Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/16099| Titre: | The Impact of Hybrid Storage on Enhancing the Autonomy of Electric Vehicles and on Their Energy Management |
| Auteur(s): | HEROUAL, Samira |
| Mots-clés: | Hybrid Storage System, Electric Vehicle, Energy Management System, Metaheuristic Optimization, Lithium-ion Batteries, Supercapacitors. |
| Date de publication: | 4-jui-2025 |
| Editeur: | Université IBN KHALDOUN |
| Résumé: | The seamless integration of energy storage systems into electrical grids necessitates the deployment of a highly efficient energy management system (EMS) to enhance the stability, reliability, and resilience of interconnected electric vehicle networks. This research investigates the optimization of a photovoltaic (PV) system interfaced with a hybrid energy storage system (HESS) combining lithium-ion batteries and supercapacitors. The development of an effective EMS must overcome several challenges, including peak current limitations in supercapacitors, the inherently slow dynamic response of batteries, and their vulnerability to environmental stressors such as solar irradiation fluctuations and load variations. Metaheuristic optimization techniques have demonstrated significant potential in addressing complex multi-objective optimization problems. In this context, this thesis proposes the modeling and optimization of an EMS for HESS using three advanced metaheuristic algorithms: Genetic Algorithm (GA), Ant Colony Optimization (ACO), and Grey Wolf Optimization (GWO). Furthermore, the study presents the design, modeling, and simulation-based validation of a battery electric vehicle (BEV), wherein speed variation is utilized as the reference input to achieve optimal acceleration and deceleration performance. Control is achieved through both conventional PI regulation and PI tuning via the ACO algorithm to enhance dynamic behavior. Finally, a comprehensive comparative analysis is performed to assess the strengths and limitations of each proposed strategy, substantiating the superior performance and robustness of the ACO-based approach, particularly under varying road gradient conditions. |
| Description: | L’intégration harmonieuse des systèmes de stockage d’énergie dans les réseaux électriques requiert la mise en oeuvre d’un système de gestion de l’énergie (EMS) hautement performant, afin d’améliorer la stabilité, la fiabilité et la résilience des réseaux de véhicules électriques interconnectés. Ce travail de recherche porte sur l’optimisation d’un système photovoltaïque (PV) couplé à un système de stockage hybride (HESS) combinant des batteries lithium-ion et des supercondensateurs. Le développement d’un EMS efficace doit relever plusieurs défis, notamment les limitations du courant de crête au niveau des supercondensateurs, la réponse dynamique intrinsèquement lente des batteries, ainsi que leur sensibilité aux contraintes environnementales telles que les fluctuations de l’irradiation solaire et les variations de charge. Les techniques d’optimisation métaheuristiques se sont révélées particulièrement efficaces pour résoudre des problèmes complexes d’optimisation multicritères. Dans ce contexte, cette thèse propose la modélisation et l’optimisation d’un EMS destiné à un HESS, en s’appuyant sur trois algorithmes métaheuristiques avancés : l’Algorithme Génétique (GA), l’Optimisation par Colonies de Fourmis (ACO) et l’Optimisation par Loups Gris (GWO). Par ailleurs, ce travail présente la conception, la modélisation et la validation par simulation d’un véhicule électrique à batterie (BEV), où la variation de vitesse est utilisée comme signal de référence afin d'assurer des performances optimales en matière d'accélération et de décélération. La régulation est assurée à l’aide d’une commande proportionnelle-intégrale (PI) classique ainsi qu’à travers l’ajustement optimisé des paramètres du régulateur via l’algorithme ACO pour améliorer le comportement dynamique. Enfin, une analyse comparative approfondie est menée pour évaluer les avantages et les limites de chaque stratégie proposée, démontrant la supériorité en termes de performance et de robustesse de l’approche basée sur l’ACO, notamment sous des conditions de routes à pentes variables. |
| URI/URL: | http://dspace.univ-tiaret.dz:80/handle/123456789/16099 |
| Collection(s) : | Doctorat |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| TH.D.GE.2025.03.pdf | 7,97 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.