Stratégies temps-réel pour véhicules hybrides

Stratégies temps-réel pour véhicules hybrides

On trouve dans la littérature beaucoup de lois de gestion dénergie en ligne, certaines à base de règles, dutres basées sur la théorie de la commande optimale. Les sous-sections suivantes présentent létat de l art des lois de commandes temps-réel pour véhicule hybride. Les lois empiriques sont souvent utilisées, car elles ont lavantage dêtre en générale assez simples, et facilement implémentables. On pourra par exemple se référer à [Lin et al., 2003], dont létude des résul- tats d optimisation permettent élaborer facilement une loi à base de règles, ou encore à [Wu et al., 2002], qui utilisent les mêmes techniques. Ces lois de gestion dnergie se basent en général sur un découpage du plan (régime / couple) pour le fonctionnement du moteur thermique, a n de déterminer des zones de fonctionnement de chaque source dénergie. Néanmoins, ces stratégies doivent ensuite être complétées par une pénalisation tenant compte de la mesure de létat de charge de la batterie, celui-ci devant rester dans la zone ddmissibilité de la batterie.Une architecture hybride peut être commandée à l’aide d’un réseau de neurones. Celui-ci reçoit en entrée certaines informations : état de charge de la batterie, régime du moteur thermique, couple de consigne, etc., ses sorties étant les couples des moteurs électrique et thermique.

Réseaux de neurones

Le contrôle dune architecture hybride par réseaux de neurones peut donc être une solution attrayante. Elle permet en effet dobtenir un contrôle embarqué dune structure assez légère, puisque le réseau de neurones dditions et de multiplications. Cela étant, ltilisation dun réseau de neurones nécessite que celui-ci ai été entraîné préalablement. Cette étape peut savérer assez coûteuse en temps de calcul, puisquil devra être entraîné sur un large panel de cycles différents. inconvénient du réseau de neurone est quil ne pourra jamais être entraîné sur en- semble des conditions de fonctionnement possibles. Ainsi, si des conditions de fonctionnement particu- lières surviennent, la réponse du réseau de neurones peut ne pas être optimale. [Scordia, 2004] a développé un contrôleur à base de réseaux de neurones. Si les résultats paraissent relativement bons, luteur se place à chaque fois dans des conditions (notamment sur la valeur de létat de charge au début du cycle) telles que létat de charge nal égale létat de charge initial. Dans ces conditions, il nest pas possible de savoir si ce contrôleur parvient à avoir un bilan batterie proche de zéro à la n du cycle, ni de savoir de combien létat de charge naltat de charge initial.

L’ECMS (Equivalent Consumption Minimization Strategy) est une stratégie de commande temps- réel basée sur la théorie de la commande optimale. Présentée dans [Paganelli et al., 2002a], cette stratégie a ensuite été utilisée par de nombreux auteurs sur diverses applications ([Paganelli et al., 2002b]). Elle consiste à considérer la batterie comme un réservoir de carburant auxiliaire, et à choisir la com- mande qui minimise lénergie totale prélevée aux deux réservoirs. Cest donc la variation dénergie globale qui est comparée pour différentes commandes, à chaque instant. mique, ce qui explique que cette méthode est une optimisation locale car instantanée.Le coef cient p agit en fait comme un variateur du « prix » de lénergie électrique. Plus p est grand, plus lénergie électrique coûte cher à utiliser, et plus il sera intéressant den récupérer (en faisant de la régénération). Plus p est faible, et plus lénergie électrique est peu chère, donc intéressante à utiliser conjointement avec le moteur thermique, ou bien seule.