Optimal design of an electric powertrain with its control through multi-physics modeling

Les travaux de cette thèse portent sur la méthodologie de conception par optimisation d’une chaine de traction de véhicule électrique en phase amont du développement. Dan une première partie, nous avons abordé le contexte environnemental du transport afin d poser la problématique de la conception systémique d’une chaine de traction électrique composée d’une transmission, une machine électrique asynchrone, un onduleur et un batterie. Le cas test est celui du Renault Twizy. La seconde partie explore les possibilité de modélisation puis détaille les modèles analytiques qui ont été choisis pour chaque composant. L’assemblage de ces modèles permet une estimation de l’autonomie d véhicule, au travers du calcul des pertes des composants, et du cout de la chaine d traction. La troisième partie est consacrée aux méthodes et stratégies d’optimisation afin d pouvoir exploiter le modèle système en incluant le cycle de roulage, le contrôle de l machine électrique et les différentes physiques des composants, tout en conservant de temps de calcul raisonnable. Enfin, la dernière partie présente des résultats d’optimisation en comparant différents jeux de variables et objectifs, soulignant l’importance d’un conception systémique. Des essais sur banc permettent de valider les hypothèses qui on été poséesThe works of this thesis concern the optimal design methodology of an electric vehicl powertrain, in early development phase. The first part of this report introduces th environmental context of transportation in order to assess the problem of system design o an electric powertrain which includes a transmission, an induction machine, an inverter an a battery. The selected study case is a Renault Twizy. The second part deals with modelin choices and details the analytic models of the components. Then these models are pu together to get an estimate of the vehicle range, by calculating the components’ losses an the powertrain cost. The third part is devoted to methods and optimization strategies wit the objective to use the systemic model with driving cycles, electric machine control and th physics of each component, without increasing too much computing times. The final par presents results from optimal designs, by comparing several variables or objectives sets Results show how significant the systemic design is. Experiments on a test bench allow validating the hypothesis that have been mad