[go: up one dir, main page]

WO2025021410A1 - Procede de gestion d'energie de dispositifs hybrides de stockage d'energie - Google Patents

Procede de gestion d'energie de dispositifs hybrides de stockage d'energie Download PDF

Info

Publication number
WO2025021410A1
WO2025021410A1 PCT/EP2024/067818 EP2024067818W WO2025021410A1 WO 2025021410 A1 WO2025021410 A1 WO 2025021410A1 EP 2024067818 W EP2024067818 W EP 2024067818W WO 2025021410 A1 WO2025021410 A1 WO 2025021410A1
Authority
WO
WIPO (PCT)
Prior art keywords
energy
battery
hybrid
energy source
storage device
Prior art date
Application number
PCT/EP2024/067818
Other languages
English (en)
Inventor
Théophile PAUL
Tedjani MESBAHI
Original Assignee
Université De Strasbourg
Centre National De La Recherche Scientifique
Institut National Des Sciences Appliquées
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
Priority claimed from EP23202444.8A external-priority patent/EP4498562A1/fr
Application filed by Université De Strasbourg, Centre National De La Recherche Scientifique, Institut National Des Sciences Appliquées filed Critical Université De Strasbourg
Publication of WO2025021410A1 publication Critical patent/WO2025021410A1/fr

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/0071—Regulation of charging or discharging current or voltage with a programmable schedule
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/40—Electric propulsion with power supplied within the vehicle using propulsion power supplied by capacitors
    • 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]
    • B60L58/13—Maintaining the SoC within a determined range
    • 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
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • B60L58/20—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules having different nominal voltages
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other DC sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other DC sources, e.g. providing buffering using capacitors as storage or buffering devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/20—Charging or discharging characterised by the power electronics converter
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/40—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries adapted for charging from various sources, e.g. AC, DC or multivoltage

Definitions

  • the field of the invention is that of energy management algorithms for energy storage devices and is part of the improvement of the dimensioning, performance and lifespan of such devices. More particularly, these are energy management strategy algorithms (usually known by the English terms “Energy Management Strategy” and designated by the English acronym EMS), these algorithms being intended for the energy management of storage systems of the Li-ion battery/supercapacitor (SC) type.
  • energy management strategy algorithms usually known by the English terms “Energy Management Strategy” and designated by the English acronym EMS
  • SC Li-ion battery/supercapacitor
  • dimensioning is crucial in the design of a product. It allows to define and estimate the dimensions, volume, mass, cost of an object or any other technical characteristics according to specifications. The latter will allow to fix the operating point(s), as well as the constraints of the system. Thus, from a certain number of more or less complex calculations, a more or less precise estimate can be given as to the dimensions of the materials or the number of components that must be used. This dimensioning step is essential because it allows to have a methodology when designing an object, thus allowing a significant saving of time and money.
  • dimensioning is coupled with modeling. The latter allows to digitally recreate the object according to the dimensioning carried out and to verify its operation. Slight adjustments can then be made to the modeling to correct the various divergences.
  • a hybrid energy storage device with at least one main energy source and at least one auxiliary energy source, and in particular a hybrid source of the Li-ion battery/supercapacitor type with semi-active architecture on the supercapacitor side, it is the battery, the supercapacitors and the converter (which is a power converter) which must be sized.
  • Araujo [1] proposes for example an optimization algorithm coupled with energy management in order to to determine the number of battery cells and SCs.
  • a rule-based energy management strategy (SGE) frequency-based strategy
  • SGE frequency-based strategy
  • this method does not take into account the real-time nature of the SGE for the optimization-based method.
  • Zhang [2] uses wavelet transforms in his sizing to define the power sharing. He then considers the mass, cost and state of health of the battery (SOH) as objectives in his sizing algorithm. To converge, a genetic algorithm (NSGA-II) is used.
  • Ostadi [4] uses a particle swarm optimization algorithm (usually referred to as PSO) to determine the number of battery cells and SCs. In this study, only the price of the hybrid source is the variable to be minimized.
  • Herrera [5] will also adopt this same idea and apply his sizing for a tramway, with a slightly more complex architecture comprising two converter units, both coupled to a supercapacitor module.
  • Xiong [6] uses dynamic programming for the control strategy and uses a second PSO-based optimization loop to determine the parameters of his dynamic programming algorithm.
  • Trieste [7] presents a sizing study of a three-arm interleaved boost converter, as well as the associated supercapacitors. However, no information on battery sizing is found in his study.
  • the applicants have developed a method for energy management of a hybrid energy storage device (or also referred to as hybrid source in the following text) in a system stationary or mobile, to allow optimal dimensioning thereof, said hybrid energy storage device comprising at least one main energy source, at least one auxiliary energy source, and at least one converter, said method comprising the following steps:
  • a first dimensioning step comprising:
  • A2) implementing an energy management strategy using a first predictive control MPC1 to obtain the following output data: the dimensioning data of said main energy source and said auxiliary energy source required and information relating to said at least one converter (and in particular a power converter);
  • step A) a second test step in simulation of the consistency of the output data obtained in step A) comprising the following sub-steps:
  • a converter is understood to mean a power converter. If the expected performances are not achieved, the sizing data of the energy sources obtained in step A (for example, the number of battery cells and/or supercapacitors for a Li-ion/SC battery hybrid device) are adjusted and then move on to the last step, after adapting the algorithm of step B2.
  • the sizing data of the energy sources obtained in step A for example, the number of battery cells and/or supercapacitors for a Li-ion/SC battery hybrid device
  • the term “technology of the different energy sources of the hybrid energy storage device” is understood to mean, within the meaning of the present invention, the chemistry (for example in the case of a battery) and/or the typology of the energy sources (for example in the case of a battery).
  • the chemistry for example in the case of a battery
  • the typology of the energy sources for example in the case of a battery
  • dimensioning data for the main and auxiliary energy sources means data such as the voltage, capacity and power of the different energy sources.
  • step B2 is separated into two parts comprising:
  • the external loop can be calibrated (usually the term “tuned” is used in English) in order to optimize the performance of the hybrid source.
  • the method according to the invention may further comprise a third optional step C of testing the algorithm of step B2) on a real system.
  • the part relating to the computer hardware (“hardware”) usable for the implementation of the algorithm is chosen according to step B.
  • each of the main and auxiliary energy sources can be selected from the group consisting of the following energy sources: batteries (in particular Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries), fuel cells, supercapacitors and flywheels.
  • batteries in particular Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries
  • fuel cells in particular Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries
  • supercapacitors in particular Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries
  • flywheels in particular Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries
  • the primary energy source may be a battery, and preferably a battery selected from the group consisting of Li-ion batteries, sodium batteries, Li-air batteries and Li-solid batteries.
  • the primary energy source may be a Li-ion battery and the auxiliary energy source a supercapacitor.
  • successive iterations can be carried out between steps A) and B) and, where appropriate, between steps B) and C), when the method according to the invention comprises the optional step C.
  • the method according to the invention can be used in an application such as electric mobility.
  • electric mobility means systems for transporting people or goods (road, air, sea, rail) but also on-board electrical systems (for example, lifting platforms, garbage truck bins, emergency vehicle ladders, etc.), which may or may not be on board electric transport systems.
  • on-board electrical systems for example, lifting platforms, garbage truck bins, emergency vehicle ladders, etc.
  • the method according to the invention can also be used in the field of stationary applications such as photovoltaics and wind power, for the energy management of a hybrid energy storage device (1) in a stationary system.
  • FIG. 1 - Figure 1 is a schematic representation of the implementation of an EMS type energy management strategy (for “Energy Management Strategy”) known to those skilled in the art;
  • FIG. 2 is a schematic representation of the implementation of an energy management strategy according to the method according to the invention in the case of a particular example of a hybrid storage device of the Li-ion battery / supercapacitor type.
  • FIG. 3 includes two diagrams representing respectively the models used for the predictive control NMPC2 of the battery 11 and the supercapacitors 12, in which the battery is considered as a voltage source in series with a resistor (left part of Figure 3) and the supercapacitors are represented by a capacitor in series with a resistor (right part of Figure 3);
  • FIG. 4 is a block diagram of the algorithm of sub-step B2) according to the non-linear NMPC2 predictive control;
  • FIG.5 - Figure 5 is a block diagram of the hybrid source control.
  • FIG. 1 schematically represents the implementation of an EMS type energy management strategy (for "Energy Management Strategy") known to those skilled in the art.
  • EMS type energy management strategy for "Energy Management Strategy”
  • SC supercapacitor
  • the two energy sources 110, 111 must be connected together via one or more power converters (not shown in FIG. 1) in order to allow active power sharing between the battery 110 and the supercapacitors 111.
  • the hybrid energy storage device 10 shown in FIG. 1 powers a thruster 22.
  • FIG. 2 is a schematic representation of the implementation of an energy management strategy according to the method according to the invention in the case of a hybrid energy storage device 1 of the Li-ion battery 11/supercapacitor 12 type with a converter 13.
  • the hybrid energy storage device 1 which is embedded in a mobile device 2, comprises as main energy source a Li-ion battery 11 and a supercapacitor 12 as auxiliary energy source and a power converter 13 interacting with a microprocessor 3 on which is embedded an EMS algorithm based on optimization, based on MPC (“Model Predictive Control”).
  • the hybrid energy storage device 1 powers a system 2 comprising (in the particular case illustrated in FIG. 2) an electric motor 21, a thruster 22 and an inverter 23, this system 2 powered by the hybrid device 1 constituting the load to which the hybrid device 1 will have to supply power in order to operate.
  • FIG. 3 to 5 relating respectively to the second predictive control NMPC2 (figure 4) and to the models used for NMPC2 (figure 3) and to a block diagram of the control of the hybrid source 1, are commented on in relation to the method according to the invention. This comprises the following steps:
  • a first dimensioning step comprising:
  • Al acquiring the following input parameters: the number of battery cells 11 and supercapacitor 12 required and information relating to the power converter 13, and the technology of the battery 11 and supercapacitor 12;
  • step A2) implementing an energy management strategy using a first predictive control MPC1 to obtain the following output data: the sizing data of the battery 11 and the supercapacitor 12 required (number of cells) and information relating to the converter 13; - B) a second test step in simulation of the consistency of the output data obtained in step A) comprising the following sub-steps:
  • the power cycles can come from measurements made on the target system to be sized, or they can come from measured or standardized speed cycles. From the speed cycles and the dynamic system model, it is possible to estimate the different power cycles of the system.
  • the different data of the energy storage devices are recovered from the datasheets of the different components. They can be chosen arbitrarily or defined according to specifications.
  • step A2 As regards the implementation of an energy management strategy (step A2) using a first predictive control MPC1, this is based on a simple model to solve the optimization problem.
  • a model described below is used where the energy is nothing other than the integral of the power.
  • a minus sign is added to equations (1) and (2) in order to simulate the behavior of an energy storage device: the energy output reduces the capacity of the energy storage device 1.
  • the battery 11 In the final control of this model, the battery 11 is acted on indirectly to control the hybrid energy storage device according to the invention 1.
  • the battery power Pbat is the control variable.
  • t m the total duration of the mission.
  • the variables wai and Wd2 are used to adjust the cost function J by choosing to emphasize one term rather than another. Given the different orders of magnitude between the energy of the SC 12 and the power of the battery 11, i.e. Esc and Pbat, it is necessary to normalize the cost function J using the weights wai and Wd2.
  • the power limits of the battery 11 remained free. They will nevertheless be taken into consideration during the simulation and the implementation on the system.
  • the control horizon will be the same as the prediction horizon.
  • the prediction time will therefore be 10 seconds given that the acceleration phases are generally short (around ten seconds).
  • the acquisition of measurements on embedded systems is generally of the order of the second.
  • the sampling frequency Fe must not be too low for fear of having a value of N p that is too high and thus encountering an optimization problem that is too complex to solve.
  • the power demand of the load it is considered constant in the future when solving the optimization problem (the power demand is not known in advance).
  • the power demand is not known in advance.
  • the latter will be considered constant from k to k + Np, when predicting and solving the cost function J.
  • Modeling B 1) of the hybrid source (battery 11 and SC 12)
  • the main purpose of this step is to confirm the sizing of the hybrid source and to attest whether the latter is truly functional.
  • the aim is to validate the energy operation of the system over one or more speed and power cycles.
  • the precision of the mathematical equations is a determining factor in the choice of the model of each element of the hybrid source.
  • the time constants are disparate within the hybrid source itself: for the converter: of the order of a microsecond, for the supercapacitor: of the order of a second, for the battery: of the order of a minute,
  • the modeling of the hybrid source has been oriented towards an energy model of the system, in which the power transfers are evaluated more on long time scales (tens of minutes to a few hours) rather than the physical behaviors at the converter scale (microsecond).
  • the modeling of the hybrid source is oriented towards control to best translate the behavior of the hybrid source without compromising the calculation speed of energy management strategies (EMS), in particular those based on optimization which are computationally intensive.
  • EMS energy management strategies
  • Step B2 of controlling said hybrid energy storage device 1 is carried out using an algorithm comprising an energy management loop consisting of a second non-linear predictive control NMPC2.
  • an algorithm comprising an energy management loop consisting of a second non-linear predictive control NMPC2.
  • the model states are the battery state of charge (SOCbat) and the supercapacitor state of charge (SOCsc).
  • SOCbat battery state of charge
  • SOCsc supercapacitor state of charge
  • the weights wi and W2 are defined in such a way as to emphasize one objective rather than another. Given the different orders of magnitude between the state of charge of the SC 12 (order of magnitude of 1) and the power of the battery 11 (order of magnitude between IkW and 10kW), i.e.
  • the value of the weights of the cost function J can then be refined.
  • wi the variation of the voltage of the SC 12 is reduced around its reference voltage.
  • W2b the more the battery power is minimized.
  • Pbat is the control variable and P v can be assimilated as a disturbance.
  • the constraints of the SOC of the SCs will be defined between 1 and 0.5, which corresponds according to equation (9) to the use of 75% of the energy of the SCs.
  • the SOC of the battery is defined in such a way as to have a depth of discharge DOD of 80% (DOD being the acronym in English for "Depth of Discharge”).
  • the variation of SOCbat was set arbitrarily between 0.9 and 0.1.
  • the acaods software was used to solve the MPC.
  • the transition from the NMPC to the internal loop BI requires dividing the battery power by its voltage in order to obtain Ibat.
  • the complete control diagram can be found in Figure 4.
  • FIG. 5 shows that the algorithm of step B2 is separated into two parts including:
  • these two loops are in cascade to control the converter 13:
  • the internal loop (inspired by the work of Nguyen [8] ) consists of a Proportional Integral corrector (or PI corrector) whose role is to control the input current of the converter 12, i.e. the current of the supercapacitors 12 (internal loop);
  • the external loop (inspired by the work of Golchoubian [9] ) slower than the internal loop, has the role of managing and sharing energy between the two storage systems (battery and SC) and the load.
  • a current instruction will thus be calculated by the external loop and sent to the input of the internal loop in order to control the converter 13 as illustrated in figure 5.
  • the method according to the invention therefore makes it possible to improve the power sharing between the battery 11 and the supercapacitor 12 compared to rule-based algorithms. It makes it possible to have better aging indicators and to better manage the constraints on the battery as well as the critical limits of the battery and the SCs (in particular in terms of overcharging and discharges).

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Secondary Cells (AREA)

Abstract

La présente invention concerne un procédé de gestion d' énergie d' un dispositif hybride de stockage d' énergie dans un système stationnaire ou mobile, pour en permettre un dimensionnement optimal, le dispositif hybride de stockage d' énergie comprenant au moins une source d' énergie principale telle qu' une batterie, au moins une source d' énergie auxiliaire telle qu' un super condensateur, et au moins un convertisseur.

Description

PROCEDE DE GESTION D’ENERGIE DE DISPOSITIFS HYBRIDES DE STOCKAGE D’ENERGIE
Domaine technique de l’invention
Le domaine de l’invention est celui des algorithmes de gestion d’énergie pour des dispositifs de stockage d’énergie et s’inscrit dans le cadre de l’amélioration du dimensionnement, des performances et de la durée de vie de tels dispositifs. Il s’agit plus particulièrement d’algorithmes de stratégie de gestion d’énergie (connu usuellement sous les termes anglais « Energy Management Strategy » et désignés par l’acronyme anglais EMS), ces algorithmes étant destinés à la gestion d’énergie de systèmes de stockage de type batterie Li- ion/supercondensateur (SC).
Arrière-plan technique
Dans tout problème d'ingénierie, le dimensionnement est crucial dans la conception d'un produit. Il permet de définir et d'estimer les dimensions, le volume, la masse, le coût d'un objet ou tout autres caractéristiques techniques en fonction d’un cahier des charges. Ce dernier permettra de fixer le ou les points de fonctionnement, ainsi que les contraintes du système. Ainsi, à partir d'un certain nombre de calculs plus ou moins complexes, une estimation plus ou moins précise peut être donnée quant aux dimensions des matériaux ou au nombre de composants qui doivent être utilisés. Cette étape de dimensionnement est primordiale car elle permet d'avoir une méthodologie lors de la conception d'un objet, permettant ainsi un gain de temps et d'argent important. Habituellement, le dimensionnement est couplé avec la modélisation. Cette dernière permet de recréer numériquement l'objet en fonction du dimensionnement réalisé et d'en vérifier son fonctionnement. De légers ajustements peuvent alors être apportés à la modélisation pour corriger les différentes divergences.
Dans le cas d'un dispositif hybride de stockage d’énergie avec au moins une source principale d’énergie et au moins une source auxiliaire d’énergie, et en particulier une source hybride de type batterie Li-ion/supercondensateurs à architecture semi-active du côté des supercondensateurs, ce sont la batterie, les supercondensateurs ainsi que le convertisseur (qui est un convertisseur de puissance) qui doivent être dimensionnés.
Dans la suite du texte, les supercondensateurs seront désignés par l’acronyme SC usuellement utilisé dans ce domaine technique.
Dans la littérature scientifique, on retrouve différentes méthodes de dimensionnement. Ainsi, Araujo[1] propose par exemple un algorithme d'optimisation couplé à la gestion d’énergie afin de déterminer le nombre de cellules de batterie et de SC. Une stratégie de gestion d’énergie (désignée par l’acronyme SGE) à base de règles (stratégie selon une méthode fréquentielle), ainsi qu'un problème d'optimisation sont utilisés. Cependant, en plus d'être dédiée à une architecture active, cette méthode ne prend pas en compte le caractère temps réel de la SGE pour la méthode à base d'optimisation. Zhang[2] utilise les transformées en ondelettes (connues en anglais par les termes« Wavelett transform ») dans son dimensionnement afin de définir le partage de puissance. Il prend alors en considération la masse, le coût et l'état de santé de la batterie (« State of Health -SOH») comme objectifs dans son algorithme de dimensionnement. Pour converger, un algorithme génétique (NSGA-II) est employé. Gonzalez[3] prend en compte la dégradation de la batterie afin de dimensionner les dispositifs de stockage d’énergie de la source hybride. Ostadi[4] utilise un algorithme d'optimisation par essaim particulaire (usuellement désigné par l’acronyme PSO) afin de déterminer le nombre de cellules de batterie et de SC. Dans cette étude, seul le prix de la source hybride est la variable à minimiser. Herrera[5] adoptera également cette même idée et appliquera son dimensionnement pour un tramway, avec une architecture un peu plus complexe comprenant deux unités de convertisseur, couplées toutes les deux à un module de supercondensateur. Xiong[6] fait usage de la programmation dynamique pour la stratégie de contrôle et utilise une deuxième boucle d’optimisation à base de PSO pour déterminer les paramètres de son algorithme de programmation dynamique. Trieste[7] présente une étude de dimensionnement d'un convertisseur boost entrelacé à trois bras, ainsi que des supercondensateurs associés. Néanmoins, on ne retrouve pas d'information relative au dimensionnement de la batterie dans son étude.
Les dimensionnements présentés ci-dessus reposent généralement sur des problèmes d'optimisation couplés à une gestion d’énergie. En effet, il est impensable de dissocier les deux, tant l'efficacité d'une SGE influe sur les performances d'une source hybride. Or, afin de respecter le caractère temps réel de la SGE et l'aspect système embarqué, il est nécessaire que l'algorithme en question soit adapté : ce qui n'est pas le cas de la programmation dynamique (PD) par exemple. On remarquera également que dans la plupart des travaux existants, aucune information concernant le dimensionnement du convertisseur n'est mentionnée. De plus, le dimensionnement cible le plus souvent des architectures actives.
Résumé de l’invention
Afin de résoudre les problèmes et inconvénients de l’art antérieur, les demandeurs ont mis au point un procédé de gestion d’énergie d’un dispositif hybride de stockage d’énergie (ou également désigné par les termes source hybride dans la suite du texte) dans un système stationnaire ou mobile, pour en permettre un dimensionnement optimal, ledit dispositif hybride de stockage d’énergie comprenant au moins une source d’énergie principale, au moins une source d’énergie auxiliaire, et au moins un convertisseur, ledit procédé comprenant les étapes suivantes :
- A) une première étape de dimensionnement comprenant :
Al) l’acquisition des paramètres d’entrée suivants : cycles de puissance dudit système (en particulier des cycles de vitesse et dynamique si le système est un véhicule), et la technologie des sources d’énergie principale et auxiliaire dudit dispositif hybride de stockage d’énergie, puis
A2) la mise en place d’une stratégie de gestion de l'énergie à l’aide d’une première commande prédictive MPC1 pour obtenir les données de sortie suivantes : les données de dimensionnement de ladite source d’énergie principale et de ladite source d’énergie auxiliaire nécessaires et des informations relatives audit au moins un convertisseur (et en particulier un convertisseur de puissance) ;
- B) une deuxième étape de test en simulation de la cohérence des données de sortie obtenues à l’étape A) comprenant les sous-étapes suivantes :
Bl) modélisation d’une part de ladite source d’énergie principale et d’autre part de ladite source d’énergie auxiliaire ainsi que dudit au moins un convertisseur de puissance servant d’interface entre lesdites sources d’énergie principale et auxiliaire;
B2) pilotage dudit dispositif hybride de stockage d’énergie à l’aide d’un algorithme comprenant une boucle de gestion d’énergie constituée d’une deuxième commande prédictive MPC2 non linéaire (désignée par l’acronyme NMPC2).
Par convertisseur, on entend, au sens de la présente invention, un convertisseur de puissance. Si les performances attendues ne sont pas atteintes, les données de dimensionnement des sources d’énergie obtenues à l’étape A (par exemple, le nombre de cellule de batterie et/ou de supercondensateur pour un dispositif hybride batterie Li-ion/SC) sont ajustées pour ensuite passer à la dernière étape, après adaptation de l’algorithme de l’étape B2.
En ce qui concerne la première étape A) de dimensionnement et plus particulièrement la sous- étape Al) d’acquisition des paramètres d’entrée, on entend, au sens de la présente invention, par technologie des différentes sources d’énergie du dispositif hybride de stockage d’énergie, la chimie (par exemple dans le cas d’une batterie) et/ou la typologie des sources d’énergie (par exemple dans le cas d’un super condensateur SC) : on pourra notamment citer la tension, la capacité et la résistance de chacune des sources d’énergie.
En ce qui concerne la première étape A)de dimensionnement, et plus particulièrement la sous- étape A2) de mise en place d’une stratégie de gestion de l'énergie, on entend, au sens de la présente invention, par données de dimensionnement des sources d’énergie principale et auxiliaire, des données telles que la tension, la capacité, la puissance des différentes sources d’énergie.
Dans le cas d’un dispositif hybride de type batterie li-ion/ supercondensateur (ou SC), les données de dimensionnement de ladite première source d’énergie (11) et de ladite source d’énergie auxiliaire comprendraient notamment les nombre de cellules de la batterie et du SC De manière avantageuse, l’algorithme de l’étape B2 est séparé en deux parties comprenant :
• une première partie consistant en une boucle interne pour piloter la puissance de la source auxiliaire d’énergie, et
• une deuxième partie consistant en une boucle externe constituée de ladite commande prédictive NMPC2 (différente de la première commande prédictive MPC1).
De manière préférée, la boucle externe peut être calibrée (usuellement on utilise en anglais le terme « tuned »), afin d’optimiser les performances de la source hybride.
De manière avantageuse, le procédé selon l’invention peut en outre comprendre une troisième étape optionnelle C de test de l’algorithme de l’étape B2) sur un système réel. Pour cette troisième étape optionnelle C, la partie relative au matériel informatique (« hardware ») utilisable pour la mise en place de l’algorithme est choisie en fonction de l’étape B.
De manière avantageuse, chacune des sources d’énergie principale et auxiliaire peut être choisie dans le groupe constitué des sources d’énergie suivantes : batteries (notamment les, batteries Li-ion, les batteries sodium, les batteries Li-air et les batteries Li-solide), les piles à combustible, supercondensateurs et volants d’inertie.
De préférence, la source d’énergie principale peut être une batterie, et de préférence une batterie choisie dans le groupe constitué des batteries Li-ion, batteries sodium, batteries Li-air et des batteries Li-solide.
De manière davantage préférée, la source d’énergie principale peut être une batterie Li-ion et la source d’énergie auxiliaire un supercondensateur.
De manière avantageuse, des itérations successives peuvent être réalisées entre les étapes A) et B) et, le cas échéant entre les étapes B) et C), lorsque le procédé selon l’invention comprend l’étape optionnelle C. Le procédé selon l’invention peut être utilisé dans une application telle que la mobilité électrique.
Par mobilité électrique, on entend, au sens de la présente invention les systèmes de transport de personnes ou de marchandises (routier, aérien, maritime, ferroviaire) mais aussi des systèmes électriques embarqués (par exemple des nacelles élévatrices, des bennes de camions poubelles, échelles de véhicules de secours etc.), qui peuvent être embarqués sur des systèmes de transports électriques ou non.
Le procédé selon l’invention peut également être utilisé dans le domaine des applications stationnaires comme le photovoltaïque et l’éolien, pour la gestion d’énergie d’un dispositif hybride de stockage d’énergie (1) dans un système stationnaire.
D’autres avantages et particularités de la présente invention résulteront de la description qui va suivre, donnée à titre d’exemple non limitatif et faite en référence aux figures et aux exemples.
Brève description des figures
[Fig. 1] - la figure 1 est une représentation schématique de la mise en place d’une stratégie de gestion d’énergie de type EMS pour « Energy Management Strategy ») connue de l’homme de l’art ;
[Fig. 2] - la figure 2 est une représentation schématique de la mise en place d’une stratégie de gestion d’énergie selon le procédé selon l’invention dans le cas d’un exemple particulier de dispositif hybride de stockage de type batterie Li-ion / supercondensateur.
[Fig. 3] - la figure 3 comprend deux schémas représentant respectivement les modèles utilisés pour la commande prédictive NMPC2 de la batterie 11 et des supercondensateurs 12, dans lesquels la batterie est considérée comme une source de tension en série avec une résistance (partie gauche de la figure 3) et les supercondensateurs sont représentés par un condensateur en série avec une résistance (partie droite de la figure 3) ;
[Fig. 4] - la figure 4 est un schéma de principe de l’algorithme de la sous-étape B2) selon la commande prédictive NMPC2 non linéaire ;
[Fig.5] - la figure 5 est un schéma de principe de la commande de la source hybride.
Description détaillée des figures
La figure 1 représente schématiquement mise en place d’une stratégie de gestion d’énergie de type EMS pour « Energy Management Strategy ») connue de l’homme de l’art. Pour améliorer les performances des batteries, leur durée de vie ainsi que leur dimensionnement, il est connu d’associer une batterie Li-ion Haute énergie 110 avec un supercondensateur (SC) 120, pour obtenir en particulier un dispositif de stockage d’énergie 10 avec une grande énergie spécifique et donc une grande autonomie, et une puissance spécifique élevée et donc une dynamique élevée. L’un possède une énergie spécifique élevée (grande autonomie) alors que l’autre possède une puissance spécifique élevée (dynamique élevée). Les deux sources d’énergie 110, 111 doivent être connectées ensemble via un ou plusieurs convertisseurs de puissance (non représentés sur la figure 1) afin de permettre un partage de puissance actif entre la batterie 110 et les supercondensateurs 111. Le dispositif hybride de stockage d’énergie 10 représenté sur la figure 1 alimente un propulseur 22.
La figure 2 est une représentation schématique de la mise en place d’une stratégie de gestion d’énergie selon le procédé selon l’invention dans le cas d’un dispositif hybride de stockage d’énergie 1 de type batterie Li-ion 11/ supercondensateur 12 avec un convertisseur 13.
Dans le cas particulier illustré sur la figure 2, le dispositif hybride de stockage d’énergie 1, qui est embarqué dans un dispositif mobile 2, comporte à titre de source d’énergie principale une batterie Li-ion 11 et un supercondensateur 12 à titre de source d’énergie auxiliaire et un convertisseur de puissance 13 interagissant avec un microprocesseur 3 sur lequel est embarqué un algorithme EMS à base d’optimisation, à base de MPC (« Model Predictive Control »).
Le dispositif hybride de stockage d’énergie 1 alimente un système 2 comprenant (dans le cas particulier illustré sur la figure 2) un moteur électrique 21, un propulseur 22 et un onduleur 23, ce système 2 alimenté par le dispositif hybride 1 constituant la charge auquel le dispositif hybride 1 va devoir fournir de la puissance pour fonctionner.
Les figures 3 à 5, relatives respectivement à la deuxième commande prédictive NMPC2 (figure 4) et aux modèles utilisés pour NMPC2 (figure 3) et à un schéma de principe de la commande de la source hybride 1, sont commentés en relation avec le procédé selon l’invention. Celui-ci comprend les étapes suivantes :
- A) une première étape de dimensionnement comprenant :
Al) l’acquisition des paramètres d’entrée suivants : le nombre de cellules de batterie 11 et de supercondensateur 12 nécessaires et des informations relatives au convertisseur de puissance 13, et la technologie de la batterie 11 et du supercondensateur 12 ;
A2) la mise en place d’une stratégie de gestion de l'énergie à l’aide d’une première commande prédictive MPC1 pour obtenir les données de sortie suivantes : les données de dimensionnement de la batterie 11 et du supercondensateur 12 nécessaires (nombre de cellules) et des informations relatives au convertisseur 13 ; - B) une deuxième étape de test en simulation de la cohérence des données de sorties obtenues à l’étape A) comprenant les sous-étapes suivantes :
Bl) modélisation d’une part de la batterie 11 et d’autre part du supercondensateur 12 ainsi que du convertisseur de puissance 13 servant d’interface entre la batterie 11 et le supercondensateur 12 ;
B2) pilotage dudit dispositif hybride de stockage d’énergie 1 à l’aide d’un algorithme comprenant une boucle de gestion d’énergie constituée d’un deuxième commande prédictive NMPC2 non-linéaire.
Première étape A de dimensionnement
Acquisition Al) des paramètres d’entrée
Les cycles de puissances peuvent provenir de mesures réalisées sur le système cible à dimensionner, ou bien ils peuvent provenir des cycles de vitesse mesurés ou normalisés. A partir des cycles de vitesse et du modèle du système dynamique, il est possible d’estimer les différents cycles de puissance du système. Les différentes données des dispositifs de stockage d’énergie sont récupérées à partir des datasheets des différents composants. Ils peuvent être choisis de manière arbitraire ou défini selon un cahier des charges.
Stratégie A2) de gestion de l'énergie
En ce qui concerne la mise en place d’une stratégie de gestion de l'énergie (étape A2) à l’aide d’une première commande prédictive MPC1, celle-ci se base sur un modèle simple pour résoudre le problème d’optimisation. Dans le cadre de la présente invention, on utilise un modèle décrit ci-après où l'énergie n'est rien d'autre que l'intégrale de la puissance. Un signe moins est ajouté aux équations (1) et (2) afin de simuler le comportement d'un dispositif de stockage d'énergie : l'énergie débitée réduit la capacité du dispositif de stockage d'énergie 1. Dans la commande finale de ce modèle, on agit indirectement sur la batterie 11 pour piloter le dispositif hybride de stockage d’énergie selon l’invention 1.
Par conséquent, la puissance de la batterie Pbat est la variable de commande.
On cherche ensuite à exprimer la puissance Psc dudit supercondensateur 12 (également désignés par l’acronyme SC), en fonction de la variable de commande et de Pv qui est la puissance demandée par la charge, qui est considérée ici comme une variable de perturbation.
On note tm, la durée totale de la mission.
Figure imgf000010_0003
On cherche ensuite à minimiser une fonction coût (ci-après désignée par J), afin de permettre au supercondensateur 12 (ou SC) de se recharger à une énergie de référence d’une part, et de pénaliser la commande Pbat, ce qui se traduit par l’équation coût suivantes (équation (5)) :
Figure imgf000010_0001
Les contraintes sont les suivantes :
Figure imgf000010_0002
avec :
J définissant la fonction coût,
- Np définissant l'horizon de prédiction,
- Wdi et Wd2 définissant les poids de la fonction coût J,
- Esc définissant l’énergie des SC 12,
- Escref définissant l’énergie de référence des SC 12, c’est-à-dire l'énergie à laquelle les SC doivent se recharger une fois qu'ils ont fourni ou absorbé de l'énergie ; le rôle des SC est d'agir comme des buffers et doivent toujours être en mesure de fournir et/ou absorber du courant ;
(k+i |k) correspond à la valeur prédite de la variable à l'instant k + i, basée sur l'information à l'instant k,
- Pbmin et Pbmax, les limites minimales et maximales de la puissance de la batterie 11.
Les variables wai et Wd2 sont utilisées afin de régler la fonction coût J en choisissant de mettre l’accent sur un terme plutôt qu'un autre. Etant donnés les ordres de grandeurs différents entre l'énergie des SC 12 et la puissance de la batterie 11, c'est à dire Esc et Pbat, il est nécessaire de normaliser la fonction coût J grâce aux poids wai et Wd2.
On fait le choix de normaliser la fonction coût J autour de 1, de manière que : (7)
Figure imgf000011_0001
avec :
- Pv max définissant la puissance maximale demandée par la charge correspondant au système alimenté par la source hybride (et désignée dans la suite de la description par la charge) : la charge est commandée et la source hybride va devoir fournir de la puissance pour faire fonctionner la charge
- Ev tôt définissant l'énergie totale demandée par la charge, et
- wdl et wd2 définissant les poids de la fonction coût J.
N'ayant pas de contraintes spécifiques au niveau du dimensionnement, les limites de puissance de la batterie 11 sont restées libres. Elles seront néanmoins prises en considération lors de la simulation et de l'implémentation sur le système. Enfin, la fréquence d'échantillonnage (Fe) est fixée à 0,5Hz et Np = Nc = 20 (avec Np désignant l’horizon de prédiction et Ne désignant l’horizon de contrôle). L'horizon de contrôle sera le même que l'horizon de prédiction. Le temps de prédiction sera donc de 10 secondes étant donné que les phases d'accélération sont généralement courtes (autour de la dizaine de secondes). De plus, l'acquisition de mesures sur les systèmes embarqués est généralement de l'ordre de la seconde. Il ne faut pas que la fréquence d’échantillonnage Fe soit trop faible de peur d'avoir une valeur de Np trop élevée et ainsi de rencontrer un problème d’optimisation trop complexe à résoudre. Quant à la demande de puissance de la charge, elle est considérée comme constante dans le futur lors de la résolution du problème d'optimisation (la demande de puissance n'est pas connue à l'avance). Ainsi, si à l'instant k, on mesure une puissance de 10 kW, cette dernière sera considérée constante de k à k + Np, lors de la prédiction et de la résolution de la fonction coût J.
Deuxième étape B) de simulation de la cohérence données de sorties de l’étape A)
Modélisation B 1) de la source hybride (batterie 11 et SC 12)
Dans le cadre de la modélisation la source hybride, plusieurs éléments doivent être pris en compte. Le but principal de cette étape est de confirmer le dimensionnement de la source hybride et d'attester si ce dernier est véritablement fonctionnel. On cherche à valider le fonctionnement énergétique du système sur un ou plusieurs cycles de vitesse et de puissance. Ainsi, la précision des équations mathématiques est un facteur déterminant sur le choix du modèle de chaque élément de la source hybride. Cependant, les constantes de temps sont disparates au sein même de la source hybride : pour le convertisseur : de l’ordre de la microseconde, pour le supercondensateur : de l’ordre de la seconde, pour la batterie : de l’ordre de la minute,
En outre, le temps d'observation du cycle de vitesse ou de puissance (de la vingtaine de minutes à plusieurs heures).
Un arbitrage doit donc être fait entre la précision des résultats et le temps de calcul de la simulation.
Par conséquent, la modélisation de la source hybride a été orientée vers un modèle énergétique du système, dans lequel on évalue davantage les transferts de puissance sur des échelles de temps longues (dizaine de minutes à quelques heures) plutôt que les comportements physiques à l'échelle du convertisseur (microseconde).
De plus, la modélisation de la source hybride est orientée vers de la commande pour traduire au mieux le comportement de la source hybride sans compromettre la vitesse de calcul des stratégies de gestion d'énergie (SGE), notamment celles à base d'optimisation qui sont gourmandes en calculs.
Pilotage B2) dudit dispositif hybride de stockage d’énergie 1
L’étape B2 de pilotage dudit dispositif hybride de stockage d’énergie 1 est réalisée à l’aide d’un algorithme comprenant une boucle de gestion d’énergie constituée d’un deuxième commande prédictive NMPC2 non-linéaire. En effet, en raison des différentes non-linéarités de l’ensemble du dispositif de stockage d’énergie 1 (convertisseur, batterie), une simple linéarisation autour d'un point de fonctionnement ne permettrait pas d'avoir les meilleurs résultats. De plus, l’algorithme utilisé permettra de prendre en compte la chute de tension de la batterie et des SC, liée à leur résistance interne. L’étude de Golchoubian[9] décrit une comparaison entre un MPC linéarisé et un NMPC et démontre l'intérêt de ce dernier (moins de sollicitations de la batterie). Cette étude considère la batterie comme une source de tension en série avec une résistance et les supercondensateurs sont représentés par un condensateur en série avec une résistance (Figure 3). Les états du modèle sont l'état de charge de la batterie (SOCbat) et l'état de charge des supercondensateurs (SOCsc). Le SOC des SC est défini linéairement à partir de la tension alors que celui de la batterie résulte de la méthode de comptage de Coulomb. Ils sont définis comme suit :
Figure imgf000013_0003
(10) avec
- SOC sc désignant l’état de charge du ou des SC 12
- SOCbat désignant l’état de charge de la batterie 11,
- SOCbat init désignant l’état de charge initial de la batterie 11,
- Ibat désignant le courant de la batterie 11,
- Vc désignant à la tension à vide des SC, ce qui correspond à la tension en tout temps aux bornes du condensateur Csc (cf. figure 3),
- Vsc désignant la tension aux bornes des SC 12 (cf. figure 3),
Les états de charge de la batterie 11 et des SC 12 sont définis entre 0 et 1. On veillera à exprimer Cbat en As (Ampères secondes). On en déduit alors :
Figure imgf000013_0001
En négligeant les pertes, les puissances du dispositif hybride de stockage d’énergie Isont exprimées comme suit :
Figure imgf000013_0002
avec =
- Pcharge désignant la puissance demandée par la charge
- Psc désignant la puissance du ou des SC 12, - Pbat désignant la puissance de la batterie 11,
On cherche ensuite à définir la puissance Psc du ou des SC 12 et la puissance Pbat de la batterie 11 en fonction de leurs tensions et de leurs courant respectifs :
Pour les supercondensateurs 12
Figure imgf000014_0002
Pour la batterie 11
(16)
Figure imgf000014_0001
(17) avec :
- Ibat désignant le courant de la batterie 11,
- Isc désignant le courant du ou des SC 12,
- Vbat désignant la tension de la batterie 11,
- Vsc désignant la tension du ou des SC 12,
- Rbat désignant La résistance série de la batterie 11 (cf. figure 3),
- Rsc désignant la résistance série des SC 12 (cf. figure 3),
- Vc désignant la tension aux bornes du condensateur Csc du modèle des SC(cf. figure 3),
- Vocv désignant la tension à vide de la batterie (cf. figure 3).
En utilisant les équations (9), (12), (13), (14) et (15), on obtient l’équation (18)[9] :
(18) En utilisant les équations (16), (17) et (11), on obtient l’équation (19)[9] :
Figure imgf000015_0001
La fonction cout J à minimiser est la suivante :
Figure imgf000015_0002
On cherchera donc à asservir l'état de charge des supercondensateurs en minimisant l'écart entre le SOCsc estimé (c’est-à-dire l'état de charge des SC estimé à partir de la mesure et du modèle de la source hybride) et le SOCscref de référence (c’est-à-dire l’état de charge de référence des SC 12). On cherchera également à pénaliser la puissance de la batterie. En effet, on souhaite que la batterie soit sollicitée au minimum lors du fonctionnement de la source hybride. Les poids wi et W2 sont définis de telle manière à mettre l'emphase sur un objectif plutôt qu'un autre. Etant donnés les ordres de grandeurs différents entre l'état de charge des SC 12 (ordre de grandeur de 1) et la puissance de la batterie 11 (ordre de grandeur compris entre IkW et lOkW), c'est-à-dire le SOC sc et Pbat, il est nécessaire de normaliser la fonction coût grâce aux poids wi et W2, afin que chaque terme ait une action significative. Nous ferons le choix de normaliser la fonction objectif J autour de 1 et seul le poids W2 doit être modifié, de manière que :
Figure imgf000015_0003
avec :
- P charge max désignant la puissance maximale demandée par la charge, et
- W2b désignant le poids à régler.
La valeur des poids de la fonction coût J peut ensuite être affinée. En augmentant wi, la variation de la tension des SC 12 est réduite autour de sa tension référence. Plus la valeur de W2b est grande, plus la puissance de la batterie est minimisée. Les contraintes du système sont définies de manière que :
Pb,,.. ' P...s ■ (22)
Figure imgf000016_0001
avec :
- J désignant la fonction coût (ou la fonction objectif), et
- Np désignant l’horizon de prédiction, et
- wi et W2 les poids de la fonction coût.
- SOCscref désignant l’état de charge de référence du ou des SC 12,
- (k + i|k) correspond à la valeur prédite de la variable à laquelle cet indice est accolé
- et Pbmax, les limites minimales et maximales de la puissance de la batterie 11,
- SOCsc min et SOCsc max, les limites minimales et maximales du SOC des SC 12,
- SOCsc min Ct SOCsc max, les limites minimales et maximales du SOC de la batterie 11.
Dans le cadre du pilotage B2) du dispositif hybride de stockage d’énergie 1, Pbat est la variable de contrôle et Pv peut être assimilée comme une perturbation. On définira les contraintes du SOC des SC entre 1 et 0,5, qui correspond d'après l'équation (9) à l'utilisation de 75% de l'énergie des SC. Le SOC de la batterie est quant à lui défini de telle manière à avoir une profondeur de décharge DOD de 80% (DOD étant l’acronyme en langue anglaise pour « Depth of Discharge »). La variation de SOCbat a été fixée de manière arbitraire entre 0,9 et 0,1. Le logiciel acaods a été utilisé pour la résolution du MPC. Le passage du NMPC à la boucle interne BI nécessite de diviser la puissance de la batterie par sa tension afin d'obtenir Ibat. Le schéma complet de la commande peut être retrouvé à la Figure 4.
La figure 5 montre que l’algorithme de l’étape B2 est séparé en deux parties comprenant :
- une première partie consistant en la boucle interne BI pour piloter le courant du super condensateur 12, et
- une deuxième partie consistant en la boucle externe BE constituée de ladite commande prédictive NMPC2.
Plus particulièrement, ces deux boucles (interne BI et externe BE) sont en cascade permettent de réaliser la commande du convertisseur 13 : la boucle interne (inspirée par les travaux de Nguyen[8]) consiste en un correcteur Proportionnel Intégral (ou correcteur PI) qui a pour rôle s’asservir le courant d’entrée du convertisseur 12, c’est-à-dire le courant des supercondensateurs 12 (boucle interne) ; la boucle externe (inspirée par les travaux de Golchoubian[9]) plus lente que la boucle interne, a pour rôle la gestion et le partage d’énergie entre les deux systèmes de stockage (batterie et SC) et la charge.
Une consigne de courant sera ainsi calculée par la boucle externe et envoyée en entrée de la boucle interne afin de piloter le convertisseur 13 comme illustré sur la figure 5.
Le procédé selon l’invention permet donc d’améliorer le partage de puissance entre la batterie 11 et le supercondensateur 12 par rapport aux algorithmes à base de règles. Il permet de disposer de meilleurs indicateur de vieillissement et de mieux gérer les contraintes sur la batterie ainsi que les limites critiques de la batterie et des SC (notamment en termes de surcharge et de décharges).
RÉFÉRENCES
1. R. E. Araujo, R. De Castro, C. Pinto, P. Melo, and D. Freitas, “Combined sizing and energy management in evs with batteries and supercapacitors" IEEE Transactions on Vehicular Technology, vol. 63, no. 7, pp. 3062-3076, 2014.
2. L. Zhang, X. Hu, Z. Wang, F. Sun, J. Deng and D. G. Dorrell, "Multiobjective Optimal Sizing of Hybrid Energy Storage System for Electric Vehicles" in IEEE Transactions on Vehicular Technology, vol. 67, no. 2, pp. 1027-1035, Feb. 2018,
3. J. M. Gonzalez-Gonzalez, S. Martin, P. Lopez, and J. A. Aguado, “Hybrid batteryultracapacitor storage system sizing for renewable energy network integration," IET Renewable Power Generation, vol. 14, pp. 2367{2375, oct 2020.
4. A. Ostadi and M. Kazerani, ‘M comparative analysis of optimal sizing of battery-only, ultracapacitor -only, and battery-ultracapacitor hybrid energy storage systems for a city bus" IEEE Transactions on Vehicular Technology, vol. 64, pp. 4449{4460, oct 2015.
5. V. Herrera, A. Milo, H. Gaztanaga, I. Etxeberria-otadui, and I. Villarreal, “ Adaptive energy management strategy and optimal sizing applied on a battery-supercapacitor based tramway," Applied Energy, vol. 169, pp. 831-845, 2016
6. Rui Xiong, Hongwen He, Fengchun Sun “ Methodology for Optimal Sizing of Hybrid Power System Using particle Swarm Optimization and Dynamic Programming" Energy Procedia, vol. 75, pp. 1895-1900, 2015.
7. S. Trieste, S. Hmam, J. C. Olivier, S. Bourguet, and L. Loron, “Techno-economic optimization of a supercapacitor-based energy storage unit chain'. Application on the first quick charge plug-in ferry" Applied Energy, vol. 153, pp. 3-14, sep 2015.
8. H. Nguyen, R. German, J. P. F. Trovâo and A. Bouscayrol, "Real-Time Energy Management ofBatery/Siipercapacitor Electric Vehicles Based on an Adaptation of Pontryagin’s Minimum Principle" in IEEE Transactions on Vehicular Technology, vol. 68, no. 1, pp. 203-212, Jan.
2019, doi: 10.1109/TVT.2018.2881057
9. P. Golchoubian, N. L. Azad, and K. Ponnambalam, “Stochastic Nonlinear Model Predictive Control of Battery-Supercapacitor Hybrid Energy Storage Systems in Electric Vehicles", vol. 9545, no. c, pp. 1 { 12, 2017.

Claims

REVENDICATIONS
1 . Procédé de gestion d’énergie d’un dispositif hybride de stockage d’énergie (1) dans un système stationnaire ou mobile, ledit dispositif hybride de stockage d’énergie (1) comprenant au moins une source d’énergie principale (11), au moins une source d’énergie auxiliaire (12), et au moins un convertisseur (13), ledit procédé comprenant les étapes suivantes :
- A) une première étape de dimensionnement comprenant
Al) l’acquisition des paramètres d’entrée suivants : cycles de puissance dudit système, et la technologie des sources d’énergie principale (11) et auxiliaire (12) dudit dispositif hybride de stockage d’énergie, puis
A2) la mise en place d’une stratégie de gestion de l'énergie à l’aide d’une première commande prédictive MPC1 pour obtenir les données de sortie suivantes : les données de dimensionnement de ladite au moins une source d’énergie principale (11) et de ladite au moins une source d’énergie auxiliaire (12) nécessaires et des informations relatives audit au moins un convertisseur (13) ;
- B) une deuxième étape de test en simulation de la cohérence des données de sorties obtenues à l’étape A) comprenant les sous-étapes suivantes :
Bl) modélisation d’une part de ladite au moins source d’énergie principale (11) et d’autre part de ladite au moins une source d’énergie auxiliaire (12) ainsi que dudit au moins un convertisseur de puissance (13) servant d’interface entre lesdites sources principale et auxiliaire d’énergie (H, 12) ;
B2) pilotage dudit dispositif hybride de stockage d’énergie (1) à l’aide d’un algorithme comprenant une boucle de gestion d’énergie constituée d’une deuxième commande prédictive NMPC2.
2. Procédé selon la revendication 1, dans lequel l’algorithme de l’étape B2) est séparé en deux parties comprenant :
- une première partie consistant en une boucle interne (BI) pour piloter la puissance la source auxiliaire d’énergie (12), et
- une deuxième partie consistant en une boucle externe (BE) constituée de ladite commande prédictive NMPC2.
3. Procédé selon l’une quelconque des revendications 1 et 2, comprenant en outre une troisième étape optionnelle C) de test de l’algorithme de l’étape B2 sur un système réel.
4. Procédé selon l’une quelconque des revendications 1 à 3, dans lequel chacune des sources d’énergie principale (11) et auxiliaire (12) étant choisie dans le groupe constitué des sources d’énergie suivantes : batteries, piles à combustible, supercondensateurs et volants d’inertie.
5. Procédé selon la revendication 4, dans lequel la source d’énergie principale (11) est une batterie, et de préférence une batterie choisie dans le groupe constitué des batteries Li-ion, batteries sodium, batteries Li-air et des batteries Li-solide.
6. Procédé selon la revendication 5, dans lequel la source d’énergie principale (11) est une batterie Li-ion et la source d’énergie auxiliaire (12) est un supercondensateur.
7. Procédé selon l’une quelconque des revendications 1 à 6, dans lequel des itérations successives peuvent être réalisées entre les étapes A) et B).
8. Procédé selon l’une quelconque des revendications 3 à 6, dans lequel des itérations successives peuvent être réalisées entre les étapes B) et C).
9. Utilisation du procédé telle que défini selon l’une quelconque des revendications 1 à 8 dans le domaine de la mobilité électrique.
10. Utilisation du procédé telle que défini selon l’une quelconque des revendications 1 à 8 dans le domaine des applications stationnaires, pour la gestion d’énergie d’un dispositif hybride de stockage d’énergie (1) dans un système stationnaire.
PCT/EP2024/067818 2023-07-24 2024-06-25 Procede de gestion d'energie de dispositifs hybrides de stockage d'energie WO2025021410A1 (fr)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
FRFR2307962 2023-07-24
FR2307962 2023-07-24
EP23202444.8 2023-10-09
EP23202444.8A EP4498562A1 (fr) 2023-07-24 2023-10-09 Procédé de gestion d'énergie de dispositifs hybrides de stockage d'énergie

Publications (1)

Publication Number Publication Date
WO2025021410A1 true WO2025021410A1 (fr) 2025-01-30

Family

ID=91738078

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/067818 WO2025021410A1 (fr) 2023-07-24 2024-06-25 Procede de gestion d'energie de dispositifs hybrides de stockage d'energie

Country Status (1)

Country Link
WO (1) WO2025021410A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180154779A1 (en) * 2015-05-06 2018-06-07 The Regents Of The University Of Michigan Hybrid energy storage
CN115133636A (zh) * 2022-08-30 2022-09-30 长沙天仪空间科技研究院有限公司 一种混合电源系统及其配置方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180154779A1 (en) * 2015-05-06 2018-06-07 The Regents Of The University Of Michigan Hybrid energy storage
CN115133636A (zh) * 2022-08-30 2022-09-30 长沙天仪空间科技研究院有限公司 一种混合电源系统及其配置方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
A. OSTADIM. KAZERANI: "A comparative analysis of optimal sizing of battery-only, ultracapacitor-only, and battery-ultracapacitor hybrid energy storage systemsfor a city bus", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, vol. 64, October 2015 (2015-10-01), pages 4449 - 4460, XP011586718, DOI: 10.1109/TVT.2014.2371912
H. NGUYENR. GERMANJ. P. F. TROVÂOA. BOUSCAYROL: "Real-Time Energy Management of Battery/Supercapacitor Electric Vehicles Based on an Adaptation of Pontryagin's Minimum Principle", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, vol. 68, no. 1, January 2019 (2019-01-01), pages 203 - 212, XP011705149, DOI: 10.1109/TVT.2018.2881057
J. M. GONZALEZ-GONZALEZS. MARTINP. LOPEZJ. A. AGUADO: "Hybrid battery-ultracapacitor storage system sizing for renewable energy network integration", IET RENEWABLE POWER GENERATION, vol. 14, October 2020 (2020-10-01), pages 2367 - 2375, XP006093072, DOI: 10.1049/iet-rpg.2019.1310
L. ZHANGX. HUZ. WANGF. SUNJ. DENGD. G. DORRELL: "Multiobjective Optimal Sizing of Hybrid Energy Storage System for Electric Vehicles", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, vol. 67, no. 2, February 2018 (2018-02-01), pages 1027 - 1035, XP011677714, DOI: 10.1109/TVT.2017.2762368
LU XIAOYING ET AL: "Optimal Sizing and Energy Management for Cost-Effective PEV Hybrid Energy Storage Systems", IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, IEEE SERVICE CENTER, NEW YORK, NY, US, vol. 16, no. 5, 3 December 2019 (2019-12-03), pages 3407 - 3416, XP011773622, ISSN: 1551-3203, [retrieved on 20200213], DOI: 10.1109/TII.2019.2957297 *
P. GOLCHOUBIANN. L. AZADK. PONNAMBALAM, STOCHASTIC NONLINEAR MODELPREDICTIVE CONTROL OF BATTERY-SUPERCAPACITOR HYBRID ENERGY STORAGE SYSTEMS IN ELECTRIC VEHICLES, vol. 9545, 2017, pages 1 - 12
R. E. ARAUJOR. DE CASTROC. PINTOP. MELOD. FREITAS: "Combined sizing and energy management in evs with batteries and supercapacitors", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, vol. 63, no. 7, 2014, pages 3062 - 3076, XP011558746, DOI: 10.1109/TVT.2014.2318275
RUI XIONGHONGWEN HEFENGCHUN SUN: "Methodologyfor Optimal Sizing ofHybrid Power System Usingparticle Swarm Optimization and Dynamic Programming", ENERGY PROCEDIA, vol. 75, 2015, pages 1895 - 1900
S. TRIESTES. HMAMJ. C. OLIVIERS. BOURGUETL. LORON: "Techno-economic optimization of a supercapacitor-based energy storage unit chain: Application on the first quick charge plug-inferry", APPLIED ENERGY, vol. 153, September 2015 (2015-09-01), pages 3 - 14, XP029176379, DOI: 10.1016/j.apenergy.2015.04.054
V. HERRERAA. MILOH. GAZTANAGA1. ETXEBERRIA-OTADUI1. VILLARREAL: "Adaptive energy management strategy and optimal sizing applied on a battery-supercapacitor based tramway", APPLIED ENERGY, vol. 169, 2016, pages 831 - 845, XP029471860, DOI: 10.1016/j.apenergy.2016.02.079

Similar Documents

Publication Publication Date Title
FR2993213A1 (fr) Procede de gestion de l'energie consommee par un vehicule automobile et systeme mettant en oeuvre un tel procede
Johannesson et al. Predictive energy management of a 4QT series-parallel hybrid electric bus
FR3085667A1 (fr) Ensemble propulsif hybride serie pour aeronef
FR2953077A1 (fr) Onduleur de pilotage d'un moteur electrique synchrone comportant un regulateur integre.
EP2774246A2 (fr) Procede et systeme de gestion de charges electriques de cellules de batterie
FR2975543A1 (fr) Systeme et procede d'estimation de l'instant de fin de charge d'une batterie
WO2011051144A2 (fr) Gestion de la recharge d'un parc de batteries
EP2715910B1 (fr) Système de stockage d'énergie capacitif
FR2975795A1 (fr) Procede de gestion de l'energie consommee par un systeme mobile, notamment un vehicule automobile, dispositif embarque mettant en œuvre un tel procede
WO2025021410A1 (fr) Procede de gestion d'energie de dispositifs hybrides de stockage d'energie
WO2012095595A2 (fr) Régulation de tension dans un véhicule hybride
EP4498562A1 (fr) Procédé de gestion d'énergie de dispositifs hybrides de stockage d'énergie
EP3562704A1 (fr) Procédé et système de gestion de la charge de modules de stockage d'énergie électrique employés dans un système de transport à énergie électrique
EP3698261A1 (fr) Procede de determination des parametres d'un modele simplifie d'un systeme de stockage de l'energie, procede de pilotage utilisant un tel modele et dispositif associe
WO2012159884A2 (fr) Installation comprenant une source d'energie electrique comportant au moins deux elements de technologies differentes et un onduleur de pilotage d'un moteur electrique a courant alternatif
FR3010250A1 (fr) Systeme de gestion electrique des blocs d'une batterie en fonction de la puissance requise de la batterie et de la charge des blocs
EP3162612B1 (fr) Procédé de pilotage de l'alimentation d'un moteur de véhicule de transport et dispositif associé
FR2941054A1 (fr) Dispositif et procede de controle statistique de l'utilisation d'une batterie d'un engin pourvu d'un alternateur , par action sur la tension de consigne de l'alternateur
EP3254885A1 (fr) Procédé de détermination de caractéristiques physiques de batteries embarquées dans un véhicule électrique en fonction des missions à effectuer
Luo et al. Large-scale electric vehicle energy demand considering weather conditions and onboard technology
Taha et al. Digital Twin Framework for Powertrain Energy Consumption of Fuel Cell Electric Bus
WO2016071237A1 (fr) Gestion energetique d'une flotte de vehicules electriques
EP2890587B1 (fr) Procédé de pilotage d'une machine électrique limitant les pertes énergétiques
FR2977325A1 (fr) Procede et dispositif de controle du rechargement d'une batterie de vehicule, pour optimiser la recuperation d'energie cinetique
Venkat et al. A Prognostic Approach to Alleviate Range Anxiety for E-Vehicles using Artificial Intelligence

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: 24737072

Country of ref document: EP

Kind code of ref document: A1