
Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/16929| Titre: | Contribution au développement d’un système de contrôle et de gestion d’énergie destiné aux véhicules électriques |
| Auteur(s): | BOURENANE, Haiat |
| Mots-clés: | Ve hicules e lectriques, gestion d’e nergie, e tat de charge (SOC), batteries lithium-ion, intellige. |
| Date de publication: | 27-nov-2025 |
| Editeur: | Université IBN-KHALDOUN |
| Résumé: | Les ve hicules e lectriques repre sentent une solution prometteuse pour re duire la de pendance aux e nergies fossiles et limiter les e missions de gaz a effet de serre. Toutefois, l’optimisation de la gestion de l’e nergie et l’estimation pre cise de l’e tat de charge (State of Charge - SOC) des batteries restent des de fis majeurs. Cette the se propose une approche innovante combinant des techniques de mode lisation mathe matique et d’intelligence artificielle pour ame liorer la pre cision de l’estimation du SOC et optimiser la gestion de l’e nergie des ve hicules e lectriques. Apre s une e tude approfondie des technologies de stockage et des me thodes de gestion d’e nergie existantes, nous avons de veloppe des mode les avance s permettant une meilleure estimation du SOC, notamment a l’aide de re seaux de neurones. Nos travaux ont e galement conduit a la conception d’un syste me de gestion d’e nergie intelligent capable d’adapter dynamiquement les strate gies d’utilisation des batteries afin de maximiser leur dure e de vie et d’ame liorer l’efficacite e nerge tique globale des ve hicules e lectriques. Ces avance es ouvrent des perspectives prometteuses pour le de veloppement de solutions de gestion d’e nergie plus performantes et adapte es aux exigences du transport e lectrique |
| Description: | Electric vehicles offer a promising solution to reduce fossil fuel dependence and minimize global warning gas emissions. However, optimizing energy management and accurately estimating the State of Charge (SOC) of batteries remain major challenges. This thesis presents an innovative approach that combines mathematical modeling techniques and artificial intelligence to improve SOC estimation accuracy and optimize EV energy management. After an in-depth study of storage technologies and existing energy management methods, we developed advanced models to enhance SOC estimation, particularly using neural networks. Furthermore, our research led to the design of an intelligent energy management system capable of dynamically adjusting battery utilization strategies to maximize lifespan and improve overall energy efficiency. These advancements open promising perspectives for the development of more efficient and adaptive energy management solutions tailored to the demands of electric transportation. |
| URI/URL: | http://dspace.univ-tiaret.dz:80/handle/123456789/16929 |
| Collection(s) : | Doctorat |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| TH.D.GE.2025.07.pdf | 7,52 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.