FR3130040A1 - Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule - Google Patents
Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule Download PDFInfo
- Publication number
- FR3130040A1 FR3130040A1 FR2112889A FR2112889A FR3130040A1 FR 3130040 A1 FR3130040 A1 FR 3130040A1 FR 2112889 A FR2112889 A FR 2112889A FR 2112889 A FR2112889 A FR 2112889A FR 3130040 A1 FR3130040 A1 FR 3130040A1
- Authority
- FR
- France
- Prior art keywords
- electric
- electric battery
- vehicle
- battery
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L50/00—Electric propulsion with power supplied within the vehicle
- B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
- B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/40—The network being an on-board power network, i.e. within a vehicle
- H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
L’invention concerne un procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique, ledit système de gestion ou ladite unité de commande électronique stockant un réseau de neurones à apprentissage supervisé avec propagation avant, le procédé comportant les étapes suivantes : une mesure (2) de la température ambiante, ladite température ambiante mesurée étant fournie en entrée du réseau de neurones ;une mesure (4) de la température courante de la batterie électrique, ladite température courante mesurée étant fournie en entrée du réseau de neurones ; etune détermination (6), par le réseau de neurones, à partir de ladite température ambiante mesurée et de ladite température courante mesurée de la batterie électrique, d’une valeur estimée du temps de charge de la batterie électrique. Figure 1
Description
L’invention se rapporte à un procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique. La batterie électrique est typiquement mais non limitativement une batterie de traction du véhicule, notamment une batterie lithium-ion.
Une batterie de stockage électrique (aussi appelée bloc batterie ou « battery pack » en anglais), implantée dans un véhicule électrique ou hybride, peut être chargée en étant connectée à une borne de charge ou à un chargeur externe au véhicule. Ceci permet d’augmenter le niveau de charge de la batterie. Le niveau de charge ou état de charge (aussi appelé SOC en anglais pour « State Of Charge ») représente ainsi, sous forme d’un pourcentage, la charge électrique accumulée dans la batterie. Il est donc compris entre 0 % lorsque la batterie est complètement déchargée, et 100 % lorsque la batterie est complètement chargée. Différents modes de charge électrique existent : dans un premier mode de charge, aussi appelé mode de charge « super rapide », l’état de charge de la batterie passe de 20 % à 80 % en un temps de charge sensiblement égale à 30 minutes (dans des conditions de température ambiante extérieure environ égale à 20°C). Un tel mode de charge « super rapide » est possible via l’utilisation de bornes de charges spécialisées susceptibles de délivrer un courant électrique de forte intensité. Dans un deuxième mode de charge, aussi appelé mode de charge « rapide », la batterie électrique est typiquement connectée à un chargeur externe, installé par exemple au domicile du client, et susceptible de délivrer un courant électrique d’intensité moyenne (le chargeur externe fournissant par exemple en sortie une puissance électrique nominale de l’ordre de 22 kW). Dans un troisième mode de charge, aussi appelé mode de charge « lent », la batterie électrique est connectée à un chargeur externe, installé par exemple au domicile du client, et susceptible de délivrer un courant électrique de relativement faible intensité (le chargeur externe fournissant par exemple en sortie une puissance électrique nominale de l’ordre de 3,2 kW).Dans ces deuxième et troisième modes de charge, le temps de charge de la batterie électrique par le chargeur externe est alors fonction de la capacité électrique de la batterie et de la puissance électrique disponible en sortie du chargeur.
Or, lorsque la température ambiante extérieure est très froide ou très chaude, le système de gestion de la batterie électrique du véhicule limite la puissance électrique de charge disponible en sortie de la borne de charge ou du chargeur, afin de protéger la durée de vie et l’intégrité (limitation chimique) de la batterie. Ce processus, mis en œuvre par le système de gestion de la batterie électrique du véhicule notamment lors du mode de charge « super rapide de cette dernière, est appelé « derating » en anglais, et entraîne une durée de charge plus longue pour la batterie électrique. Cette contrainte est moins forte pour les modes de charge « rapide » et « lent » de la batterie électrique. Toutefois, la consommation du système thermique de chauffage ou de refroidissement du véhicule (qui est relié à la batterie électrique), lorsqu’il est utilisé pendant la charge de la batterie, fait baisser la puissance électrique de charge disponible en sortie de la borne ou du chargeur, ce qui prolonge là encore la durée de charge de la batterie.
Typiquement, pour une température ambiante extérieure élevée, le temps de charge de la batterie électrique dépend du fonctionnement du climatiseur installé dans le véhicule et de la stratégie de « derating » de la batterie mise en œuvre par le système de gestion de cette dernière. Notamment, pendant le stationnement du véhicule, l’efficacité du climatiseur (nommée « COP » pour « Coefficient de Performance ») est très limitée à cause du flux d’air faible qui traverse le condenseur. Pour une température ambiante extérieure extrêmement élevée, il peut même arriver que la pression dans le condenseur soit si haute que le compresseur fasse également l’objet d’une mesure de « derating », c’est-à-dire que la vitesse du compresseur est diminuée afin d’éviter la défaillance du climatiseur.
Pour une température ambiante extérieure faible, le temps de charge de la batterie électrique dépend de la puissance du chauffage électrique, des caractéristiques thermiques du fluide calorifique utilisé ainsi que de celles de la batterie (qui permettent de connaitre la durée nécessaire pour rehausser la température de la batterie à la plage optimale), et de la stratégie de « derating » de la batterie mise en œuvre par le système de gestion de cette dernière.
Dans ce contexte, il existe un besoin de pouvoir fournir à l’utilisateur du véhicule une estimation du temps de charge de la batterie électrique de son véhicule. En effet, De façon générale, il est important que les paramètres caractérisant un véhicule à un instant donné, et qui sont affichés sur un écran d'un tableau de bord dudit véhicule, soient précis et fiables, surtout lorsqu'il s'agit de paramètres caractérisant un véhicule électrique ou hybride. L’estimation du temps de charge de la batterie électrique est ainsi fondamentale aux yeux d'un utilisateur, et la fiabilité de cette estimation peut motiver l’utilisateur à acquérir un tel véhicule et/ou à lui permettre de mieux s’organiser pendant la durée de charge totale du véhicule.
Afin de répondre à cette problématique, il est connu des procédés d’estimation du temps de charge d’une batterie électrique de véhicule. Le document brevet FR 3 105 595 A1 décrit par exemple un tel procédé. Le procédé est un procédé d’estimation et d’affichage du temps de charge d’une batterie électrique pour passer d’un niveau initial d’énergie à un niveau cible d’énergie. La capacité réelle de la batterie se décompose en une capacité utile (ou capacité réellement utilisable) et une capacité de réserve, la plage de charge utile étant incluse dans la plage de charge réelle entre un niveau minimum et un niveau maximum d’énergie. Le procédé décrit dans ce document brevet comprend les étapes suivantes :
- au début d’une phase de charge de la batterie, une étape d’estimation et d’affichage d’un temps total de charge de la batterie,
- une étape d’estimation et d’affichage d’un temps intuitif de charge restant pour atteindre le niveau cible d’énergie,
- une étape d’estimation d’un état de charge intuitif et d’un niveau d’énergie intuitif, et
- à la fin de la phase de charge de la batterie, une étape de réajustement de la plage de charge utile dans la plage de charge réelle.
Toutefois, un inconvénient d’un tel procédé est qu’il ne prend pas en compte la dépendance du temps de charge de la batterie électrique à la contrainte thermique, et notamment à la température ambiante extérieure. Ceci nuit à la précision de l’estimation réalisée.
Le but de l’invention est de pallier les inconvénients de l’art antérieur en proposant un procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique, qui soit simple, précis et fiable, et qui fournisse une estimation du temps de charge de la batterie électrique pour toute situation thermique correspondant à une température ambiante extérieure donnée.
Pour ce faire, l’invention se rapporte ainsi, dans son acceptation la plus large, à un procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique, ledit système de gestion ou ladite unité de commande électronique stockant un réseau de neurones à apprentissage supervisé avec propagation avant et étant relié(e) à la batterie électrique, le réseau de neurones ayant au préalable été entraîné pour son apprentissage à l’aide de données d’entraînement comportant des données de mesure d’une température initiale de la batterie électrique, des données de mesure de la température ambiante et des données de mesure du temps de charge de la batterie électrique pour passer d’un premier niveau de charge électrique prédéfini à un second niveau de charge électrique prédéfini, la batterie électrique étant alors connectée à une borne de charge externe au véhicule, le procédé comportant les étapes suivantes :
- une mesure de la température ambiante, ladite température ambiante mesurée étant fournie en entrée du réseau de neurones ;
- une mesure de la température courante de la batterie électrique, ladite température courante mesurée de la batterie électrique étant fournie en entrée du réseau de neurones ; et
- une détermination, par le réseau de neurones, à partir de ladite température ambiante mesurée et de ladite température courante mesurée de la batterie électrique, d’une valeur estimée du temps de charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique.
Grâce à l’utilisation d’un réseau de neurones à apprentissage supervisé avec propagation avant, qui reçoit en entrée une température courante mesurée de la batterie électrique et une température ambiante mesurée, le procédé selon l’invention permet de fournir une estimation précise et fiable du temps de charge de la batterie électrique pour passer du niveau initial de charge électrique au niveau cible de charge électrique. En outre, l’utilisation d’un tel réseau de neurones permet de fournir une estimation du temps de charge de la batterie électrique pour toute situation thermique correspondant à une température ambiante extérieure donnée.
Avantageusement, le véhicule comporte en outre un système thermique de chauffage ou de refroidissement relié à la batterie électrique, les données d’entraînement comportent en outre des données de mesure de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer dudit premier niveau de charge électrique prédéfini audit second niveau de charge électrique prédéfini, et le procédé comporte en outre une étape de détermination, par le réseau de neurones, à partir de ladite température ambiante mesurée et de ladite température courante mesurée de la batterie électrique, d’une valeur estimée de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique. Ceci permet de fournir en outre une estimation précise et fiable de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique, pour toute situation thermique correspondant à une température ambiante extérieure donnée. Une telle consommation électrique du système thermique pour réchauffer ou refroidir la batterie pendant son rechargement représente en effet une part considérable dans la facture électrique de l’utilisateur du véhicule, et il est donc avantageux pour ce dernier de pouvoir connaitre précisément la valeur de cette consommation électrique supplémentaire.
Avantageusement, la batterie électrique est apte à être connectée à une borne de charge ou à un chargeur externe au véhicule, ladite borne de charge ou ledit chargeur externe fournissant en sortie une puissance électrique nominale et étant relié(e) au système de gestion de la batterie électrique ou à l’unité de commande électronique du véhicule, la valeur de ladite puissance électrique nominale étant fournie en entrée du système de gestion de la batterie ou de l’unité de commande électronique, le système de gestion ou l’unité de commande électronique déterminant, en fonction de ladite valeur de puissance électrique nominale, un mode de charge particulier pour la batterie électrique, et fournissant cette information en entrée du réseau de neurones, et, lors de l’étape de détermination par le réseau de neurones d’une valeur estimée du temps de charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique, ladite valeur estimée est fonction dudit mode de charge particulier déterminé. Ceci permet de fournir une estimation du temps de charge de la batterie électrique pour tous les modes de charge possibles de la batterie électrique.
Avantageusement, la borne de charge externe appartient à une station de rechargement munie de plusieurs bornes de charge externe, ladite station de rechargement étant reliée au système de gestion de la batterie électrique ou à l’unité de commande électronique du véhicule et disposant d’une ou plusieurs donnée(s) de mesure de paramètres qui appartiennent au groupe consistant en : la vitesse du vent, le rayonnement solaire, l’humidité, la couverture nuageuse, l’environnement intérieur ou extérieur du lieu de rechargement et le nombre de véhicules en cours de rechargement à la station de rechargement, ladite ou lesdites donnée(s) de mesure de paramètres étant fournie(s) en entrée du réseau de neurones. Ceci permet d’améliorer encore la précision de l’estimation du temps de charge de la batterie électrique. La station de rechargement est par exemple reliée au système de gestion de la batterie électrique ou à l’unité de commande électronique du véhicule via un système de communication embarqué au sein du véhicule ou via un dispositif mobile type smartphone muni d’une application mobile dédiée.
Selon une caractéristique technique particulière de l’invention, les données d’entraînement sont obtenues via un processus préalable comprenant les étapes suivantes : une attente, pendant une durée prédéterminée, que le véhicule soit à l’équilibre thermique avec son environnement afin que le véhicule atteigne une température homogène ; et une mesure, pour une première température ambiante prédéfinie, de données de mesure d’une température initiale de la batterie électrique et de données de mesure du temps de charge de la batterie électrique pour passer d’un premier niveau de charge électrique prédéfini à un second niveau de charge électrique prédéfini, l’étape de mesure étant rebouclée pour plusieurs autres températures ambiantes prédéfinies.
De préférence, le réseau de neurones à apprentissage supervisé avec propagation avant est un perceptron multicouche.
Selon une caractéristique technique particulière de l’invention, le réseau de neurones à apprentissage supervisé avec propagation avant est composé d’une succession de plusieurs couches, le nombre de couches du réseau de neurones étant compris entre trois et cinq couches.
Selon une autre caractéristique technique particulière de l’invention, chaque couche du réseau de neurones comporte entre huit et douze neurones.
On décrira ci-après, à titre d’exemples non limitatifs, des formes d’exécution de la présente invention, en référence à la figure annexée unique sur laquelle :
En se référant à la la présente invention concerne un procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique. Le véhicule est typiquement un véhicule automobile électrique ou hybride. La batterie électrique est apte à être connectée à une borne de charge ou à un chargeur externe au véhicule et est typiquement une batterie de traction du véhicule, notamment une batterie lithium-ion.
La borne de charge, qui peut être une borne de charge dite « rapide » ou « super rapide », est adaptée à délivrer au véhicule une puissance électrique nominale permettant de charger (ou recharger) sa batterie électrique. De même, le chargeur externe, qui peut être un chargeur externe « lent » ou « rapide », est généralement installé au domicile de l’utilisateur du véhicule et est apte à délivrer au véhicule une puissance électrique nominale permettant une recharge de la batterie électrique. La borne de charge externe appartient par exemple à une station de rechargement munie de plusieurs bornes de charge externe. Une telle station de rechargement dispose typiquement d’une ou plusieurs donnée(s) de mesure de paramètres qui appartiennent au groupe consistant en : la vitesse du vent, le rayonnement solaire, l’humidité, la couverture nuageuse, l’environnement intérieur ou extérieur du lieu de rechargement et le nombre de véhicules en cours de rechargement à la station de rechargement. Le vent peut aider au rechargement de la batterie du véhicule en rafraîchissant l’air réchauffé à proximité de ce dernier, mais il peut aussi être nuisible pour le rechargement en renforçant le refroidissement du véhicule pendant l’hiver. Le rayonnement du soleil est avantageux pour la recharge électrique de la batterie pendant l’hiver et désavantageux pendant l’été. Dans un environnement intérieur, le véhicule se réchauffe plus rapidement que dans un environnement extérieur, mais il est préféré en hiver pour conserver l’énergie thermique afin de maintenir la température du véhicule. La proximité d’autres véhicules influence de manière similaire la température de l’environnement du véhicule dont la recharge électrique est effectuée.
La borne de charge ou le chargeur externe comporte des moyens de connexion au véhicule (par exemple via un système de fiche/prise électrique).
Le véhicule comporte également un système thermique de chauffage ou de refroidissement relié à un système d’alimentation électrique du véhicule qui comporte la batterie électrique. Ce système thermique assure par exemple une fonction de climatisation et/ou de chauffage électrique du véhicule.
La batterie électrique comporte par exemple un boîtier renfermant plusieurs modules de stockage d’énergie électrique reliés en série. Chaque module est muni d’un capteur de température et d’un organe de mesure de l’intensité du courant électrique fourni par le module. Le véhicule comporte également un capteur de température ambiante.
Le système de gestion de la batterie électrique ou l’unité de commande électronique est relié(e) à la batterie électrique (plus précisément aux capteurs de température et organes de mesure de l’intensité du courant électrique équipant les modules de la batterie), par exemple via une liaison radiofréquence sans fil, et est muni(e) de moyens mémoire et de moyens de traitement reliés aux moyens mémoire. Le système de gestion de la batterie électrique ou l’unité de commande électronique est également relié(e) au capteur de température ambiante et est apte à être relié(e) à la borne de charge ou au chargeur externe lorsque cette dernière ou ce dernier est connecté(e) au véhicule. Le système de gestion de la batterie électrique ou l’unité de commande électronique est également apte à être relié(e) à la station de rechargement (typiquement via un système de communication embarqué au sein du véhicule ou via un dispositif mobile type smartphone muni d’une application mobile dédiée) lorsque la borne de charge appartient à une telle station de rechargement.
Le système de gestion de la batterie électrique ou l’unité de commande électronique stocke dans ses moyens mémoire un réseau de neurones à apprentissage supervisé avec propagation avant. Le réseau de neurones à apprentissage supervisé avec propagation avant est de préférence composé d’une succession de plusieurs couches, typiquement un perceptron multicouche. De préférence, le nombre de couches du réseau de neurones est compris entre trois et cinq couches. De préférence encore, chaque couche du réseau de neurones comporte entre huit et douze neurones. Au préalable (autrement dit en usine, avant la livraison du véhicule à l’utilisateur), le réseau de neurones a été entraîné pour son apprentissage à l’aide de données d’entraînement comportant au moins des données de mesure d’une température initiale de la batterie électrique, des données de mesure de la température ambiante et des données de mesure du temps de charge de la batterie électrique pour passer d’un premier niveau de charge électrique prédéfini à un second niveau de charge électrique prédéfini (la batterie électrique étant alors connectée à une borne de charge externe au véhicule). De préférence, les données d’entraînement du réseau de neurones comportent également des données de mesure de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer du premier niveau de charge électrique prédéfini au second niveau de charge électrique prédéfini (lorsque la batterie électrique est connectée à la borne de charge externe au véhicule). De telles données d’entraînement peuvent être obtenues via un processus comprenant les étapes suivantes : une attente, pendant une durée prédéterminée, que le véhicule soit à l’équilibre thermique avec son environnement afin que le véhicule atteigne une température homogène ; et une mesure, pour une première température ambiante prédéfinie, de données de mesure de la température initiale de la batterie électrique et de données de mesure de la consommation électrique du système thermique de chauffage ou de refroidissement et du temps de charge de la batterie électrique pour passer du premier niveau de charge électrique prédéfini au second niveau de charge électrique prédéfini. L’étape de mesure est ensuite rebouclée pour plusieurs autres températures ambiantes prédéfinies (typiquement pour des températures comprises entre -30°C et 45°C). Il est à noter que le débit du fluide calorifique circulant dans le système thermique influe sur la performance thermique de la batterie, mais que la pompe de ce système reste toujours à la vitesse maximale pendant le rechargement en mode « super rapide », ceci afin de limiter la différence de température parmi les modules de la batterie. En variante à ce processus, des données d’entraînement artificielles peuvent être générées (avant la livraison du véhicule) et être fournies en entrée du réseau de neurones pour son entraînement, de telles données d’entraînement permettant de couvrir toutes les conditions météorologiques envisageables.
D’autres données d’entraînement peuvent être obtenues via une connexion, par l’utilisateur du véhicule, de sa batterie électrique à un chargeur externe au véhicule (et installé par exemple à son domicile). Dans ce cas, les données d’entraînement peuvent être obtenues via la mise en œuvre de deux modes de gestion thermique : un mode « économique » et un mode « normal ». Pour le mode « économique », qui existe uniquement pour une plage de températures comprise entre 0 °C et 30°C sans températures extrêmes, l’utilisateur n’actionne pas le chauffage électrique ou le climatiseur (autrement dit il n'actionne pas le système thermique de chauffage ou de refroidissement). L’échauffement se fait par la chaleur rejetée par la batterie pendant son rechargement, et le refroidissement s’effectue par le radiateur du véhicule. La consommation électrique du système thermique est alors moindre, mais le temps de rechargement de la batterie est plus long, car la batterie prend plus de temps pour s’échauffer à la température optimale en hiver, tandis qu’elle fonctionne à une température plus élevée en été. Pour le mode « normal », le rechargement de la batterie est plus rapide, mais la consommation électrique du système thermique est plus importante du fait du fonctionnement du chauffage électrique ou du climatiseur.
Initialement, la valeur de la puissance électrique nominale délivrée par la borne de charge ou par le chargeur externe destiné(e) à charger la batterie électrique est fournie en entrée du système de gestion de la batterie ou de l’unité de commande électronique, par exemple via une liaison de communication radio par voie sans fil. Le système de gestion ou l’unité de commande électronique détermine alors, en fonction de cette valeur de puissance électrique nominale, un mode de charge particulier pour la batterie électrique (typiquement parmi les modes de charge possibles « lent », « rapide » et « super rapide »), et fournit cette information en entrée du réseau de neurones. En outre, lorsque la borne de charge externe appartient à une station de rechargement, les données de mesure de paramètres dont dispose la station sont également fournies en entrée du réseau de neurones, par exemple via une liaison de communication radio par voie sans fil.
Comme illustré sur la , le procédé comporte une première étape 2 au cours de laquelle le système de gestion ou l’unité de commande électronique mesure la température ambiante, via le capteur de température ambiante. A l’issue de cette première étape 2, la température ambiante mesurée est fournie en entrée du réseau de neurones.
Le procédé comporte une étape parallèle ou suivante 4 au cours de laquelle le système de gestion ou l’unité de commande électronique mesure la température courante de la batterie électrique, via le capteur de température qui équipe un des modules de stockage d’énergie électrique de la batterie. A l’issue de cette étape 4, la température courante mesurée de la batterie est fournie en entrée du réseau de neurones.
Le procédé comporte une étape suivante 6 au cours de laquelle le réseau de neurones détermine, à partir de la température ambiante mesurée et de la température courante mesurée de la batterie électrique (ainsi qu’éventuellement des données de mesure de paramètres issues de la station), une valeur estimée du temps de charge de la batterie pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique. De préférence, cette valeur estimée du temps de charge de la batterie électrique est déterminée en fonction du mode de charge particulier déterminé par le système de gestion ou par l’unité de commande électronique (le mode de charge particulier étant par exemple un mode de charge « lent », un mode de charge « rapide », ou encore un mode de charge « super rapide »).
De préférence, le procédé comporte une étape parallèle ou suivante 8 au cours de laquelle le réseau de neurones détermine en outre, à partir de la température ambiante mesurée et de la température courante mesurée de la batterie électrique (ainsi qu’éventuellement des données de mesure de paramètres issues de la station), une valeur estimée de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer du niveau initial de charge électrique au niveau cible de charge électrique.
Le procédé selon l’invention est simple, précis et fiable, et permet de fournir une estimation du temps de charge de la batterie électrique pour toute situation thermique correspondant à une température ambiante extérieure donnée, et pour tous les modes de rechargement possibles de la batterie. Ceci permet à l’utilisateur du véhicule de pouvoir mieux s’organiser pendant la durée de charge totale de son véhicule.
Claims (8)
- Procédé, mis en œuvre dans un système de gestion d’une batterie électrique d’un véhicule ou dans une unité de commande électronique du véhicule, d’estimation du temps de charge de la batterie électrique pour passer d’un niveau initial de charge électrique à un niveau cible de charge électrique, ledit système de gestion ou ladite unité de commande électronique stockant un réseau de neurones à apprentissage supervisé avec propagation avant et étant relié(e) à la batterie électrique, le réseau de neurones ayant au préalable été entraîné pour son apprentissage à l’aide de données d’entraînement comportant des données de mesure d’une température initiale de la batterie électrique, des données de mesure de la température ambiante et des données de mesure du temps de charge de la batterie électrique pour passer d’un premier niveau de charge électrique prédéfini à un second niveau de charge électrique prédéfini, la batterie électrique étant alors connectée à une borne de charge externe au véhicule, caractérisé en ce que le procédé comporte les étapes suivantes :
- une mesure (2) de la température ambiante, ladite température ambiante mesurée étant fournie en entrée du réseau de neurones ;
- une mesure (4) de la température courante de la batterie électrique, ladite température courante mesurée de la batterie électrique étant fournie en entrée du réseau de neurones ; et
- une détermination (6), par le réseau de neurones, à partir de ladite température ambiante mesurée et de ladite température courante mesurée de la batterie électrique, d’une valeur estimée du temps de charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique.
- Procédé selon la revendication 1, caractérisé en ce que le véhicule comporte en outre un système thermique de chauffage ou de refroidissement relié à la batterie électrique, en ce que les données d’entraînement comportent en outre des données de mesure de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer dudit premier niveau de charge électrique prédéfini audit second niveau de charge électrique prédéfini, et en ce que le procédé comporte en outre une étape (8) de détermination, par le réseau de neurones, à partir de ladite température ambiante mesurée et de ladite température courante mesurée de la batterie électrique, d’une valeur estimée de la consommation électrique du système thermique de chauffage ou de refroidissement pendant la charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique.
- Procédé selon la revendication 1 ou 2, caractérisé en ce que la batterie électrique est apte à être connectée à une borne de charge ou à un chargeur externe au véhicule, ladite borne de charge ou ledit chargeur externe fournissant en sortie une puissance électrique nominale et étant relié(e) au système de gestion de la batterie électrique ou à l’unité de commande électronique du véhicule, la valeur de ladite puissance électrique nominale étant fournie en entrée en entrée du système de gestion de la batterie ou de l’unité de commande électronique, le système de gestion ou l’unité de commande électronique déterminant, en fonction de ladite valeur de puissance électrique nominale, un mode de charge particulier pour la batterie électrique, et fournissant cette information en entrée du réseau de neurones, et en ce que, lors de l’étape (6) de détermination par le réseau de neurones d’une valeur estimée du temps de charge de la batterie électrique pour passer dudit niveau initial de charge électrique audit niveau cible de charge électrique, ladite valeur estimée est fonction dudit mode de charge particulier déterminé.
- Procédé selon la revendication 3, caractérisé en ce que la borne de charge externe appartient à une station de rechargement munie de plusieurs bornes de charge externe, ladite station de rechargement étant reliée au système de gestion de la batterie électrique ou à l’unité de commande électronique du véhicule et disposant d’une ou plusieurs donnée(s) de mesure de paramètres qui appartiennent au groupe consistant en : la vitesse du vent, le rayonnement solaire, l’humidité, la couverture nuageuse, l’environnement intérieur ou extérieur du lieu de rechargement et le nombre de véhicules en cours de rechargement à la station de rechargement, et en ce que ladite ou lesdites donnée(s) de mesure de paramètres sont fournie(s) en entrée du réseau de neurones.
- Procédé selon l’une quelconque des revendications 1 à 4, caractérisé en ce que les données d’entraînement sont obtenues via un processus préalable comprenant les étapes suivantes : une attente, pendant une durée prédéterminée, que le véhicule soit à l’équilibre thermique avec son environnement afin que le véhicule atteigne une température homogène ; et une mesure, pour une première température ambiante prédéfinie, de données de mesure de la température initiale de la batterie électrique et de données de mesure du temps de charge de la batterie électrique pour passer du premier niveau de charge électrique prédéfini au second niveau de charge électrique prédéfini, l’étape de mesure étant rebouclée pour plusieurs autres températures ambiantes prédéfinies.
- Procédé selon l’une quelconque des revendications 1 à 5, caractérisé en ce que le réseau de neurones à apprentissage supervisé avec propagation avant est un perceptron multicouche.
- Procédé selon l’une quelconque des revendications 1 à 6, caractérisé en ce que le réseau de neurones à apprentissage supervisé avec propagation avant est composé d’une succession de plusieurs couches, le nombre de couches du réseau de neurones étant compris entre trois et cinq couches.
- Procédé selon la revendication 7, caractérisé en ce que chaque couche du réseau de neurones comporte entre huit et douze neurones.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2112889A FR3130040A1 (fr) | 2021-12-03 | 2021-12-03 | Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2112889 | 2021-12-03 | ||
FR2112889A FR3130040A1 (fr) | 2021-12-03 | 2021-12-03 | Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3130040A1 true FR3130040A1 (fr) | 2023-06-09 |
Family
ID=80122987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2112889A Pending FR3130040A1 (fr) | 2021-12-03 | 2021-12-03 | Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3130040A1 (fr) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013115244A1 (fr) * | 2012-02-01 | 2013-08-08 | 日本電気株式会社 | Dispositif et procédé de prévision d'un temps de charge, et programme |
US20190379212A1 (en) * | 2019-07-02 | 2019-12-12 | Lg Electronics Inc. | Method for charging battery included in robot and apparatus thereof |
US10507730B2 (en) * | 2017-10-19 | 2019-12-17 | Ford Global Technologies, Llc | Electric vehicle cloud-based charge estimation |
US20200373779A1 (en) * | 2017-07-31 | 2020-11-26 | Nissan Motor Co., Ltd. | Charging Time Computation Method and Charge Control Device |
FR3105595A1 (fr) | 2019-12-19 | 2021-06-25 | Renault S.A.S | Procédé de charge d’une batterie électrique de véhicule |
-
2021
- 2021-12-03 FR FR2112889A patent/FR3130040A1/fr active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013115244A1 (fr) * | 2012-02-01 | 2013-08-08 | 日本電気株式会社 | Dispositif et procédé de prévision d'un temps de charge, et programme |
US20200373779A1 (en) * | 2017-07-31 | 2020-11-26 | Nissan Motor Co., Ltd. | Charging Time Computation Method and Charge Control Device |
US10507730B2 (en) * | 2017-10-19 | 2019-12-17 | Ford Global Technologies, Llc | Electric vehicle cloud-based charge estimation |
US20190379212A1 (en) * | 2019-07-02 | 2019-12-12 | Lg Electronics Inc. | Method for charging battery included in robot and apparatus thereof |
FR3105595A1 (fr) | 2019-12-19 | 2021-06-25 | Renault S.A.S | Procédé de charge d’une batterie électrique de véhicule |
Non-Patent Citations (1)
Title |
---|
SHUO SUN ET AL: "Research on an Algorithm for Prediction of Lead-Acid Battery Charging Time", 2021 IEEE 4TH INTERNATIONAL CONFERENCE ON ELECTRONICS TECHNOLOGY (ICET), IEEE, 7 May 2021 (2021-05-07), pages 389 - 393, XP033925055, DOI: 10.1109/ICET51757.2021.9451074 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3011630B1 (fr) | Systeme et procede de regulation de la temperature d'une batterie electrochimique | |
FR2975839A1 (fr) | Procede de rechargement d'un couple de batteries de vehicule de tensions nominales differentes, et systeme associe | |
FR3067860A1 (fr) | Systeme de charge d'au moins une batterie d'accumulateurs d'un vehicule et procede de gestion de recharge de ladite au moins une batterie | |
FR2967303A1 (fr) | Procede de charge pour une batterie d'alimentation d'un moteur d'entrainement d'un vehicule automobile | |
WO2008081106A1 (fr) | Procede de determination du seuil de fin de decharge d'une batterie rechargeable | |
FR2994027A1 (fr) | Vehicule comprenant une batterie et des moyens de determination d'une puissance maximale admissible pour la batterie, et procede correspondant | |
FR3015124A1 (fr) | Charge d'une batterie | |
EP1410481A1 (fr) | Systeme de gestion de l'energie electrique d'un vehicule hybride | |
EP4093633B1 (fr) | Procédé et dispositif de contrôle d'un système de stockage d'énergie, par exemple une batterie de véhicule | |
WO2001005014A1 (fr) | Procede et dispositif de charge de plusieurs cellules electrochimiques | |
WO2015107299A1 (fr) | Procede de gestion d'un etat de charge d'une batterie | |
FR2983354A1 (fr) | Procede de regulation de la temperature d'une batterie de traction d'un vehicule electrique en charge, en particulier lors d'une charge rapide de la batterie | |
FR2961352A1 (fr) | Procede d'estimation des etats de charge et de sante d'une batterie d'un vehicule, estimateur et vehicule comportant un tel estimateur | |
FR3039462B1 (fr) | Dispositif de chauffage et procede de gestion associe | |
FR3127846A1 (fr) | Procede de gestion de recharge d’une batterie de vehicule | |
FR3130040A1 (fr) | Procede d’estimation du temps de charge d’une batterie electrique d’un vehicule | |
EP2668064A2 (fr) | Procede de gestion de la charge d'une batterie rechargeable d'un vehicule automobile | |
WO2016066970A1 (fr) | Procédé de gestion thermique et de sécurisation d'un système autonome connecté à une batterie et à une source d'énergie intermittente | |
FR2997233A1 (fr) | Gestion de batterie d'un vehicule non branche a une source d'energie externe | |
FR2826457A1 (fr) | Systeme d'evaluation de la duree de vie d'une batterie de stockage d'energie electrique d'alimentation d'une chaine de traction electrique ou hybride d'un vehicule automobile | |
FR3119803A1 (fr) | Module de contrôle de recharge d’une batterie électrique de véhicule et procédé de recharge | |
FR3097172A1 (fr) | Procede de gestion thermique d’une batterie permettant d’adapter le seuil de declenchement de la regulation thermique en fonction de la puissance electrique transferee | |
FR3097482A1 (fr) | Méthode d’échange d’énergie électrique entre une batterie de véhicule automobile et un réseau électrique | |
FR2949864A1 (fr) | Procede de determination d'un etat de fonctionnement de moyens de stockage d'energie electrique constitues d'au moins un supercondensateur | |
FR2978702A1 (fr) | Procede de refroidissement d'une batterie electrique d'un vehicule automobile et dispositif de refroidissement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20230609 |