Thèse: S. Sarabi
Titre : Contribution du Vehicle-to-Grid (V2G) à la gestion énergétique d’un parc de Véhicules Electriques sur le réseau de distribution
Date : mardi 29 novembre 2016
Heure : 11h00
Lieu : amphi T217, Ecole des Hautes Etudes d’Ingénieur (HEI), 13 Rue de Toul, Lille
Résumé :
L’augmentation des densités de puissance et d’énergie des SSE (système de stockage électrique) des véhicules électriques/véhicules hybrides rechargeable (VEs/VHRs), tout en conservant des coûts raisonnables pour l’utilisateur, le développement de convertisseurs d’énergie électrique à haute densité de puissance volumique de plus en plus performants vont favoriser la production en masse de véhicules électrifiés. Une partie de ces véhicules électriques (VEs/VHRs) nécessitent une connexion au réseau pour la recharge des batteries. L’insertion de ces nouvelles charges dans le réseau présentera alors plusieurs enjeux et impacts significatifs pour les réseaux électriques puisqu’ils doivent répondre localement à des demandes de puissance non négligeables. Ce projet de thèse vise à étudier et réduire les impacts des VEs/VHRs sur les réseaux de distribution grâce à la technologie Vehicle-to-Grid (V2G). Le véhicule électrique alimente le réseau en fonction des besoins du système électrique (modèle bidirectionnel) et lui offre un service de flexibilité. Ces travaux de recherche ont pour but d’approfondir les concepts dans lequel l’alimentation des véhicules électriques (VE) et/ou hybrides de type P-VEH est intégrée à la gestion du réseau de distribution et des « hubs énergétiques » du futur. L’objectif de la thèse est d’abord étudier les service système possibles à offrir grâce au V2G et de concevoir un système de supervision qui assurera une gestion énergétique de ces nouvelles charges en choisissant le mode de recharge et/ou décharge adéquat et en prenant également en considération la demande de consommation locale et la présence de production de type renouvelable (photovoltaïque, éolien) dans le réseau de distribution. Cette supervision se fera dans un premier temps « en hors ligne » et par la suite « en ligne ». On aura recours à l’utilisation de méthodes d’intelligence artificielle comme l’apprentissage automatique (Machine Learning) et la logique floue, la commande prédictive ainsi que des méthodes d’optimisation hybrides (stochastiques et déterministes).
