au passage d'un segment au segment suivant ;
- une sous-étape (604) d'échantillonnage dudit profil selon un pas spatial Xe, formant une deuxième suite de positions échantillonnées Xe(j) le long du trajet, les positions échantillonnées Xe(j) étant situées à l'intérieur des segments (XL, 52) ;
les trajectoires desdites consignes étant recalculées à chaque position échantillonnée XL(k) de la première suite selon l'algorithme d'optimisation (65), une simulation (70) prédisant l'environnement énergétique du véhicule et le comportement dudit conducteur jusqu'au point d'arrivée B en fonction desdites consignes et au moins du profil approximé du trajet restant, l'algorithme d'optimisation tenant compte du résultat de la simulation pour calculer les consignes des trajectoires.
2. Procédé selon la revendication 1 , caractérisé en ce que ledit véhicule est tracté à partir d'une seule source d'énergie.
3. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que l'algorithme d'optimisation (65) est une méta- heuristique à essaim particulaire, une particule étant composée desdites consignes.
4. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que ledit modèle conducteur est un correcteur du type proportionnel intégral (P.I.D.) en vitesse.
5. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que ledit modèle conducteur comporte une correction représentative de l'action d'anticipation du conducteur face à un type d'événement.
6. Procédé selon la revendication 5, caractérisé en ce que le type d'événement est un changement de pente sur ledit trajet.
7. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que ledit modèle conducteurs (25) est calculé sur au moins un tronçon dudit trajet donné, ledit modèle étant calculé en effectuant une régression linéaire à partir de la valeur du couple moteur appliqué, de la vitesse mesurée du véhicule et de la vitesse de consigne en des points dudit tronçon donné.
8. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que les segments (52) du profil approximé sont fonction de l'élévation du trajet et/ou des changements de limitation de vitesse.
9. Procédé selon la revendication 8, caractérisé en ce qu'un segment (52) représente une section de trajet de pente constante et/ou de limitation constante de vitesse.
10. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que l'environnement énergétique prédit comporte au moins l'état de la ressource d'énergie.
1 1 . Procédé selon la revendication 10, caractérisé en ce que l'environnement énergétique comporte la vitesse du véhicule, le temps de trajet restant et au moins une variable de sortie d'un équipement auxiliaire.
12. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que la simulation (70) est effectuée par ailleurs en fonction des conditions de circulation sur le trajet restant.
13. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que plusieurs objectifs donnés étant composés chacun d'une combinaison d'un ou plusieurs objectifs pris dans un ensemble d'objectifs (01 , 02, 03), plusieurs ensembles de trajectoires sont présentés (101 , 102, 103) pour une même consigne, une trajectoire étant calculée par rapport à une combinaison d'objectifs.
14. Procédé selon la revendication 13, caractérisé en ce que le véhicule utilisant l'énergie électrique, la ressource d'énergie étant des batteries électriques, les combinaisons d'objectifs sont créées parmi les objectifs suivant 01 , 02, 03 :
- 01 : minimiser la charge électrique totale consommée par les batteries, charge transmise au moteur électrique et énergie transmise à l'équipement auxiliaire ;
- 02 : minimiser le temps de parcours entre le point de départ A et le point d'arrivée B ;
- 03 : minimiser l'écart entre la sortie de l'équipement auxiliaire demandée et la sortie réelle dudit équipement.
15. Système de gestion de l'énergie consommée par un véhicule automobile sur un trajet donné, caractérisé en ce que ledit système comporte au moins :
- des moyens (271 ) pour capter la position dudit véhicule sur ledit trajet ;
- des moyens pour mesurer le couple appliqué par le moteur dudit véhicule et sa vitesse ;
- des moyens pour mesurer l'état de la ressource d'énergie dudit véhicule, ;
- des moyens donnant des informations de sortie d'au moins un équipement auxiliaire ;
- un calculateur apte à être embarqué dans ledit véhicule et interfacé avec lesdits moyens, ledit calculateur incorporant
- une unité de simulation (70) incorporant un modèle véhicule (3) prédisant le comportement dudit véhicule et un modèle conducteur (25) prédisant le comportement du conducteur dudit véhicule, ledit modèle conducteur recevant en entrée une consigne de vitesse à atteindre (31 ) et la vitesse dudit véhicule mesurée (32) à des instants successifs et fournissant une consigne de couple moteur (33) audit modèle véhicule (3) fonction desdites vitesses (31 ,32) et fonction du comportement du conducteur modélisé ;
- un algorithme d'optimisation (65) coopérant avec ladite unité de simulation (70) ;
et mettant en œuvre le procédé selon l'une quelconque des revendications précédentes.
PCT/EP2013/064557 2012-07-12 2013-07-10 Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede WO2014009405A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US14/414,065 US9616771B2 (en) 2012-07-12 2013-07-10 Method of managing the energy consumed by an automotive vehicle and system implementing such a method
EP13739633.9A EP2872358A1 (fr) 2012-07-12 2013-07-10 Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en oeuvre un tel procede

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1256729 2012-07-12
FR1256729A FR2993213B1 (fr) 2012-07-12 2012-07-12 Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede

Publications (1)

Publication Number Publication Date
WO2014009405A1 true WO2014009405A1 (fr) 2014-01-16

Family

ID=47427337

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2013/064557 WO2014009405A1 (fr) 2012-07-12 2013-07-10 Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede

Country Status (4)

Country Link
US (1) US9616771B2 (fr)
EP (1) EP2872358A1 (fr)
FR (1) FR2993213B1 (fr)
WO (1) WO2014009405A1 (fr)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109050350A (zh) * 2018-08-17 2018-12-21 北京航空航天大学 一种电动汽车模拟手动挡燃油车发动机抖动扭矩控制方法
FR3071197A1 (fr) * 2017-09-15 2019-03-22 Psa Automobiles Sa Procede de determination d’une consigne de vitesse pour minimiser la consommation energetique d’un vehicule

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9920697B2 (en) 2014-03-26 2018-03-20 GM Global Technology Operations LLC Engine control systems and methods for future torque request increases
US20140265560A1 (en) * 2013-03-15 2014-09-18 Levant Power Corporation System and method for using voltage bus levels to signal system conditions
DE102013205314B4 (de) * 2013-03-26 2016-09-29 Continental Automotive Gmbh Verfahren zum Betreiben einer Rekuperationsbremseinrichtung eines Kraftfahrzeugs und Rekuperationsbremseinrichtung für ein Kraftfahrzeug
EP2826688B1 (fr) * 2013-07-17 2020-09-09 Volvo Car Corporation Procédé d'optimisation de l'utilisation de l'énergie d'un véhicule
EP2998178B1 (fr) 2014-09-17 2022-01-26 Volvo Car Corporation Contrôle de véhicule par l'intermédiaire d'apprentissage de machine
FR3038277B1 (fr) * 2015-07-02 2017-07-21 Renault Sas Procede de calcul d’une consigne de gestion de la consommation en carburant et en courant electrique d’un vehicule automobile hybride
CN105243430B (zh) * 2015-09-07 2018-10-09 北京交通大学 列车节能运行的目标速度曲线的优化方法
US9938908B2 (en) * 2016-06-14 2018-04-10 GM Global Technology Operations LLC System and method for predicting a pedal position based on driver behavior and controlling one or more engine actuators based on the predicted pedal position
WO2018104850A1 (fr) * 2016-12-08 2018-06-14 Kpit Technologies Limited Commande prédictive à base de modèle pour automobiles
FR3061470B1 (fr) * 2017-01-05 2019-05-17 Renault S.A.S. Procede de calcul d'une consigne de gestion de la consommation en carburant et en courant electrique d'un vehicule automobile hybride
CN107458236B (zh) * 2017-07-28 2019-10-18 北京新能源汽车股份有限公司 一种剩余续驶里程的预估方法、装置、整车控制器及汽车
WO2019034233A1 (fr) 2017-08-14 2019-02-21 Toyota Motor Europe Système et procédé de modélisation et de simulation de véhicule
CN107577234B (zh) * 2017-09-21 2021-01-15 合肥工业大学 一种驾驶员在环的汽车燃油经济性控制方法
US10358140B2 (en) * 2017-09-29 2019-07-23 GM Global Technology Operations LLC Linearized model based powertrain MPC
KR102410942B1 (ko) * 2017-11-01 2022-06-20 현대자동차주식회사 하이브리드 자동차 및 그를 위한 주행 모드 제어 방법
US11144832B2 (en) * 2017-11-03 2021-10-12 Cognizant Technology Solutions India Pvt. Ltd System and method for determining optimal solution in a swarm of solutions using swarm intelligence
CN109143857A (zh) * 2018-08-14 2019-01-04 上海电力学院 一种超超临界机组协调控制系统的解耦控制方法
CN109283843B (zh) * 2018-10-12 2021-08-03 江苏大学 一种基于多项式与粒子群算法融合的换道轨迹规划方法
CN112230641B (zh) * 2019-06-28 2022-04-15 比亚迪股份有限公司 车辆的制动曲线的生成方法和装置
US11285934B2 (en) * 2019-11-11 2022-03-29 Chongqing Jinkang Powertrain New Energy Co., Ltd. Regulating powertrains in electric vehicles using driving pattern recognition
CN110702121B (zh) * 2019-11-23 2023-06-23 赣南师范大学 面向山地果园机械的最优路径模糊规划方法
CN111091249B (zh) * 2019-12-30 2023-07-14 吉林大学 一种基于全局寻域算法实现车辆全局能量最优分配方法
WO2021251877A1 (fr) * 2020-06-11 2021-12-16 Chalmers Ventures Ab Optimisation de trajectoire de vitesse
CN111994087B (zh) * 2020-09-02 2021-11-05 中国第一汽车股份有限公司 一种辅助驾驶方法、系统、车辆及介质
US11897447B2 (en) * 2020-12-01 2024-02-13 Ford Global Technologies, Llc Iterative sequential velocity and state of charge setpoint selection for autonomous vehicles
DE102021116120A1 (de) * 2021-06-22 2022-12-22 Man Truck & Bus Se Verfahren und Vorrichtung zur Bestimmung einer Betriebsstrategie eines elektrisch angetriebenen Fahrzeugs, vorzugsweise eines Brennstoffzellen-Fahrzeugs
CN113479186B (zh) * 2021-07-02 2023-01-10 中汽研（天津）汽车工程研究院有限公司 一种混合动力汽车能量管理策略优化方法
US20230242111A1 (en) * 2022-02-01 2023-08-03 Delphi Technologies Ip Limited System and method for controlling vehicle energy consumption using segmented route optimization
CN115489336B (zh) * 2022-09-28 2023-07-25 同济大学 基于大数据的电机扭矩输出优化方法和装置
FR3140812A1 (fr) * 2022-10-17 2024-04-19 Psa Automobiles Sa Procédé de calcul de vitesses d’un véhicule automobile à propulsion électrique, véhicule et système associés
US11707987B1 (en) * 2022-12-06 2023-07-25 Mercedes-Benz Group AG Vehicle simulating method and system
CN116118705B (zh) * 2022-12-09 2023-08-11 聊城大学 一种跟驰场景下插电式混合动力公交车能量管理控制方法
CN116424108B (zh) * 2023-03-23 2024-01-19 淮阴工学院 智能电动汽车电能规划装置及方法
CN116278803B (zh) * 2023-03-30 2024-03-08 吉林大学 四轮毂电机驱动电动汽车节能转矩分配系统及其控制方法
CN117313437B (zh) * 2023-11-30 2024-02-13 中汽研汽车检验中心（天津）有限公司 交通流对能耗排放影响测试方法、装置、设备与存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1462300A1 (fr) 2002-03-08 2004-09-29 Welltek Energy Co., Ltd. Système de gestion d'énergie pour un véhicule électrique

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8612077B2 (en) * 2010-07-07 2013-12-17 Massachusetts Institute Of Technology Hybrid electric vehicle and method of path dependent receding horizon control
FR2975795B1 (fr) * 2011-05-25 2014-05-09 Commissariat Energie Atomique Procede de gestion de l'energie consommee par un systeme mobile, notamment un vehicule automobile, dispositif embarque mettant en œuvre un tel procede

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1462300A1 (fr) 2002-03-08 2004-09-29 Welltek Energy Co., Ltd. Système de gestion d'énergie pour un véhicule électrique

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MATHIEU GROSSARD ET AL: "An optimal energy-based approach for driving guidance of full Electric Vehicles", INDUSTRIAL ELECTRONICS (ISIE), 2012 IEEE INTERNATIONAL SYMPOSIUM ON, IEEE, 28 May 2012 (2012-05-28), pages 1708 - 1713, XP032199962, ISBN: 978-1-4673-0159-6, DOI: 10.1109/ISIE.2012.6237348 *
PHILLIPS A M ET AL: "Vehicle system controller design for a hybrid electric vehicle", PROCEEDINGS OF THE 2000 IEEE INTERNATIONAL CONFERENCE ON CONTROL APPLICATIONS. CCA. ANCHORAGE, ALASKA, SEPT. 25 - 27, 2000; [IEEE INTERNATIONAL CONFERENCE ON CONTROL APPLICATIONS], NEW YORK, NY : IEEE, US, 25 September 2000 (2000-09-25), pages 297 - 302, XP010528360, ISBN: 978-0-7803-6563-6 *
SALMASI F R: "Control Strategies for Hybrid Electric Vehicles: Evolution, Classification, Comparison, and Future Trends", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 56, no. 5, 1 September 2007 (2007-09-01), pages 2393 - 2404, XP011192648, ISSN: 0018-9545, DOI: 10.1109/TVT.2007.899933 *
TULPULE P ET AL: "Effects of different PHEV control strategies on vehicle performance", AMERICAN CONTROL CONFERENCE, 2009. ACC '09, IEEE, PISCATAWAY, NJ, USA, 10 June 2009 (2009-06-10), pages 3950 - 3955, XP031487147, ISBN: 978-1-4244-4523-3 *
XIAO LIN ET AL: "Optimal energy management for a plug-in hybrid electric vehicle: Real-time controller", AMERICAN CONTROL CONFERENCE (ACC), 2010, IEEE, PISCATAWAY, NJ, USA, 30 June 2010 (2010-06-30), pages 5037 - 5042, XP031719188, ISBN: 978-1-4244-7426-4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3071197A1 (fr) * 2017-09-15 2019-03-22 Psa Automobiles Sa Procede de determination d’une consigne de vitesse pour minimiser la consommation energetique d’un vehicule
CN109050350A (zh) * 2018-08-17 2018-12-21 北京航空航天大学 一种电动汽车模拟手动挡燃油车发动机抖动扭矩控制方法
CN109050350B (zh) * 2018-08-17 2020-11-13 北京航空航天大学 一种电动汽车模拟手动挡燃油车发动机抖动扭矩控制方法

Also Published As

Publication number Publication date
US9616771B2 (en) 2017-04-11
FR2993213A1 (fr) 2014-01-17
US20150202990A1 (en) 2015-07-23
EP2872358A1 (fr) 2015-05-20
FR2993213B1 (fr) 2015-10-23

Similar Documents

Publication Publication Date Title
WO2014009405A1 (fr) Procede de gestion de l&#39;energie consommee par un vehicule automobile et systeme mettant en œuvre un tel procede
EP3363707B1 (fr) Procede de determination d&#39;une zone atteignable par un vehicule au moyen d&#39;un modele dynamique et d&#39;un graphe adjoint
WO2015145053A1 (fr) Procédé pour estimer l&#39;autonomie d&#39;un véhicule électrique ou hybride
FR3010238A1 (fr) Procede de regeneration electrique d&#39;un accumulateur d&#39;energie
EP2714460A1 (fr) Procede de gestion de l&#39;energie consommee par un systeme mobile, notamment un vehicule automobile, dispositif embarque mettant en uvre un tel procede
FR2976888A1 (fr) Procede d&#39;aide au pilotage d&#39;un vehicule automobile en vue d&#39;optimiser l&#39;utilisation de la reserve d&#39;energie
FR3061471A1 (fr) Procede d’optimisation de la consommation energetique d’un vehicule hybride
EP3565747B1 (fr) Procédé de calcul d&#39;une consigne de gestion de la consommation en carburant et en courant électrique d&#39;un véhicule automobile hybride
FR3038277A1 (fr) Procede de calcul d’une consigne de gestion de la consommation en carburant et en courant electrique d’un vehicule automobile hybride
WO2010043833A1 (fr) Procede d&#39;estimation d&#39;autonomie pour vehicule automobile pourvu de moyens de predictions ameliores et dispositif associe
EP2892753A2 (fr) Recharge d&#39;un parc de batteries
WO2021170345A1 (fr) Procédé d&#39;estimation de l&#39;état de santé énergétique d&#39;une batterie
FR2942602A1 (fr) Dispositif et procede de gestion optimisee de l&#39;energie electrique d&#39;une source de stockage electrochimique embarquee dans un vehicule hybride
EP3065986A1 (fr) Procede et systeme de commande de la vitesse d&#39;un vehicule
FR2942087A1 (fr) Dispositif et procede de gestion du niveau de charge electrique lors de la mise en charge d&#39;une source de stockage electrochimique embarquee dans un vehicule
FR3068322A1 (fr) Procede de gestion de la chaine de traction d&#39;un vehicule hybride
FR2811268A1 (fr) Procede et systeme de gestion de l&#39;energie dans un vehicule a moyen de propulsion hybride
EP3599445B1 (fr) Procédé de détermination d&#39;un itineraire minimisant la dépense energetique d&#39;un vehicule hybride au moyen d&#39;un graphe adjoint étendu
FR3027682A1 (fr) Systeme de calcul d&#39;un besoin de recharge en energie electrique d&#39;un vehicule a propulsion electrique
FR3096315A1 (fr) Procédé et dispositif de gestion de la charge d’un véhicule électrique
FR3102251A1 (fr) Procédé d’optimisation de la recharge et/ou de la décharge de batteries pour un véhicule automobile électrique
FR3063581A1 (fr) Procede de charge d&#39;une batterie electrique d&#39;un vehicule automobile
FR3089463A1 (fr) Procédé de détermination de l’autonomie d’un véhicule
FR2953015A3 (fr) Procede d&#39;estimation d&#39;autonomie pour vehicule automobile pourvu de moyens de predictions ameliores et dispositif associe
FR3104263A1 (fr) Evaluation de l’autonomie réelle maximale d’un véhicule électrique

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13739633

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2013739633

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 14414065

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE