Search

Transport activities are essential for socio-economic development. However, they also cause enormous damage to human health and welfare. Thus, governments are making several decisions to reduce the negative externalities of transport, including limiting car use in favor of public transport and the transition to cleaner energy. This thesis deals with an evaluation of regional transport policies based on a multimodal model, with an approach based on multi-agent simulation. The model, applied to the Nord and Pas-de-Calais departments, is based on the implementation of transport supply and demand. The supply is composed of the road and rail network, as well as the public transport services. The data to create the supply comes mainly from the Open-StreetMap platform and from public transport timetables. The offer was completed with the location of charging stations for electric vehicles. The demand is based on data from household travel surveys of an estimated 6 million inhabitants of the Hauts-de-France region. Once calibrated, the model can be used to examine pricing policies (road tolls and free public transport) and the promotion of electric vehicles. If pricing policies can reduce car use in favor of public transport, the electric car can be considered an essential tool for achieving sustainable development objectives.; Les activités de transport sont essentielles au développement socio-économique. Malgré tout, elles sont à l'origine d'énormes dommages sur la santé et le bien être des populations. A cet effet, les pouvoirs publics prennent plusieurs décisions pour réduire les externalités négatives des transports, notamment en limitant l'usage de la voiture au profit des transports publics et la transition vers des énergies plus propres. Cette thèse porte sur une évaluation de politiques de transport régional sur la base d'un modèle multimodal, avec une approche basée sur la simulation multi-agent. Le modèle, appliqué aux départements du Nord et du Pas-de-Calais, repose sur la mise en place de l'offre et la demande de transport. L'offre est composée du réseau routier et ferroviaire, ainsi que les services de transport public. Les données, pour créer l'offre, proviennent principalement de la plateforme OpenStreetMap et des horaires de transport public. L'offre a été complétée par l'emplacement des bornes de recharge pour les véhicules électriques. La demande émane des données d'enquêtes ménages déplacements des habitants de la région des Hauts-de-France, estimés à 6 millions. Une fois calibré, le modèle permet d'examiner les politiques de tarification (péage routier et gratuité des transports publics) et de promotion des véhicules électriques. Si les politiques de tarification permettent de réduire l'usage de la voiture en faveur des transports collectifs, la voiture électrique peut être considérée comme un outil essentiel pour atteindre les objectifs du développement durable.

In the context of environmental impact reduction of the passenger and freight transport sectors, electric mobility is set to grow in the coming years. Electric vehicle (EV) charging has a natural potential for electricity demand flexibility as connection periods are generally longer than the necessary charging time, especially for individual vehicles. This thesis focuses on the study of this demand-side flexibility, which induces a reduction of the operational costs and carbon emissions of the electricity system, in particular in scenarios with substantial diffusion of electric mobility. The analysis begins with a discussion of the decarbonization pathways of the French transport and electricity generation sectors as well as their mutual interactions. This is followed by a description of the state-of-the-art methods for modeling EVs and their impact on different aspects of the electricity system. A model to generate EV connection and electrical demand data based on transport survey data is then proposed. Finally, the integration of these data in an hourly dispatch model of the European power system is presented and illustrated on various scenarios of the electric mobility development by 2040. This methodology allows the comparison of the foremost EV smart charging modes, as well as the identification of the parameters that most influence the value of this demand-side flexibility: the price of fossil fuels and the level of diffusion of the various EV smart charging modes., Dans le cadre de la réduction de l'impact environnemental du secteur des transports de personnes et de marchandises, la mobilité électrique est amenée à se développer dans les années à venir. La recharge des véhicules électriques (VE) présente un potentiel intrinsèque de flexibilité de la consommation électrique, du fait de périodes de connexion généralement plus longues que nécessaire pour recharger le véhicule, en particulier pour les véhicules individuels. Cette thèse se focalise sur l'étude de cette flexibilité de consommation, qui permet de réduire les coûts opérationnels et les émissions de carbone du système électrique, en particulier à horizon prospectif de forte diffusion de la mobilité électrique. Afin de traiter ce sujet de recherche, l'introduction présente les enjeux de décarbonation des secteurs du transport et de production d'électricité en France ainsi que leurs interactions. Dans un second temps, les principales méthodes de modélisation des VEs et de leur impact sur différents aspects du système électrique sont décrites. Ensuite, un modèle pour obtenir des données de connexion et de demande électrique de ces véhicules, à partir de données d'enquête transport, est proposé. Finalement, l'intégration de ces données dans un modèle de dispatch horaire du système électrique Européen est présentée, puis illustrée sur diverses hypothèses relatives au développement de la mobilité électrique à horizon 2040. Cette méthodologie permet ainsi la comparaison des principaux modes de pilotage de la recharge des VE, ainsi que l'identification des paramètres qui influent le plus sur la valeur de cette flexibilité de consommation : le prix des combustibles fossiles ainsi que les variantes sur la diffusion des modes de pilotage des VE.

Afin de répondre aux attentes de réduction d'émission de gaz à effet de serre, les constructeurs automobiles orientent leur production vers la voiture électrique rechargeable. Cependant, le temps de recharge des véhicules électriques (VEs) reste encore un frein à l'adoption de ceux-ci, notamment pour les trajets longue-distance et l'augmentation de la puissance de recharge (jusqu'à 350 KW) apparaît comme la solution permettant de réduire le temps de recharge à une quinzaine de minute pour une charge de 20 \% à 80 \% de capacité de batterie. En outre, tous les véhicules électriques ne peuvent se recharger à 350 kW car, pour obtenir une charge à cette puissance, il faut avoir une architecture batterie en 800V alors que la majorité des véhicules actuels ont une architecture en 400V (dont la puissance de charge maximale permise ne peut aller au delà de 150 kW). De plus, permettre la recharge à 350kW impose un coût plus important pour l'infrastructure de recharge par rapport à une recharge à 50 kW ou même à 150kW. Se pose alors la question du choix de l'architecture batterie (400 ou 800V) que les constructeurs automobiles devraient mettre en place pour leur future production. Une étude concrète a été réalisée sur l'autoroute française A6 Paris-Lyon pour évaluer l'impact de différent taux de pénétration de VEs avec une architecture batterie 800V sur le coût de l'infrastructure de recharge et sur la satisfaction des conducteurs de véhicules électriques (réduction du temps d'attente et de charge sur autoroute). L'étude s'appuie sur un outil de simulation prenant en entrée une flotte de véhicule ainsi qu'une infrastructure de recharge rapide sur autoroute et établissant sur une journée le comportement des véhicules électriques suivant leurs caractéristiques (niveau de batterie en entrée d'autoroute, puissance de recharge maximale permise par l'architecture batterie, etc.). L'intérêt de l'architecture batterie à 800V par rapport à l'architecture à 400V est ensuite discuté en fonction de la réduction de temps de trajet que permet ce type d'architecture en augmentant la vitesse de charge.

Avec l'essor des Véhicules Électriques (VE), la demande de places de stationnement équipées d'un dispositif de recharge dans les stations de charge (SdC) augmente considérablement. Ceci nous motive à étudier la qualité de service de charge (QdSC) dans ces stations. Nous modélisons le choix des conducteurs des VEs. Dans notre modèle, les VE arrivent aux stations selon un processus de Poisson avec une quantité aléatoire d'énergie nécessaire pour avoir une batterie complètement chargée et un temps de stationnement aléatoire, les deux suivant une distribution exponentielle. Nous quantifions la qualité du service comme la probabilité de quitter la station avec une batterie complètement chargée. Les stations se caractérisent par leur nombre de points de charge (PdCs) et la façon dont elles partagent la puissance entre les utilisateurs de VE. Nous démontrons l'existence et l'unicité de l'équilibre du jeu que nous étudions, et proposons une analyse du prix de l'anarchie et des résultats numériques.

Electricity distribution grids have been for several years at the heart of energy and environmental challenges affecting our societies. Customers are increasingly switching from instantaneous gas water heaters to electric hot water tanks, and from diesel cars to electric vehicles. On the other hand, renewable energy production is starting to become an important part of the energy mix but does not necessarily match the electricity consumption of the users. It can therefore be transmitted to the rest of the distribution network, and eventually the transmission network. All these evolutions must be controlled to avoid significant reinforcements of the network infrastructures and limit the economic and environmental impacts of the energy transition. In this context, this thesis focuses on the energy supervision of medium voltage distribution grids, particularly rural and suburban types, to promote the local consumption of renewable energy and optimize energy transmission costs for network operators. The developed algorithms mainly aim to control loads such as electric vehicles and electric water heaters. The supervision system acts at the level of an HV/MV substation and uses real-time production and consumption measurements as well as day-ahead forecasts to control the various available loads. The proposed strategy also takes into account the electrical constraints that can appear on the network through a co-simulation approach between Matlab/Simulink software, where the supervision strategy is implemented, and DIgSILENT PowerFactory, where the distribution network is finely modeled. The supervision's power set-points are therefore tested and adapted in real-time before being sent to the various customers. Finally, the control of decentralized producers is used as an additional lever to solve a part of the detected electrical constraints.; Les réseaux de distribution d'électricité sont depuis plusieurs années au cœur des évolutions énergétiques et environnementales qui touchent nos sociétés. Les clients délaissent progressivement les chauffe-eaux instantanés à gaz pour les ballons d'eau chaude électriques, ainsi que les voitures diesel pour les véhicules électriques. D'autre part, la production d'énergie renouvelable commence à constituer une part importante du mix énergétique mais ne concorde pas nécessairement avec la consommation électrique des usagers. Elle peut donc être refoulée vers le reste du réseau de distribution, voire le réseau de transport. Toutes ces évolutions doivent être maîtrisées pour éviter un renforcement conséquent des infrastructures du réseau, et limiter les répercussions économiques et environnementales de la transition énergétique. Dans ce sens, ces travaux de thèse portent sur la supervision énergétique des réseaux de distribution HTA, en particulier de type rural et péri-urbain, afin d'y encourager la consommation locale des énergies renouvelables et d'optimiser le coût d'acheminement d'énergie pour les gestionnaires du réseau. Les algorithmes développés visent principalement à piloter les charges tels que les véhicules électriques et les ballons d'eau chaude sanitaire raccordés au réseau de distribution. Le système de supervision agit au niveau d'un poste source HTB/HTA et utilise les mesures ainsi que les prévisions de production et de consommation d'énergie afin de piloter les différentes charges disponibles. La stratégie proposée prend aussi en compte les contraintes électriques qui peuvent apparaître sur le réseau à travers une approche de co-simulation entre les logiciels Matlab/Simulink, où la supervision est implémentée, et DIgSILENT PowerFactory, où le réseau de distribution est finement modélisé. Les consignes de supervision sont donc testées et adaptées en temps-réel avant d'être envoyées aux différents utilisateurs. Enfin, le pilotage des producteurs décentralisés est aussi utilisé comme levier supplémentaire pour résoudre une partie des contraintes électriques.

The desire of the population for environmentally friendly mobility without burdening social fairness and human rights is constantly increasing and the achievements and conveniences in mobility that have been reached so far are to be safeguarded. A solution for this can be electromobility along with new business models to support it. The question is: what kind of business model is able to fully develop the potential of electromobility?The aim of the thesis is to contribute to the literature on sustainable business models through the lens of the fast-growing market of electromobility. For this purpose, the concept of electromobility is analyzed and defined in a comprehensive manner. Also, the key elements of electromobility are revealed, underlining the basic principles of value proposition for customers.Electromobility is based on new technologies. However, it is shown that technology alone is not sufficient and the business model is an essential vector of innovation. Conventional and sustainable business models are discussed. The latter have a special significance for electromobility, as they already consider the environmental and social aspects of business alongside the economic one.A new framework in order to analyze and/or to design sustainable business models for electromobility is proposed. It allows to better support the specific key values of electromobility. The framework of sustainable business models for electromobility (SBMEM) has to be based on close cooperation between producers, suppliers, and providers. An ecosystem has to be formed in which the individual value chains of the involved companies in electromobility are interlinked; they contribute all together to the value proposition and the value creation and delivery. In the framework, the environmental, social and economic dimensions are transversal to the basic elements “value proposition”, “value creation and delivery” and “value capture”, considered on the basis of a comprehensive ecosystem.The framework of SBMEM is then used to analyze different existing business models of electromobility. It is shown that the latter are not sufficient for the success of electromobility because they take too little or no account of all of the environmental, social and economic aspects of the innovation.The theoretical framework developed in this study contributes to the architecture of electromobility business model and aims to broaden the understanding of the role and applicability of business models in sustainability-oriented innovations and services. This framework is intended to enable the design of new sustainable business models for electromobility or to review existing business models and draw conclusions on which measures will make them more sustainable.This new framework enables companies to find a compromise between the different dimensions of the approach. In doing so, they can satisfy the growing needs of the population regarding mobility, the preservation of environment and social fairness while achieving their business objectives.The proposed SBMEM framework was discussed based on five case studies. It reveals to be a valuable tool both to analyze existing business models and to structure business models for future businesses.; Le désir de la population de bénéficier d'une mobilité respectueuse de l'environnement et socialement responsable ne cesse de croître et il convient de préserver les acquis et les commodités en matière de mobilité qui ont été obtenus jusqu'à présent. L'électromobilité et les nouveaux modèles d’affaires qui la soutiennent peuvent constituer une solution à cet égard. La question est de savoir quel type de modèle d’affaires est susceptible de développer pleinement le potentiel de l'électromobilité.L'objectif de cette thèse est de contribuer à la littérature sur les modèles d'affaires soutenables par le prisme d’un marché en pleine croissance, celui de l'électromobilité. À cette fin, le concept d'électromobilité est analysé et défini de manière extensive. Les fondamentaux de l'électromobilité sont également révélés, soulignant les principes de base de la proposition de valeur pour les clients.L'électromobilité repose sur de nouvelles technologies. Cependant, il a été démontré que la technologie seule n'est pas suffisante et que le modèle d’affaires est un vecteur essentiel de l'innovation. Les modèles d’affaires conventionnels et soutenables sont examinés. Ces derniers ont une importance particulière pour l'électromobilité, car ils prennent déjà en compte les aspects environnementaux et sociaux de l'entreprise, en plus des aspects économiques.Un nouveau cadre est proposé pour analyser et/ou concevoir des modèles s’affaires soutenables pour l'électromobilité. Il permet de mieux défendre les valeurs clés spécifiques de l'électromobilité. Ce cadre des modèles d’affaires soutenables pour l'électromobilité (SBMEM) doit être basé sur une coopération étroite entre les producteurs, les fournisseurs et les prestataires. Un écosystème doit être déployé dans lequel les chaînes de valeur individuelles des entreprises impliquées dans l'électromobilité sont reliées entre elles ; elles contribuent toutes ensemble à la proposition de valeur ainsi qu’à la création et à la distribution de valeur. Dans ce cadre, les dimensions environnementales, sociales et économiques sont transversales aux éléments de base "proposition de valeur", "création et distribution de valeur" et "capture de valeur", considérés sur la base d'un écosystème complet.Le cadre des SBMEM est ensuite utilisé pour analyser les différents modèles d’affaires existants de l'électromobilité. Il est démontré que ces derniers ne sont pas suffisants pour permettre le succès de l'électromobilité car ils ne prennent pas ou trop peu en compte tous les aspects environnementaux, sociaux et économiques de l'innovation.Le cadre théorique développé dans cette étude contribue à la structuration de modèles d'affaires de l'électromobilité et vise à élargir la compréhension du rôle et de l'applicabilité des modèles d'affaires pour les innovations et les services orientés vers la durabilité. Le cadre proposé est destiné à permettre la conception de nouveaux modèles d’affaires soutenables pour l'électromobilité ou à examiner les modèles d’affaires existants et à tirer des recommandations pour accroître leur soutenabilité.Ce nouveau cadre permet aux entreprises de trouver un compromis entre les différentes dimensions de l’approche. Ce faisant, elles peuvent satisfaire les besoins croissants de la population en matière de mobilité, de préservation de l’environnement et de responsabilité sociale, tout en atteignant leurs objectifs commerciaux.Le cadre des SBMEM proposé a été évalué sur la base de cinq études de cas. Il s'avère être un outil précieux à la fois pour analyser les modèles d'affaires existants et pour structurer les modèles d'affaires de nouvelles entreprises.

Le comité de pilotage du symposium SGE (..) a pris la décision de reporter le symposium du 6 au 8 Juillet 2021 à la Cité des Congrès à Nantes, au vue de l'évolution actuelle de la pandémie.; International audience; L’objectif de ce papier est de présenter les différentes technologies de batterie d’accumulateurs électrochimiques et notamment de préciser les caractéristiques spécifiques du Lithium-ion puisque cette technologie a permis l’émergence des véhicules électriques d’aujourd’hui. Cependant, les technologies de batterie Lithium-ion, de chaînes de tractions ainsi que des chargeurs utilisés sur les véhicules sont très évolutives. Une analyse des usages incluant les modes de recharges est réalisée afin de définir sur toute la chaîne de valeur les technologies d’aujourd’hui et de demain adaptées suivant que le véhicule soit tout électrique ou hybride thermique.

Representing more than one-third of global electricity consumption, buildings undergo the most important sector capable of reducing greenhouse gas emissions and promote the share of Renewable Energy Sources (RES). The integrated RES and electric energy storage system in buildings can assist the energy transition toward a low-carbon electricity system while allowing end-energy consumers to benefit from clean energy. Despite its valuable advantages, this innovative distributed Building Microgrids (BM) topology requires significant changes in the current electric grid, which is highly dependent on grid energy policies and technology breakthroughs.The complexity of designing a robust Energy Management System (EMS) capable of managing all electric components inside the microgrid efficiently without harming the main grid stability is one of the greatest challenge in the development of BM. To mitigate the harmful effects of unpredictable grid actors, the concept of self-consumption has been increasingly adopted. Nonetheless, further technical-economic analysis is needed to optimally manage the energy storage systems to attain higher marks of self-consumption.Faceing these issues, the purpose of this doctoral thesis is to propose a complete framework for designing a building EMS for microgrids installed in buildings capable of maximising the self-consumption rate at minimum operating cost. Among all possible control architectures, the hierarchical structure has proved effective to handle conflicting goals that are not in the same timeframe. Hence, a Hierarchical Model Predictive (HMPC) control structure was adopted to address the uncertainties in the power imbalance as well as the trade-off between costs and compliance with the French grid code.Considering that buildings are not homogeneous and require solutions tailored to their specific conditions, the proposed controller was enhanced by two data-driven modules. The first data-driven algorithm is to handle inaccuracies in HMPC internal models. Without needing to tune any parameter, this algorithm can enhance the accuracy of the battery model up to three times and improve up to ten times the precision of the hydrogen storage model. This makes the building EMS more flexible and less dependent on pre-modelling steps.The second data-oriented algorithm determines autonomously adequate parameters to HMPC to relieve the trade-off between economic and energy aspects. Relying only on power imbalance data analysis and local measurements, the proposed hierarchical controller determines which energy storage device must run daily based on the estimation of the annual self-consumption rate and the annual microgrid operating cost. These estimations decrease microgrid expenditure because it avoids grid penalties regarding the requirements of annual self-consumption and reduces the degradation and maintenance of energy storage devices.The proposed EMS also demonstrated being capable of exploiting the potentials of shifting in time the charging of batteries of plug-in electric vehicles. The simulation confirmed that the proposed controller preferably charges electric vehicles’ batteries at periods of energy surplus and discharges them during periods of energy deficit, leading the building microgrid to reduce grid energy exchange. The results also showed that electric vehicle batteries' contribution depends on the size of the vehicle parking, their arrival and departure time, and the building’s net power imbalance profile. In conclusion, through simulations using the dataset of both public and residential buildings, the proposed hierarchical building EMS proved its effectiveness to handle different kinds of energy storage devices and foster the development of forthcoming building microgrids., Représentant plus d'un tiers de la consommation mondiale d'électricité, les bâtiments sont le secteur énergétique majeur pour promouvoir l’usage des énergies renouvelables. L'installation à la fois de sources d’énergie rénouvelable et d'un système de stockage d'énergie électrique dans les bâtiments peut favoriser la transition énergétique vers un système électrique à faible émission de carbone, tout en permettant aux consommateurs d'énergie finaux de bénéficier d'une énergie propre. Malgré tous ces avantages, cette topologie innovante et distribuée d’un Micro-réseau dédié au Bâtiment (MB)nécessite des changements importants dans le réseau actuel, qui dépend des politiques énergétiques et d’avancement technologiques.La conception d'un Système de Gestion de l'Energie (EMS) capable de gérer efficacement les composants électriques du micro-réseau sans menacer la stabilité du réseau principal est un obstacle au développement des MB. Pour atténuer les effets néfastes introduits par des acteurs d’énergie imprévisibles, le concept d'autoconsommation est de plus en plus adopté. Néanmoins, une analyse technico-économique plus approfondie est nécessaire pour piloter d’une manière optimaledes systèmes de stockage d'énergie afin d’atteindre des indices d'autoconsommation plus élevés.Face à ces enjeux, le but de ce doctorat est de proposer un EMS pour les micro-réseaux installés dans les bâtiments afin de maximiser leur taux d’autoconsommation à un coût d’exploitation minimum. Parmi les architectures de contrôle, la structure hiérarchique s'est avérée efficace pour gérer des objectifs contradictoires qui ne sont pas dans la même échelle de temps. Ainsi, une structure de contrôle Hiérarchique à Modèle Prédictif (HMPC) a été adoptée pour remédier aux incertitudes liées aux déséquilibres de puissance ainsi qu’établir un compromis entre la réduction du coût de fonctionnement et le respect du code de l’énergie français.Considérant que les bâtiments ne sont pas homogènes et nécessitent des solutions adaptées à leur besoin, le contrôleur proposé a été couplé à deux modules fonctionnant à base d’analyse de données. Le premier algorithme consiste à gérer les inexactitudes dans les modèles internes de l’HMPC. Sans avoir besoin de régler aucun paramètre, cet algorithme améliore la précision du modèle de batteries jusqu'à trois fois et augmente jusqu'à dix fois la précision du modèle de stockage d'hydrogène, réduisant ainsi la dépendance de l’EMS aux étapes de modélisation. Le deuxième algorithme détermine de manière autonome les paramètres de l’HMPC et facilite le compromis entre les aspects économiques et énergétiques. S'appuyant uniquement sur l'analyse des données de déséquilibre de puissance et des mesures, le contrôleur hiérarchique spécifie quel dispositif de stockage d'énergie doit fonctionner quotidiennement en fonction de l'estimation du taux d'autoconsommation et du coût de fonctionnement du micro-réseau. Ces estimations diminuent les dépenses annuelles du micro-réseau en évitant la pénalisation en ce qui concerne les exigences d'autoconsommation et en réduisant la dégradation et l'entretien des systèmes de stockage d'énergie.L’EMS proposé s'est également révélé capable de charger de préférence les batteries des véhicules électriques en période de surplus d’énergie et les décharger pendant les périodes de déficit pour réduire les échanges d’énergie avec le réseau principal. Les résultats ont aussi montré que la contribution des batteries de véhicules électriques dépend de la taille du parc de véhicules, de leur temps de connexion et du profil de déséquilibre de puissance. En conclusion, à travers les simulations utilisant le dimensionnement réel d'un bâtiment public et résidentiel, l’EMS hiérarchique s'est avéré efficace pour gérer de nombreux dispositifs de stockage d'énergie et contribuer à l’essor de micro-réseaux dédiés aux bâtiments à l’avenir.

Jusqu’à présent, les véhicules électriques ne sont pas devenus une alternative largement répandue aux véhicules diesel qui dominent depuis longtemps la logistique urbaine. Pour faciliter un changement rapide vers les véhicules électriques, il est important d’identifier les applications logistiques qui ne sont pas limitées géographiquement, de comprendre les aspects qui améliorent l’acceptation, et de mesurer les avantages des véhicules électriques pour leurs utilisateurs. L’objectif de cette recherche est de contribuer à des réponses à ces questions, en se basant sur des projets réalisés en France et en Allemagne. Dans la recherche présentée, les résultats des études pilotes et d’enquêtes en Allemagne sont analysés comme base pour l’identification de l’acceptation par les utilisateurs. Au moyen d’un modèle de base, des données issues d’une enquête en France sont analysées, afin d’identifier dans quelle mesure les incitations, les développements techniques et commerciaux contribuent à améliorer l’attractivité et donc la diffusion de l’électromobilité pour la logistique urbaine. Les résultats des projets pilotes allemands et des données françaises sont combinés et comparés. Dans une analyse comparative, il est discuté si la thèse peut être confirmée, que l’électromobilité est ou sera une alternative valable pour la logistique urbaine en général., RTS - Recherche Transports Sécurité, volume 2021

La présentation effectue une synthèse des modèles d'émission sonore de la méthode prévision CNOSSOS-EU pour sa mise en oeuvre dans le contexte français, notamment concernant les véhicules semi-lourds. La question de l'émission sonore des véhicules électriques dans les modèles de prévision est également évoquée.

Electric Vehicles (EV) have been one of the most encouraging ways to tackle the adverseenvironmental effect of hydrocarbon-based transport. Most of the EV use Li-ion batteries as theirpower source, owing to their high energy density. These batteries reach its End of Life (EoL)when the capacity degrades by just twenty percent of the original capacity. A reliable circularindustrial system can be developed which should be able to transform post-used EV batteries intonew added-value batteries for less demanding applications, thus prolonging their life and ensuringmore sustainability. Predicting the reliability of a system in its actual life cycle conditions andestimating it’s time to failure(State of the health estimation) is helpful in decision making forthe new value chain. But the technological heterogeneity of the Li-ion batteries, as well as thedynamics of change of operating conditions, accentuates the difficulty to establish PrognosticsHealth Management (PHM) system for the batteries. Also, very few researches talk about State ofhealth with the perspective of re-purposing batteries.The objective of this thesis is to bridge the knowledge gap of diagnostics and prognostics inthe context of circular economy. The results identify a contextual definition of SoH and a novelclassifications for different SoH estimation methods. The thesis also investigates the issues andchallenges posed while estimating SoH for Li-ion battery, with possible solutions. Furthermore, inthis thesis, the ultimate goal is to provide reliable sensor networks as well as information retrievalmodules to develop as accurate as possible a diagnosis and a health prognosis method for lithiumionbatteries in the context of the Circular economy.We proposed an Incremental Capacity (IC) curve based SoH estimation system for Li-ion batteries.The model employs a Kalman filter and a finite differencing method for measurement noiseattenuation. A novel method that combines Support vector regression (SVR) and the AutoregressiveIntegrated Moving Average (ARIMA) model is utilized to model the relationship between ICand the SoH. A use case is created on the NASA AMES open-source battery data. The case studyshows that the proposed model can obtain accurate SoH prediction results without needing theState of Charge information of the battery. Finally, a framework has been proposed for establishinga repurposing based business landscape by exploring the current repurposing trends across theworld., Les véhicules électriques (VE) ont été l'un des moyens les plus encourageants de lutter contre lesl'effet environnemental du transport à base d'hydrocarbures. La plupart des véhicules électriques utilisent des batteries Li-ion commesource d'alimentation, en raison de leur haute densité énergétique. Ces batteries atteignent leur fin de vie (EoL)lorsque la capacité se dégrade de seulement vingt pour cent de la capacité d'origine. Une circulaire fiablesystème industriel peut être développé qui devrait être capable de transformer les batteries EV post-utilisées ende nouvelles batteries à valeur ajoutée pour des applications moins exigeantes, prolongeant ainsi leur durée de vie et assurantplus de durabilité. Prédire la fiabilité d'un système dans ses conditions réelles de cycle de vie etestimer qu'il est temps d'échouer (estimation de l'état de santé) est utile dans la prise de décision pourla nouvelle chaîne de valeur. Mais l'hétérogénéité technologique des batteries Li-ion, ainsi que ladynamique de changement des conditions d'exploitation, accentue la difficulté à établir des pronosticsSystème de gestion de la santé (PHM) pour les batteries. De plus, très peu de recherches parlent de l'état desanté dans la perspective d'une réutilisation des batteries.L'objectif de cette thèse est de combler le fossé des connaissances sur le diagnostic et le pronostic dansle contexte de l'économie circulaire. Les résultats identifient une définition contextuelle de SoH et un romanclassifications pour différentes méthodes d'estimation de SoH. La thèse étudie également les problèmes etdéfis posés lors de l'estimation du SoH pour la batterie Li-ion, avec des solutions possibles. De plus, danscette thèse, le but ultime est de fournir des réseaux de capteurs fiables ainsi que la recherche d'informationsmodules pour développer le plus précisément possible une méthode de diagnostic et de pronostic de santé pour le lithiumionbatteries dans le contexte de l'économie circulaire.Nous avons proposé un système d'estimation de SoH basé sur une courbe de capacité incrémentielle (IC) pour les batteries Li-ion.Le modèle utilise un filtre de Kalman et une méthode de différenciation finie pour mesurer le bruitatténuation. Une nouvelle méthode qui combine la régression vectorielle de support (SVR) et l'autorégressionLe modèle de moyenne mobile intégrée (ARIMA) est utilisé pour modéliser la relation entre ICet le SoH. Un cas d'utilisation est créé sur les données de batterie open source NASA AMES. L'étude de casmontre que le modèle proposé peut obtenir des résultats de prédiction SoH précis sans avoir besoin duInformations sur l'état de charge de la batterie. Enfin, un cadre a été proposé pour établirun paysage commercial basé sur la réorientation en explorant les tendances actuelles de réorientation à travers lemonde.

The massive integration of electric vehicles (EVs) can pose challenges for electricity systems if charging is not appropriately managed. However, EVs can provide flexibility, improving system operation, by using smart charging and discharging strategies.This thesis studies EV integration into distribution systems through technical, behavioral, economic, and regulatory aspects. First, the use-cases for flexibility at the distribution level are identified, along with the remaining technical, economic, and regulatory barriers for their deployment.Second, an assessment of the impact of plug-in behavior (i.e., users not plugging in every day) in EV integration studies was carried out. For this, an agent-based model was developed and calibrated with real-world data. The impact of EV charging and EV fleets' potential to provide flexibility are evaluated and consequences of current trends towards larger battery sizes are derived.Third, a framework to assess EV charging impact in realistic medium voltage grids that considered granular open-source datasets was developed. We evidence the impact that local mobility patterns (rural vs. urban) and spatial distribution of EVs have on EV grid integration and its coupling with distributed renewable generation.Finally, we studied market mechanisms to procure flexibility at the local level implemented by European distribution system operators. Using a regulatory analysis framework, barriers to entry for EV aggregators were identified, and a case study to assess the potential revenues of different types of EV fleets participating in these schemes was carried out. Policy recommendations for market design were derived., L’intégration massive des véhicules électriques (VEs) dans les systèmes électriques peut créer des contraintes si la recharge n’est pas gérée de façon appropriée. Cependant, les VEs peuvent apporter de la flexibilité opérationnelle aux systèmes électriques en adoptant des stratégies de recharge et décharge intelligente.Cette thèse étudie l’intégration des VEs aux réseaux de distribution d’électricité en considérant des aspects techniques, comportementaux, économiques et réglementaires.Premièrement, les cas d’utilisation de flexibilité des VE les barrières associées pour leur déploiement sont identifiés. Ensuite, on étudie le comportement de recharge des utilisateurs de VE et son impact sur les réseaux de distributions et le potentiel de flexibilité.Après, on a développé une méthodologie pour évaluer l’impact des VEs sur les réseaux moyenne tension qui exploite des données à granularité fine. On met en évidence les impacts des schémas de mobilité local (urbain vs. rural) sur la recharge des VE et sur le réseau de distribution, et les possibles de complémentarités avec la génération renouvelable distribuée (photovoltaïque).Finalement, on analyse des mécanismes de flexibilité implémentés par des opérateurs de réseau de distribution en Europe. Un cas d’étude numérique permet d’identifier les principales règles de marché qui impactent la participation des VE à ces mécanismes et le niveau de rémunération qu’ils peuvent atteindre. Des recommandations de réglementation sont formulées.

Thermal comfort of drivers and passengers inside cars compartments is a subject bouncing back to the spotlight with the electrification of vehicles. In fact, air conditioning and heating systems can reduce the battery autonomy of electric vehicles by up to 50% under certain conditions. On the other hand, the most used thermo-physiological models nowadays are still those that consider a standard average person. Many studies showed the limitations of these models in predicting thermal comfort for different populations in complex environments. Therefore, if a personal thermal comfort at minimum vehicle energy consumption is required, a deep consideration should be given to the understanding of the individualization of the thermo-physiological model and to identifying key parameters that have the most influence on thermal comfort. An individualization procedure followed by an experimental validation of the customized model is presented. Considering individual characteristics was shown to improve the model by 20% on average.; Le confort thermique des conducteurs et des passagers dans les compartiments de la voiture est un sujet qui redevient d’actualité avec l'électrification des véhicules. En fait, les systèmes de climatisation et de chauffage peuvent réduire l'autonomie des véhicules électriques jusqu'à 50% dans certaines conditions. D'autre part, les modèles de représentation des personnes les plus utilisés sont encore ceux qui considèrent une personne moyenne standard. De nombreuses études ont montré les limites de ces modèles dans la prévision du confort thermique de différentes populations dans des environnements complexes. Par conséquent, si un confort thermique personnel correspondant à une consommation minimale d’énergie du véhicule est requis, il convient d’accorder une attention particulière à la compréhension de l’individualisation du modèle thermo-physiologique et à l’identification des paramètres clés ayant le plus d’influence sur le confort thermique. Une procédure d’individualisation a été exposée suivi d’une validation expérimentale du modèle personnalisé. La prise en compte des caractéristiques individuelle améliore la prédiction du modèle de 20% en moyenne.

The transport sector is the leading greenhouse gas-emitting sector, and accounts for nearly a third of the energy consumed in France. Therefore, in the current context of ecological emergency, the development of green mobility has become a global economic issue. The electric vehicle is a sustainable alternative that complies with environmental requirements. We were interested in how to adapt the delivery system of a company interested in converting its fleet of internal combustion vehicles with a fleet of electric vehicles. The electric vehicle has three challenges: driving range, recharging time and the lack of recharging stations. These three challenges impose a specific organization of delivery routing to determine the best routes at minimum cost. In our work, we propose and evaluate optimization methods for solving this problem in order to obtain viable solutions., Le secteur des transports représente le 1er secteur émetteur de gaz à effet de serre et totalise près d’un tiers de l’énergie consommée en France. Aussi, dans le contexte actuel d’urgence écologique, le développement d’une mobilité verte est devenu un enjeu économique mondial. Le véhicule électrique constitue une alternative durable respectant les exigences environnementales. Nous nous sommes intéressés aux modalités d’adaptation du système de distribution d’une entreprise souhaitant remplacer sa flotte de véhicules thermiques par une flotte de véhicules électriques. Le véhicule électrique présente trois défis majeurs : l’autonomie, le temps de recharge et le manque de stations de recharge. Ces trois défis imposent une organisation spécifique des tournées de livraison pour déterminer les meilleurs trajets à coût minimum. Nous proposons et évaluons dans notre travail des méthodes d’optimisation pour résoudre cette problématique permettant d’obtenir des solutions viables.

The HVAC system represents the main auxiliary load in battery-powered electric vehicles (BEVs) and requires efficient control approaches that balance energy saving and thermal comfort. On the one hand, passengers always demand more comfort, but on the other hand the HVAC system consumption strongly impacts the vehicle’s driving range, which constitutes a major concern in BEVs. Both of these requirements should be satisfied by the control approach, by suggesting to the driver to adjust either the thermal comfort or the vehicle speed, in order to meet the energy constraints. Indeed, if there is not enough embedded energy for both traction and optimal thermal comfort for the planned trip, the thermal comfort should be diminished in order to save energy and allow the vehicle to reach its final destination or the next charging point. In some situations, it may be wiser to consider slowing down in order to allow a better thermal comfort. In the present thesis, an optimal thermal comfort management approach that optimizes the thermal comfort while preserving the driving range during a trip is proposed. The electric vehicle is first modeled including the powertrain and the HVAC system. Secondly, the passengers’ thermo-physiological behavior and thermal comfort indices are presented. Then, the thermal comfort management issue is formulated as an optimization problem and solved by dynamic programing algorithm. Two representative test-cases of hot climates and traffic situations are simulated. In the first one, the energetic cost and ratio of improved comfort is quantified for different meteorological and traffic conditions. The second one highlights the traffic situation in which a trade-off between the driving speed and thermal comfort is important. A large number of weather and traffic situations are simulated and results show the efficiency of the proposed optimal approach in minimizing energy consumption while maintaining a good comfort. A comparison between different thermal comfort indices is finally conducted, to assess the gains from using our model of human thermo-physiology. While the results of the optimal approach were promising and validate the principle of thermal comfort and energy management, the computation cost of dynamic programing is still too high for an implementation in an on-board computer. A real-time energy management strategy was therefore developed, by using the results of the optimal approach, and a simplified but still precise and representative model of thermal comfort. Based on traffic and weather predictions for a given trip, the real time algorithm first estimates the energy required for the traction and the energy available for thermal comfort. Then, it determines the best thermal comfort that can be provided in these energetic conditions and controls the HVAC system accordingly. If the predictions are updated during the trip, the algorithm adjust the thermal comfort level to meet the energy constraint. The real-time algorithm is tested for a wide variety of meteorological and traffic scenarios. Results show that the energy estimators have a good accuracy. The absolute relative error is about 1.7% for the first one (traction), and almost 4.1% for the second one (thermal comfort). The effectiveness of the proposed thermal comfort management strategy is assessed by comparing it to an off-line optimal control approach based on dynamic programming. Simulation results show that the proposed approach is near-optimal, with a slight increase of discomfort by only 3%., Le système HVAC représente la principale charge auxiliaire des véhicules électriques à batterie (VEB) et nécessite des approches de contrôle efficaces qui équilibrent entre consommation énergétique et confort thermique. D'une part, les passagers exigent toujours plus de confort, mais d'autre part la consommation du système HVAC impacte fortement l'autonomie du véhicule, ce qui constitue un enjeu majeur des VEB. Ces deux exigences doivent être satisfaites par la stratégie de gestion énergétique, en suggérant au conducteur d'ajuster soit le confort thermique, soit la vitesse du véhicule, afin de satisfaire la contrainte d’énergie disponible. En effet, s'il n'y a pas assez d'énergie embarquée pour la traction et pour un confort thermique idéal, ce dernier doit être diminué afin d'économiser de l'énergie et permettre au véhicule d'atteindre sa destination finale ou le prochain point de recharge. Dans certaines situations, il peut être plus judicieux de ralentir afin de permettre un meilleur confort thermique. Dans la présente thèse, une approche de gestion optimale du confort thermique qui optimise le confort thermique tout en préservant l'autonomie lors d'un trajet est proposée. Le véhicule électrique est d'abord modélisé. Ensuite, le comportement thermo-physiologique du conducteurs/passagers ainsi que les indices de confort thermique des passagers sont présentés. Le problème de la gestion du confort thermique est formulé comme un problème d'optimisation et résolu par l’algorithme de programmation dynamique. Deux cas-tests représentatifs de climats chauds et de situations de trafic sont simulés. Dans le premier cas-test, le coût énergétique et le ratio de confort amélioré sont quantifiés pour différentes conditions météorologiques et de circulation. Le second cas-test met en évidence les situation de trafic dans lesquelles un compromis entre la vitesse du véhicule et le confort thermique est important. Un grand nombre de scénarios météorologiques et routiers sont simulées et les résultats montrent l'efficacité de l'approche optimale proposée pour minimiser la consommation d'énergie tout en maintenant un confort acceptable. Une comparaison entre différents indices de confort thermique est enfin réalisée, pour évaluer les gains de l'utilisation du modèle thermo-physiologique. Si les résultats de l'approche optimale sont prometteurs et valident le principe du confort thermique et de la gestion énergétique, le coût de calcul de la programmation dynamique reste important pour une implémentation à bord dans un véhicule électrique. Une stratégie de gestion énergétique en temps réel a donc été développée, en utilisant les résultats de l'approche optimale, et un modèle simplifié mais toujours précis et représentatif du confort thermique. Sur la base des prévisions de trafic et de météo pour un trajet donné, l'algorithme temps réel estime d'abord l'énergie nécessaire à la traction et l'énergie disponible pour le confort thermique. Ensuite, il détermine le meilleur niveau de confort qui peut être fourni dans ces conditions énergétiques et contrôle le système HVAC en conséquence. Si les prévisions sont mises à jour pendant le trajet, l'algorithme ajuste le niveau de confort thermique pour satisfaire la contrainte d’énergie disponible. L'algorithme en temps réel est testé pour une grande variété de scénarios météorologiques et de trafic. Les résultats montrent que les estimateurs d'énergie ont une bonne précision. L'erreur relative absolue est d'environ 1,7% pour le premier (traction), et de près de 4,1% pour le second (confort thermique). L'efficacité de la stratégie de gestion du confort thermique proposée est évaluée en la comparant à une approche de contrôle optimal hors ligne basée sur une programmation dynamique. Les résultats de la simulation montrent que l'approche proposée est quasi optimale, avec une légère augmentation de l'inconfort de seulement 3%.

The eco-driving strategies are dedicated approaches based on algorithms capable to use external and internal vehicle data to create recommendations and/or limitations over the driver or to generate automatically a complete reference to be followed in the case of autonomous vehicle. They let to reduce the energy consummation and to limit the pollution emissions, but currently, their usage is not directly related to the autonomy and the performance required by the driver in real time. In this context, this thesis work proposes an Eco-Driving strategy suitable for electric motorcycle with usage limitations. In fact, this strategy uses an optimal controller able to make an online optimization process. This controller is oriented to ensure that the energy available is enough to complete a demanded trip and to adapt the speed profile according to the usage requirements and the energetic constraints. The developed strategy integrates dynamic models carrying out an optimization under multi-physic constraints (electric, mechanic, thermal …etc) present in the main elements of the power chain: electric machine, power electronics converters and battery. Those models let to make a global energy behavior representation. The NMPC optimization technic (non-linear model predictive controller) is supported on a non-linear mechanical model joined to a weight unidimensional non-linear optimization. This means that the NMPC cost function weights can evolve in function of energy behavior and external constraints. This multi-objective cost function integrates (in a progressive way) different behaviors that related to the energy consumption classified by a weighting sensitivity study. This process lets to find a good balance between the optimization goal and the compilation time to satisfy real-time needs. The developed approach has been validated in simulation and in experimental with a reduced scale developed test bench. The validation shows that the algorithm is able to increase around 20% the autonomy with a maximum limit of 30% of the speed and acceleration for the strict usage cases (dynamic driving). In addition, the algorithm is capable to ensure completing the travel in the 98% of cases with a distance error lower than 1.5% in the presence of sensors and actuator noises.; Las estrategias de conducción ecológica son enfoques basados en algoritmos capacesde utilizar los datos del vehículo para crear recomendaciones sobre el conductor o generar una referencia completa a seguir en el caso de un vehículo autónomo. Estos, permiten reducir el consumo de energía pero actualmente su uso no está directamente relacionado con la autonomía y el rendimiento requerido por el conductor en tiempo real. En este contexto, este trabajo de tesis propone una estrategia de conducción ecológica adecuada para motocicletas eléctricas. De hecho, esta estrategia utiliza un controlador óptimo capaz de realizar un proceso de optimización online. Este controlador está orientado a garantizar que la energía disponible sea suficiente para completar un viaje demandado. Para cumplir esa meta, el control optimo adapta el perfil de velocidad de acuerdo con los requisitos de uso y las limitaciones energéticas. El enfoque desarrollado ha sido validado con un banco de pruebas desarrollado a escala reducida. La validación muestra que el algoritmo puede aumentar un 20 % la autonomía con una límitacion máxima del 30 % de la velocidad y aceleración para los casos de uso estricto. Además, el algoritmo es capaz de asegurar la capacidad para completar el recorrido en el 98 % de los casos con un error de distancia inferior al 1,5 %.; Les stratégies d’éco-conduite sont des approches dédiées matérialisées par des algorithmes capables d'utiliser des informations internes et externes liées à l’environnement du véhicule afin de créer des recommandations et/ou des limitations au conducteur et de générer automatiquement un profil d’usage pour le cas d’un véhicule autonome. Elles permettent notamment de réduire la consommation d'énergie et limiter les émissions de polluants, mais souvent n’intègrent pas directement l'autonomie et les performances requises par le conducteur en temps réel. Ces travaux de thèse visent à développer une stratégie d'éco-conduite adaptée aux motos électriques en intégrant les contraintes d’usage. En effet, la stratégie proposée utilise un contrôleur optimal basé sur une approche d’optimisation en temps réel. Cette dernière est orientée pour garantir que l'énergie disponible soit suffisante pour effectuer le trajet demandé, en adaptant le profil de vitesse suivant les conditions d’usage et les contraintes énergétiques. Pour ce faire, cette stratégie a mobilisé différents modèles considérant des contraintes multi-physiques (électriques, mécaniques, thermiques, ...etc.) des principaux éléments constituant la chaine de conversion : machine électrique, convertisseurs d’électronique de puissance et batterie, afin de tenir compte le comportement énergétique global. La stratégie proposée s’appuie sur un modèle non linéaire prédictif de commande (NMPC) associé à une optimisation unidimensionnelle non linéaire avec une fonction coût évolutive. Cette fonction intègre d’une manière progressive, au même niveau, plusieurs critères qui ont été départagés par une étude de sensibilité des coefficients de pondération, en tenant compte du temps de compilation pour satisfaire les besoins du temps réel. Ces travaux ont été validés en simulation et expérimentation sur un banc de test développé à échelle réduite. Cette validation a montré que la stratégie permet d'augmenter de 20% l'autonomie avec une limitation maximale de 30% de la vitesse et l’accélération pour les cas d’usage les plus contraignants (conduites dynamiques). En outre, la stratégie est capable de garantir la fin du trajet à 98% avec une erreur de distance inférieure à 1,5%, en présence de bruits de capteurs et d'actionneur.

The eco-driving strategies are dedicated approaches based on algorithms capable to use external and internal vehicle data to create recommendations and/or limitations over the driver or to generate automatically a complete reference to be followed in the case of autonomous vehicle. They let to reduce the energy consummation and to limit the pollution emissions, but currently, their usage is not directly related to the autonomy and the performance required by the driver in real time. In this context, this thesis work proposes an Eco-Driving strategy suitable for electric motorcycle with usage limitations. In fact, this strategy uses an optimal controller able to make an online optimization process. This controller is oriented to ensure that the energy available is enough to complete a demanded trip and to adapt the speed profile according to the usage requirements and the energetic constraints. The developed strategy integrates dynamic models carrying out an optimization under multi-physic constraints (electric, mechanic, thermal …etc) present in the main elements of the power chain: electric machine, power electronics converters and battery. Those models let to make a global energy behavior representation. The NMPC optimization technic (non-linear model predictive controller) is supported on a non-linear mechanical model joined to a weight unidimensional non-linear optimization. This means that the NMPC cost function weights can evolve in function of energy behavior and external constraints. This multi-objective cost function integrates (in a progressive way) different behaviors that related to the energy consumption classified by a weighting sensitivity study. This process lets to find a good balance between the optimization goal and the compilation time to satisfy real-time needs. The developed approach has been validated in simulation and in experimental with a reduced scale developed test bench. The validation shows that the algorithm is able to increase around 20% the autonomy with a maximum limit of 30% of the speed and acceleration for the strict usage cases (dynamic driving). In addition, the algorithm is capable to ensure completing the travel in the 98% of cases with a distance error lower than 1.5% in the presence of sensors and actuator noises.; Las estrategias de conducción ecológica son enfoques basados en algoritmos capacesde utilizar los datos del vehículo para crear recomendaciones sobre el conductor o generar una referencia completa a seguir en el caso de un vehículo autónomo. Estos, permiten reducir el consumo de energía pero actualmente su uso no está directamente relacionado con la autonomía y el rendimiento requerido por el conductor en tiempo real. En este contexto, este trabajo de tesis propone una estrategia de conducción ecológica adecuada para motocicletas eléctricas. De hecho, esta estrategia utiliza un controlador óptimo capaz de realizar un proceso de optimización online. Este controlador está orientado a garantizar que la energía disponible sea suficiente para completar un viaje demandado. Para cumplir esa meta, el control optimo adapta el perfil de velocidad de acuerdo con los requisitos de uso y las limitaciones energéticas. El enfoque desarrollado ha sido validado con un banco de pruebas desarrollado a escala reducida. La validación muestra que el algoritmo puede aumentar un 20 % la autonomía con una límitacion máxima del 30 % de la velocidad y aceleración para los casos de uso estricto. Además, el algoritmo es capaz de asegurar la capacidad para completar el recorrido en el 98 % de los casos con un error de distancia inferior al 1,5 %.; Les stratégies d’éco-conduite sont des approches dédiées matérialisées par des algorithmes capables d'utiliser des informations internes et externes liées à l’environnement du véhicule afin de créer des recommandations et/ou des limitations au conducteur et de générer automatiquement un profil d’usage pour le cas d’un véhicule autonome. Elles permettent notamment de réduire la consommation d'énergie et limiter les émissions de polluants, mais souvent n’intègrent pas directement l'autonomie et les performances requises par le conducteur en temps réel. Ces travaux de thèse visent à développer une stratégie d'éco-conduite adaptée aux motos électriques en intégrant les contraintes d’usage. En effet, la stratégie proposée utilise un contrôleur optimal basé sur une approche d’optimisation en temps réel. Cette dernière est orientée pour garantir que l'énergie disponible soit suffisante pour effectuer le trajet demandé, en adaptant le profil de vitesse suivant les conditions d’usage et les contraintes énergétiques. Pour ce faire, cette stratégie a mobilisé différents modèles considérant des contraintes multi-physiques (électriques, mécaniques, thermiques, ...etc.) des principaux éléments constituant la chaine de conversion : machine électrique, convertisseurs d’électronique de puissance et batterie, afin de tenir compte le comportement énergétique global. La stratégie proposée s’appuie sur un modèle non linéaire prédictif de commande (NMPC) associé à une optimisation unidimensionnelle non linéaire avec une fonction coût évolutive. Cette fonction intègre d’une manière progressive, au même niveau, plusieurs critères qui ont été départagés par une étude de sensibilité des coefficients de pondération, en tenant compte du temps de compilation pour satisfaire les besoins du temps réel. Ces travaux ont été validés en simulation et expérimentation sur un banc de test développé à échelle réduite. Cette validation a montré que la stratégie permet d'augmenter de 20% l'autonomie avec une limitation maximale de 30% de la vitesse et l’accélération pour les cas d’usage les plus contraignants (conduites dynamiques). En outre, la stratégie est capable de garantir la fin du trajet à 98% avec une erreur de distance inférieure à 1,5%, en présence de bruits de capteurs et d'actionneur.

This thesis details three problems and two software tools related to dynamic decision making under uncertainty in vehicle routing and logistics, with an emphasis on the challenges encountered when adopting electric vehicles. We first introduce the electric vehicle routing problem with public-private recharging strategy in which vehicles may recharge en-route at public charging infrastructure as well as at a privately-owned depot. To hedge against uncertain demand at public charging stations, we design routing policies that anticipate station queue dynamics. We leverage a decomposition to identify good routing policies, including the optimal static policy and fixed-route-based rollout policies that dynamically respond to observed queues. The decomposition also enables us to establish dual bounds, providing a measure of goodness for our routing policies. In computational experiments using real instances from industry, we show the value of our policies to be within five percent of the value of an optimal policy in the majority of instances and within eleven percent on average. Further, we demonstrate that our policies significantly outperform the industry-standard routing strategy in which vehicle recharging generally occurs at a central depot. Our proposed methods for this problem stand to reduce the operating costs associated with electric vehicles, facilitating the transition from internal-combustion engine vehicles. We then consider the problem of an operator controlling a fleet of electric vehicles for use in a ridehailing service. The operator, seeking to maximize revenue, must assign vehicles to requests as they arise and recharge and reposition vehicles in anticipation of future requests. To solve this problem, we employ deep reinforcement learning, developing policies whose decision making uses Q-value approximations learned by deep neural networks. We compare these policies against a common taxi dispatching heuristic and against dual bounds on the value of an optimal policy, including the value of an optimal policy with perfect information which we establish using a Benders-based decomposition. We assess performance on instances derived from real data for the island of Manhattan in New York City. We find that, across instances of varying size, our best policy trained with deep reinforcement learning outperforms the taxi dispatching heuristic. We also provide evidence that this policy may be effectively scaled and deployed on larger instances without retraining. We then present a new general approach to modeling research problems as Atari-like videogames to make them amenable to recent solution methods from the deep reinforcement learning community. The approach is flexible, applicable to a wide range of problems. Here, we demonstrate its application on the well-studied vehicle routing problem with stochastic service requests. Our preliminary results on this problem, though not transformative, show signs of success and suggest that Atari-fication may be a useful modeling approach for researchers studying problems involving sequential decision making under uncertainty. We then introduce frvcpy, the first of our two proposed software tools. In the routing of electric vehicles, one of the most challenging tasks is determining how to make good charging decisions for an electric vehicle traveling a given route. This is known as the fixed route vehicle charging problem. An exact and efficient algorithm for this task exists, but its implementation is sufficiently complex to deter researchers from adopting it. Our proposed tool, frvcpy, is an open-source Python package implementing this algorithm. Our aim with the package is to make it easier for researchers to solve electric vehicle routing problems, facilitating the development of optimization tools that may ultimately enable the mass adoption of electric vehicles. Finally, we introduce the second software tool, Mapper. Mapper is a simple web-based visualizer of problem instances and solutions for vehicle routing problems. It is designed to accompany the suite of tools already available to users of the vehicle routing community's website, The Vehicle Routing Problem Repository (VRP-REP)., Cette thèse présente trois études menées sur des problèmes de tournées dynamiques. En particulière, elle se concentre sur les challenges résultants de l'utilisation de véhicules électriques dans les systèmes logistiques et de transports. Dans la première étude, nous introduisons le problème de tournées de véhicules électriques avec des bornes de recharge publiques et privées. Dans ce contexte, les véhicules peuvent recharger leurs batteries en route, dans des bornes publiques, ainsi qu'au dépôt (bornes privées). Pour se protéger contre l'incertitude de la disponibilité des bornes publiques, nous présentons des politiques de routage qui anticipent la dynamique des files d'attente des bornes. Nos politiques se basent sur une décomposition du problème en deux phases : routage et planification des opérations de recharge. Grâce à cette décomposition, nous obtenons la politique statique optimale, ainsi qu'un certain nombre de politiques dites « anticipatoires » et une borne inférieure. Des tests numériques effectués sur des instances réelles fournies par une entreprise, monter que nos politiques sont capables de livrer des solutions avec un gap d'optimalité de moins de 5%. Nos tests montrent aussi que permettre aux véhicules de charger en dehors du dépôt (même en présence d'incertitude sur la disponibilité des bornes) se traduit par des économies considérables dans la durée des routes. Dans la deuxième étude, nous considérons le problème d'un opérateur contrôlant une flotte de véhicules de tourisme avec chauffeur (VTCs) électriques. L'opérateur, qui cherche à maximiser ses revenus, doit affecter les véhicules aux demandes au fur et à mesure de leur apparition ainsi que charger et repositionner les véhicules en prévision des demandes futures. Pour attaquer ce problème, nous utilisons des approches basées sur l'apprentissage par renforcement profond. Pour mesurer la qualité de nos approches, nous avons développé aussi une heuristique proche de celle typiquement utilisée dans l'affectation de taxis, ainsi que des bornes supérieures. Nous testons nos approches dans des instances construites à partir de données réelles de l'île de Manhattan. Nos tests montrent que notre meilleure politique basée sur l'apprentissage profond livre des résultats supérieurs à ceux livrés par l'heuristique. Les tests montrent aussi que cette stratégie passe facilement à l'échelle et peut être déployée sur de plus grandes instances sans entrainement supplémentaire. La dernière étude introduit une nouvelle approche générique pour modéliser des problèmes d'optimisation dynamique sous la forme de jeux vidéo de type Atari. L'objectif est de les rendre abordables à travers de méthodes de solution issus de communauté d'apprentissage par renforcement profond. L'approche est flexible et applicable à un large éventail de problèmes. Pour illustrer son application, nous nous attaquons à un problème bien établie dans la littérature : le problème de tournées de véhicules avec des requêtes de service stochastiques. Nos résultats préliminaires sur ce problème sont très encourageants et montrent que « l'Atari-fication » peut être la voie pour résoudre des problèmes d'optimisation dynamique qui s'avèrent difficiles pour les approches basées sur les outils classiques de la recherche opérationnelle. Les derniers chapitres présentent deux logiciels développées pour supporter nos recherches. Le premier, nommé frvcpy, permet de déterminer l'insertion optimal des opérations de recharge dans une tournée prédéterminée. Ce logiciel et son code source, présenté comme une bibliothèque Python, a été mis à disposition de la communauté scientifique. Le deuxième outil, VRP-REP Mapper, est un outil web pour visualiser et analyser des solutions pour les problèmes de tournées de véhicules. Cette outil a été intégré a www.vrp-rep.org, la plateforme de référence pour le partage de données scientifiques dans le domaine.

In present-day logistics, reducing negative impacts on society and on the environment is a difficult challenge for companies. In transportation, the main difficulty lies in the fact that most of the fleet used for inland shipping, is composed of conventional internal combustion vehicles. Thus, in order to reduce negative environmental impacts, nowadays electric vehicles are considered a suitable option to replace conventional vehicles in last mile operations. Although usage of electric vehicles comes with many benefits, it has some disadvantages that are restricting a massive adoption. Some of the disadvantages of electric vehicles are limited mileage range, low vehicle speed, relatively long charging times, limited payload, and lack of recharging facilities. This thesis is devoted to the joint location and routing decisions where the fleet is constituted of electrical vehicles. The location decisions concern where, when and how to recharge the vehicles while the routing optimization will decide which customers to serve and in which order. The main goal of this thesis is to continue the encouragement to the transition to EVs by proposing new strategies, and solution tools for transportation, namely routing problems, in a city logistics context. Additionally to promote the transition to EVs, the problems presented in this thesis aims to tackle two issues related to the usage of EVs, the impact of the idle times caused by recharging times and the issues related to availability of recharging infrastructure., Aujourd'hui, la réduction des impacts négatifs sur la société et sur l'environnement est un défi difficile pour les entreprises. La principale difficulté réside dans le fait que la majeure partie de la flotte utilisée est composée de véhicules à combustion interne. Afin de réduire les impacts négatifs sur l'environnement, les véhicules électriques sont aujourd'hui considérés comme une option appropriée pour remplacer les véhicules conventionnels dans les opérations du dernier kilomètre. Bien que l'utilisation de véhicules électriques présente de nombreux avantages, elle présente certains inconvénients qui limitent une adoption massive. Certains des inconvénients des véhicules électriques sont une autonomie limitée, une faible vitesse, des temps de charge relativement longs, une charge utile limitée et le manque d'installations de recharge. Cette thèse est consacrée aux décisions conjointes de localisation et de routage lorsque la flotte est constituée de véhicules électriques. L'objectif principal de cette thèse est de continuer à encourager la transition vers les VE en proposant de nouvelles stratégies et des outils de solution pour le transport, appelés les problèmes de transport dans un contexte logistique urbain. En plus de promouvoir la transition vers les VE, les problèmes présentés dans cette thèse visent à aborder deux questions liées à l'utilisation des VE, l'impact des temps d'inactivité causés par les temps de recharge et les questions liées à la disponibilité de l'infrastructure de rechargement.

International audience; Polymers have become one of the key materials to manufacture high-performing, lightweight, fuel-efficient , safe, and affordable cars. Accounting for roughly one third of the parts in a vehicle, plastics meet traditional automotive requirements rather well: high specific mechanical properties, impact, thermal and chemical resistance, customization capabilities, easy formability, relatively low cost, and recyclability. However, the growing market for electric vehicles and the advanced digital technologies of autonomous driving are likely to redefine the use of polymers in the auto industry. Fortunately, polymers fit well with this new era. Some of their assets are more than ever crucial: molding parts with complex geometries or multiple functions integration, noise and vibration damping, and weight saving. Electric vehicles emitting less heat than internal combustion engine cars, a broader range of commodity plastics (e.g., polypropylene) could be used in place of costly engineering plastics (e.g., poly amides). In addition to being a light source, headlamps of self-driving cars will integrate electronics and sensors, e.g., lidars, radars and cameras, paving the way for advanced polymers able to warrant optical performance (light diffusion, transmission, colour) and heat management (enhanced importance of flame retar-dancy, thermal conductivity). Polymers can prevent the various waves emitted by the sensors from being disrupted by a barrier object (so-called ghost effect); hence, they are a suitable solution to cover and hide unsightly sensors without impeding radars with any shielding effect. Thanks to transparent materials like polycarbonate, a potential candidate for replacing glass in the windows and windscreens, automotive cockpits could be equipped with large touchscreens and smart surfaces displaying images. Besides, electroactive (i.e., ionic electroactive, liquid-crystal, piezoelectric, fer-roelectric) polymers, such as polyvinylidene fluoride and potentially piezoelectric polylactic acid, might revolutionize acoustic speaker systems thanks to the integration of vibrating surfaces in dashboard or head-rests acting as a resonance chamber. With the development of carsharing, there is also a need for sensory appealing polymers formulated to be dirt-repellent or easy to clean, durable, and scratch-resistant (also in soft-touch surfaces). At last, polymers have a role to play in the next-generation batteries as membranes, separators, elec-trolytes and electrode compounds, a field where research efforts are intensive. Thus, no doubt, polymers have the potential to meet the ever-more-demanding requirements of the reshaped automotive market.

Transport industry being one the first CO2 emitters, there is an urgent need to decarbonize this sector, which could be achieved by the conjunction of the electrification of the vehicles and decarbonization of the electricity generation mix. In conjunction with increasing flexibility needs to support the introduction of Renewable Energy Sources, the development of Electric Vehicles could add new constraints for System Operators if charging process is not managed in a smart way.However, considering mobility requirements, there is a flexibility in the charging pattern of the vehicles, which could be used to offer flexibility services to System Operators, using smart-charging algorithms. Moreover, this flexibility could increase with the possibility to have reverse flow from the battery to the grid.Research focused mainly, during last years, on the design of algorithms to provide services with electric vehicles, taking into account mobility needs of users. In this thesis, we try to go beyond this design of algorithms, going through the different steps to elaborate a viable business model. We focus on the provision of one service – Frequency Containment Reserve – identified as the most valuable for Electric Vehicles equipped with bidirectional chargers.; Les ventes de Véhicules Electriques ont été en constante augmentation ces dix dernières années, stimulées par l’adoption de politique publique favorisant la décarbonation du secteur automobile. Dans un contexte d’accroissement des énergies renouvelables dans le mix énergétique, entraînant des besoins plus important en flexibilité, la diffusion massive des véhicules électriques pourrait constituer une nouvelle source de contrainte pour les gestionnaire de réseaux d'électricité si la recharge n’est pas gérée de manière intelligente.La gestion de la recharge des flottes de Véhicules Electriques peut aussi constituer une opportunité pour apporter cette flexibilité, en particulier si les véhicules sont équipés de chargeurs bidirectionnels, capables de réinjecter de l’électricité dans le système pour équilibrer les réseaux.La recherche s’est principalement intéressée à la conception d’algorithmes permettant cette recharge « intelligente », qui prennent en compte les besoins en mobilité des utilisateurs, tout en fournissant différents services de flexibilité.Cette thèse s’attache à aller au-delà de l’aspect algorithmique, en balayant l’ensemble des aspects qui permettraient d’aboutir à un modèle d’affaire viable, et en se focalisant sur la fourniture d’un type de service : la réserve primaire (Frequency Containment Reserve), qui constitue le service identifié comme ayant la plus forte valeur pour des flottes de Véhicules équipés de chargeurs bidirectionnels.

The implementation of electric vehicles in the freight transport sector presents a sustainable solution that meets environmental and economic objectives. This thesis is oriented in this direction, it deals with the study of the problems of electric transportation according to two decisional levels namely the strategic and operational levels.At the strategic level, we study the problem of the location of the wireless charging infrastructure in a transport network composed of multiple routes between the origin and the destination. To find a strategic solution to this problem, we first and foremost propose a nonlinear integer programming solution to reach a compromise between the cost of the battery, which is related to its capacity, and the cost of installing the power transmitters, while maintaining the quality of the vehicle's routing. Thus, we show the utility of our work in an industrial context through the 'Green Truck' project. This project consists of replacing diesel trucks by inductive trucks in the industrial-port area of Le Havre. Initially, we are dealing with the problem of allocation of dynamic charging segments. In a second step, we integrate the static reload mode in the allocation strategy. We adapt the multi-objective particle swarm optimization (MPSO) approach to our problem, as the particles were robust in solving nonlinear optimization problems. Since we have a multi-objective problem with two binary variables, we combine the binary and discrete versions of the particle swarm optimization approach with the multi-objective one. To assess the quality of solutions generated by the PSO algorithm, the problem is transformed into an equivalent linear programming problem and solved with CPLEX optimizer. The results are analyzed and discussed in order to point out the efficiency of our resolution method.At the operational level, we study a new version of the vehicle routing problem with a mix fleet of electric and combustion vehicles, which is a real industrial network encountered in practice. The particularity of our work lies in the consideration of the case where emissions are limited by an emission cap system for conventional vehicles. In order to solve the mathematical model that we have developed, we have included three heuristics in the SPEA-II algorithm that respond to the constraints generated by the limited battery of electric vehicles. After analyzing the performance of the resulting algorithm, we conclude that the resolution approach achieves competitive results.; La mise en oeuvre des véhicules électriques dans le secteur du transport de fret présente une solution durable qui répond aux objectifs environnementaux et économiques. Cette thèse s'oriente dans cette direction, elle porte sur l'étude des problèmes de transport électrique selon deux niveaux décisionnels à savoir le niveau stratégique et opérationnel.Au niveau stratégique, nous traitons le problème d'allocation des segments de recharge d'un véhicule électrique par des ondes électromagnétiques. Pour cela, nous proposons une modélisation du problème sous forme de programme mathématique mixte en nombre entier qui tient compte de la particularité du réseau routier et du véhicule. L'objectif est de déterminer; dans un réseau qui se compose de plusieurs chemins; une allocation stratégique qui constitue un compromis entre le coût d'achat du matériel de recharge et le coût de la batterie en satisfaisant un ensemble de contraintes liées au fonctionnement du système lors de l'exploitation et qui garantissent l'arrivée du véhicule à sa destination sans rupture de charge. Ainsi, nous montrons l'utilité de nos travaux dans un contexte industriel à travers le projet 'Green Truck'. Ce projet consiste à remplacer les camions à combustion par les camions électriques; adapté à la technologie d'alimentation par induction; dans la zone industrialo-portuaire du Havre. Dans cette optique et dans un premier temps, nous traitons le problème d'installation des segments de recharge dynamique. Dans un deuxième temps, nous intégrons le mode de rechargement statique dans la stratégie d'allocation. Nous adoptons la version multi-objective de l'algorithme d'optimisation par essaim de particules pour résoudre le problème. En effet, l'algorithme a montré sa robustesse et son efficacité vis-à-vis de problèmes d'optimisation non-linéaires. Après la linéarisation de notre modèle, nous comparons les résultats obtenus avec ceux issus à partir du solveur CPLEX. Nous montrons la validité des résultats obtenus à travers leur analyse et leur discussion.Au niveau opérationnel, nous étudions le problème de tournées de véhicules dans le cas d'une flott( mixte composée de véhicules électriques et à combustion, ce qui est un véritable réseau industrie rencontré dans la pratique. La particularité de notre travail réside dans la considération du cas où le émissions sont limitées par un système de plafonnement d'émissions pour les véhicule conventionnels. Afin de résoudre le modèle mathématique que nous avons élaboré, nous avons indu trois heuristiques dans l'algorithme SPEA-II qui répondent aux contraintes engendrées par la batterie limitée des véhicules électriques. Après l'analyse des performances de l'algorithme résultant, nou, concluons que l'approche de résolution permet d'achever des résultats compétitifs.

Transport industry being one the first CO2 emitters, there is an urgent need to decarbonize this sector, which could be achieved by the conjunction of the electrification of the vehicles and decarbonization of the electricity generation mix. In conjunction with increasing flexibility needs to support the introduction of Renewable Energy Sources, the development of Electric Vehicles could add new constraints for System Operators if charging process is not managed in a smart way.However, considering mobility requirements, there is a flexibility in the charging pattern of the vehicles, which could be used to offer flexibility services to System Operators, using smart-charging algorithms. Moreover, this flexibility could increase with the possibility to have reverse flow from the battery to the grid.Research focused mainly, during last years, on the design of algorithms to provide services with electric vehicles, taking into account mobility needs of users. In this thesis, we try to go beyond this design of algorithms, going through the different steps to elaborate a viable business model. We focus on the provision of one service – Frequency Containment Reserve – identified as the most valuable for Electric Vehicles equipped with bidirectional chargers., Les ventes de Véhicules Electriques ont été en constante augmentation ces dix dernières années, stimulées par l’adoption de politique publique favorisant la décarbonation du secteur automobile. Dans un contexte d’accroissement des énergies renouvelables dans le mix énergétique, entraînant des besoins plus important en flexibilité, la diffusion massive des véhicules électriques pourrait constituer une nouvelle source de contrainte pour les gestionnaire de réseaux d'électricité si la recharge n’est pas gérée de manière intelligente.La gestion de la recharge des flottes de Véhicules Electriques peut aussi constituer une opportunité pour apporter cette flexibilité, en particulier si les véhicules sont équipés de chargeurs bidirectionnels, capables de réinjecter de l’électricité dans le système pour équilibrer les réseaux.La recherche s’est principalement intéressée à la conception d’algorithmes permettant cette recharge « intelligente », qui prennent en compte les besoins en mobilité des utilisateurs, tout en fournissant différents services de flexibilité.Cette thèse s’attache à aller au-delà de l’aspect algorithmique, en balayant l’ensemble des aspects qui permettraient d’aboutir à un modèle d’affaire viable, et en se focalisant sur la fourniture d’un type de service : la réserve primaire (Frequency Containment Reserve), qui constitue le service identifié comme ayant la plus forte valeur pour des flottes de Véhicules équipés de chargeurs bidirectionnels.

Freight transport. The needs of freight transport companies are assessed through some forty interviews conducted in four European countries and analyzed in the light of innovation diffusion theory. These interviews highlight the operational and economic obstacles to the use of electric vehicles, which are linked to the technology itself but also to its novelty.A quantitative approach completes this study. It is based on a market share prediction model, which quantifies how economic and operational constraints evolve with technological developments. These constraints are measured by two indicators: the vehicle's range adequacy given its use and total cost of ownership (TCO) comparisons. An original feature of the model is that it treats the amount of subsidies for the purchase of an electric vehicle as an endogenous variable that dynamically adapts to market developments.In order to compensate for the lack of available data on commercial vehicle uses, a statistical model has been developed. This model makes the best use of data from a survey on light commercial vehicles in France, conducted by the statistical department of the Ministry of the Environment (SDES).These analyses confirm that the development of the electric vehicle market is not certain and that it is currently extremely dependent on public support. Even in scenarios of continued financial support from public administrations, exponential market growth is unlikely. Rather, the market will grow slowly for many years to come, the time for technology to overcome its8dependence on public financial support. For example, our reference scenario forecasts a 13% market share for electric vans in 2032; Le marché des véhicules électriques est animé par une dynamique très positive. Il s'agit cependant essentiellement d'un marché de niche. Il est donc légitime de s’interroger quant à son avenir.D'une part, cette dynamique est portée par de fortes préoccupations environnementales et bénéficie d'un large soutien des autorités publiques. Les constructeurs automobiles ont ces dernières années fortement investi dans cette technologie, les progrès technologiques sont rapides et offrent des perspectives intéressantes.D'autre part, des subventions conséquentes sont aujourd’hui nécessaires pour permettre aux véhicules électriques d’être compétitifs. Il est inévitable que ces subventions diminuent si le marché grandit. Deux mécanismes opposés sont donc en jeu et rendent incertain le développement du marché des véhicules électriques pour les années à venir.Notre recherche propose d'analyser ces mécanismes pour les véhicules utilitaires légers, et plus particulièrement pour le transport urbain de marchandises. Les besoins des entreprises de transport de marchandises sont évalués à travers une quarantaine d'entretiens, menés dans quatre pays européens et analysés à la lumière de la théorie de la diffusion de l'innovation. Ces entretiens mettent en évidence les obstacles opérationnels et économiques à l'utilisation de véhicules électriques, qui sont liés à la technologie elle-même mais aussi à sa nouveauté.Une approche quantitative complète cette étude. Elle s’appuie sur un modèle de prédiction de parts de marché, qui quantifie la façon dont les contraintes économiques et opérationnelles évoluent avec les développements technologiques. Ces contraintes sont mesurées par deux indicateurs: l'adéquation de l'autonomie du véhicule avec son usage et les comparaisons de coûts totaux de possession (TCO). Une originalité du modèle est qu’il traite le montant des subventions à l’achat d’un véhicule électrique comme une variable endogène, qui s’adapte dynamiquement aux évolutions du marché.Afin de compenser le manque de données disponibles sur les usages des véhicules utilitaires, un modèle statistique a été développé. Ce modèle permet d’exploiter au mieux les données d'une enquête sur les véhicules utilitaires légers en France, menée par le service de la donnée et des études statistiques (SDES) du Ministère de la Transition Écologique et Solidaire

This thesis aims at modelling and solving optimization problems related to the management of one-way-electric-car-sharing systems, where users can take a car from a station, use it, and then return it to another station. This generally leads to an imbalanced distribution of cars, with some full stations and other empty ones. A solution to this problem, implemented by car-sharing operators, is to employ staff agents to move cars as needed. However, identifying this need is a non-trivial optimization problem, especially since the system may be more constrained when the vehicles used are electric, which generates battery recharging and autonomy constraints. The global optimization problem addressed is then divided into two sub-problems. The first one is assigning the cars to customers, as well as their routing; it is denoted by ROCSP (Recharging OneWay Car Sharing Problem). The second problem involves agents planning and routing; it is denoted by ESRP (Employee Scheduling Routing Problem). 1. For the ROCSP, we propose two Mixed-integer linear programming (MILP) modelizations of the problem: One based on flows and the other based on paths. This means that the two models include the battery-recharging constraints in two different ways. As the exact resolution through the MILP models is quite expensive in terms of computational time and is not adapted for the resolution of real-size car-sharing instances, we introduce heuristics that enable the optimization of cars-redistribution and service management of the service within a reasonable amount of time. These heuristics allows the calculation of the number of cars and the various redistribution operations to be performed on a given day. 2. For the ESRP, this second problem is also addressed with MILP models for the exact resolution, and some heuristics are suggested for an approximate resolution. This process has reasonable calculation time and aims at finding the minimum number of agents to perform the necessary relocation operations that stem from the first problem, namely, the ROCSP. Once the ROCSP and ESRP solved in their static versions, we then focus on the ROCSP by exploring another variant of the problem : ROCSP with dynamic reservation. We also suggest to explore a new concept : Auto-CoPartage, which is a hybridization of car-sharing and carpooling. The stated algorithms are validated on the Auto Bleue electrical vehicles fleet in the network of the city of Nice, essentially by relying on flow generation models to estimate the demand, but also using other instances that we have generated for other cities. All the data are handled using a Geographical Information System.; Cette thèse a pour objectif de modéliser et résoudre des problèmes d’optimisation d’un système d’auto-partage avec des voitures électriques dit « à un seul sens », où les utilisateurs peuvent prendre une voiture dans une station et la laisser ensuite dans une autre. Ce fonctionnement conduit généralement à une situation de déséquilibre dans la répartition des voitures avec certaines stations pleines et d’autres vides. Une des solutions utilisées par les opérateurs d’autopartage pour pallier ce problème est le recours à des agents pour déplacer les voitures selon le besoin. Identifier et répondre à ce besoin est un problème d’optimisation non trivial, notamment à cause de l’usage de véhicules électriques, ce qui engendre des contraintes de rechargement de batteries et d’autonomie. Le problème d’optimisation est décomposé en deux sous-problèmes : le premier est le problème d’affectation des voitures aux clients, ainsi que leurs routages, que nous nommons ROCSP pour Recharging One way Car Sharing Problem ; le second problème est celui du planning des agents et leurs routages que nous nommons ESRP pour Employee Scheduling Routing Problem. 1. Résolution du ROCSP : deux modélisations en Programmation Linéaire en Nombres Entiers (PLNE) sont proposées, la première basée sur les flots et la deuxième sur les chemins, ce qui fait que les deux modèles intègrent de manière différente les contraintes de recharge électrique. Comme la résolution exacte à travers les modèles PLNE s’avère très gourmande en temps de calcul et non adaptée aux instances d’auto-partage de taille réelle, nous proposons des heuristiques qui permettent dans un temps raisonnable d’optimiser la redistribution des voitures et la gestion du service. Ces heuristiques permettent de calculer le nombre de voitures et les différentes opérations de relocalisation (redistribution des voitures) à réaliser sur une journée donnée. 2. Résolution du ESRP : un modèle PLNE est proposé pour la résolution exacte du ESRP, et, en complément, des heuristiques sont proposées pour une résolution approchée et relativement rapide. L’objectif est la détermination du nombre minimal d’agents nécessaire pour effectuer les opérations de relocalisation qui découlent du premier problème, le ROCSP. Dans une partie prospective, et une fois les ROCSP et ESRP résolus dans leur version statique, nous nous focaliserons sur une autre variante du problème avec réservation dynamique. Nous proposons également d’explorer un nouveau concept - l’auto-copartage - qui se veut une hybridation entre autopartage et covoiturage. Les algorithmes proposés ont été validés sur le réseau Auto Bleue de la ville de Nice essentiellement, qui gère une flotte de véhicules électriques, en s’appuyant sur des modèles de génération de flux pour estimer la demande, mais aussi d’autres instances que nous avons générées pour simuler d’autres villes, au sein d’un Système d’Information Géographique.

This thesis aims at modelling and solving optimization problems related to the management of one-way-electric-car-sharing systems, where users can take a car from a station, use it, and then return it to another station. This generally leads to an imbalanced distribution of cars, with some full stations and other empty ones. A solution to this problem, implemented by car-sharing operators, is to employ staff agents to move cars as needed. However, identifying this need is a non-trivial optimization problem, especially since the system may be more constrained when the vehicles used are electric, which generates battery recharging and autonomy constraints. The global optimization problem addressed is then divided into two sub-problems. The first one is assigning the cars to customers, as well as their routing; it is denoted by ROCSP (Recharging OneWay Car Sharing Problem). The second problem involves agents planning and routing; it is denoted by ESRP (Employee Scheduling Routing Problem). 1. For the ROCSP, we propose two Mixed-integer linear programming (MILP) modelizations of the problem: One based on flows and the other based on paths. This means that the two models include the battery-recharging constraints in two different ways. As the exact resolution through the MILP models is quite expensive in terms of computational time and is not adapted for the resolution of real-size car-sharing instances, we introduce heuristics that enable the optimization of cars-redistribution and service management of the service within a reasonable amount of time. These heuristics allows the calculation of the number of cars and the various redistribution operations to be performed on a given day. 2. For the ESRP, this second problem is also addressed with MILP models for the exact resolution, and some heuristics are suggested for an approximate resolution. This process has reasonable calculation time and aims at finding the minimum number of agents to perform the necessary relocation operations that stem from the first problem, namely, the ROCSP. Once the ROCSP and ESRP solved in their static versions, we then focus on the ROCSP by exploring another variant of the problem : ROCSP with dynamic reservation. We also suggest to explore a new concept : Auto-CoPartage, which is a hybridization of car-sharing and carpooling. The stated algorithms are validated on the Auto Bleue electrical vehicles fleet in the network of the city of Nice, essentially by relying on flow generation models to estimate the demand, but also using other instances that we have generated for other cities. All the data are handled using a Geographical Information System.; Cette thèse a pour objectif de modéliser et résoudre des problèmes d’optimisation d’un système d’auto-partage avec des voitures électriques dit « à un seul sens », où les utilisateurs peuvent prendre une voiture dans une station et la laisser ensuite dans une autre. Ce fonctionnement conduit généralement à une situation de déséquilibre dans la répartition des voitures avec certaines stations pleines et d’autres vides. Une des solutions utilisées par les opérateurs d’autopartage pour pallier ce problème est le recours à des agents pour déplacer les voitures selon le besoin. Identifier et répondre à ce besoin est un problème d’optimisation non trivial, notamment à cause de l’usage de véhicules électriques, ce qui engendre des contraintes de rechargement de batteries et d’autonomie. Le problème d’optimisation est décomposé en deux sous-problèmes : le premier est le problème d’affectation des voitures aux clients, ainsi que leurs routages, que nous nommons ROCSP pour Recharging One way Car Sharing Problem ; le second problème est celui du planning des agents et leurs routages que nous nommons ESRP pour Employee Scheduling Routing Problem. 1. Résolution du ROCSP : deux modélisations en Programmation Linéaire en Nombres Entiers (PLNE) sont proposées, la première basée sur les flots et la deuxième sur les chemins, ce qui fait que les deux modèles intègrent de manière différente les contraintes de recharge électrique. Comme la résolution exacte à travers les modèles PLNE s’avère très gourmande en temps de calcul et non adaptée aux instances d’auto-partage de taille réelle, nous proposons des heuristiques qui permettent dans un temps raisonnable d’optimiser la redistribution des voitures et la gestion du service. Ces heuristiques permettent de calculer le nombre de voitures et les différentes opérations de relocalisation (redistribution des voitures) à réaliser sur une journée donnée. 2. Résolution du ESRP : un modèle PLNE est proposé pour la résolution exacte du ESRP, et, en complément, des heuristiques sont proposées pour une résolution approchée et relativement rapide. L’objectif est la détermination du nombre minimal d’agents nécessaire pour effectuer les opérations de relocalisation qui découlent du premier problème, le ROCSP. Dans une partie prospective, et une fois les ROCSP et ESRP résolus dans leur version statique, nous nous focaliserons sur une autre variante du problème avec réservation dynamique. Nous proposons également d’explorer un nouveau concept - l’auto-copartage - qui se veut une hybridation entre autopartage et covoiturage. Les algorithmes proposés ont été validés sur le réseau Auto Bleue de la ville de Nice essentiellement, qui gère une flotte de véhicules électriques, en s’appuyant sur des modèles de génération de flux pour estimer la demande, mais aussi d’autres instances que nous avons générées pour simuler d’autres villes, au sein d’un Système d’Information Géographique.

International audience; Ces dernières années ont vu se multiplier les travaux concernant les smart grids et notamment autour des problématiques de la charge des véhicules électriques (VE), qui en sera un aspect critique dans les années à venir. La littérature scientifique propose aujourd’hui des outils efficaces pour optimiser les flux d’énergie au sein de réseaux électriques, et planifier la charge de flottes de VE. Cependant, les difficultés liées à l’in-teropérabilité semblent largement sous-estimées. L’étude menée conjointement par l’IETR et Dropbird met en lumière les obstacles technologiques qui freinent considérablement le développement des solutions de recharge intelligente.

With the increased environmental concerns related to carbon emission, and rapid drop in battery prices (e.g., 35% drop in 2017), the market share of Electric Vehicles (EVs) is rapidly growing. The growing number of EVs along with the unprecedented advances in battery capacity and technology results in drastic increase in the total energy demand of EVs. This large charging demand makes the EV charging scheduling problem challenging. The critical challenge is the need for online solution design since in practical scenario the scheduler has no information of future arrivals of EVs in a time-coupled underlying problem. This thesis studies online EV scheduling problem and provides three main contributions. First, we demonstrate that the classical problem of online scheduling of deadlinesensitive jobs with partial values is similar to the EV scheduling problem and study the extension to EV charging scheduling by taking into account the processing rate limit of jobs as an additional constraint to the original problem. The problem lies in the category of time-coupled online scheduling problems without availability of future information. Using competitive ratio, as a well-established performance metric, two online algorithms, both of which are shown to be (2 − 1/U)-competitive are proposed, where U is the maximum scarcity level, a parameter that indicates demand-to-supply ratio. Second, we formulate a social welfare maximization problem for EV charging scheduling with charging capacity constraint. We devise charging scheduling algorithms that not only work in online scenario, but also they address the following two key challenges: (i) to provide on-arrival commitment; respecting the capacity constraint may hinder fulfilling charging requirement of deadline-constrained EVs entirely. Therefore, committing a guaranteed charging amount upon arrival of each EV is highly required; (ii) to guarantee (group)-strategy-proofness as a salient feature to promote EVs to reveal their true type and do not collude with other EVs. Third, we tackle online scheduling of EVs in an adaptive charging network (ACN) with local and global peak constraints. Two alternatives in resource-limited scenarios are to maximize the social welfare by partially charging the EVs (fractional model) or selecting a subset of EVs and fully charge them (integral model). For the fractional model, both offline and online algorithms are devised. We prove that the offline algorithm is optimal. We prove the online algorithm achieves a competitive ratio of 2. The integral model, however, is more challenging since the underlying problem is NP-hard due to 0/1 selection criteria of EVs. Hence, efficient solution design is challenging even in offline setting. We devise a low-complexity primal-dual scheduling algorithm that achieves a bounded approximation ratio. Built upon the offline approximate algorithm, we propose an online algorithm and analyze its competitive ratio in special cases, Avec les préoccupations environnementales croissantes liées aux émissions de carbone et la chute rapide des prix des batteries, la part de marché des véhicules électriques (EV) augmente rapidement. Le nombre croissant de EV ainsi que les progrès sans précédent dans la capacité de la batterie et de la technologie entraîne une augmentation drastique de la demande totale d'énergie destinée aux véhicules électriques. Cette forte demande de charge rend complexe le problème de planification de la charge. Même en prenant avantage de la propriété reportable des demandes de charge et d'une planification adéquate, la demande globale pourrait dépasser le taux de charge tolérable des stations, étant donné les contraintes physiques des dispositifs de charge et des transformateurs. Le principal défi est la nécessité de concevoir des solutions en ligne puisque, dans la pratique, l'ordonnanceur ne dispose d'aucune information sur les arrivées futures d'EV. Cette thèse étudie le problème d'ordonnancement des EV en ligne et fournit trois contributions principales. Premièrement, nous démontrons que le problème classique de la programmation en ligne des tâches sensibles aux échéances avec des valeurs partielles est similaire au problème d'ordonnancement EV et étudions l'extension de la programmation des charges EV en prenant en compte de la limite de traitement des travaux. Le problème réside dans la catégorie des problèmes d'ordonnancement en ligne couplés dans le temps sans disponibilité d'informations futures. Le premier algorithme proposé est déterministe, tandis que le second est randomisé et bénéficie d'une complexité de calcul plus faible. Deuxièmement, nous formulons un problème de maximisation du bien-être social pour la planification de la charge des EV avec une contrainte de capacité de charge. Nous avons conçu des algorithmes d'ordonnancement de charge qui non seulement fonctionnent dans un scénario en ligne, mais aussi qui répondent aux deux principaux défis suivants : (i) fournir un engagement à l'arrivée ; (ii) garantir la résistance aux stratégies (de groupe). Des simulations approfondies utilisant des traces réelles démontrent l'efficacité de nos algorithmes d'ordonnancement en ligne par rapport à la solution hors-ligne optimale non-engagée. La troisième contribution concerne la planification en ligne des véhicules électriques dans un réseau de recharge adaptatif (ACN) avec des contraintes de pics locaux et globaux. Nous avons conçu un algorithme d'ordonnancement primal-dual de faible complexité qui atteint un rapport d'approximation borné. Des résultats expérimentaux détaillés basés sur des traces montrent que les performances des algorithmes en ligne proposés sont proches de l'optimum hors ligne et surpassent les solutions existantes

Scientific progress in battery field related to autonomy has made electric vehicles really competitive. However, there is a problem that hasn’t been solved yet, the duration of the charge which still high, even if high power chargers are used. Inductive charging could be a solution to that problem because the infrastructure can become almost transparent for the user if it is implemented in car park areas.The aim of this PhD work is to evaluate the potential and the limitations of inductive charging, to identify eventual new concepts, in a fast charge power range (few tens of Kilowatts) and with air gaps higher than 10cm.First, different topologies of reactive energy compensation are compared and the Series-Series (SS) topology is selected. Then, in the same way, different power electronics architecture are compared. The architecture using a phase-shifted DC-AC converter to supply the primary side and a simple power bridge to supply the secondary side is adopted. This architecture allows regulating the current in the batteries without using DC-DC converters neither on the primary side nor on the secondary side.Then, a software is implemented that is able to calculate losses in Litz wire, as a function of the wire section and the strands diameter, the aim being to choose a Litz wire that minimizes the losses in the windings.The third step is the implementation of a tool dedicated to the design of the primary and secondary coils and of the magnetic shields. The tool is based on analytic equations and finite elements simulations. The design tool is validated by means of reduced scale experiments. Finally, an optimization algorithm is implemented.Considering the solutions identified in the first part, the previous design tools are finally used to design a 22kW prototype able to transfer energy through an air gap of 25cm. This prototype has been successfully tested at nominal power. An efficiency of 95% has been measured when the two coils are aligned.; Les progrès concernant l’autonomie des batteries ont rendu le véhicule électrique vraiment compétitif. Cependant un problème n'est pas vraiment résolu, celui du temps de charge des batteries qui reste long même avec des bornes de forte puissance. La charge par induction peut compenser en partie ce handicap grâce à une infrastructure quasi-transparente pour l'utilisateur, basée sur l'équipement des zones de stationnement.L'objectif de cette thèse est d’étudier le potentiel et les limitations de la charge par induction, éventuellement par l'introduction de nouveaux concepts, dans la gamme des puissances de plusieurs dizaines de Kilowatts et sur des distances supérieures à 10cm entre l’inducteur et l’induit. L'obtention de bons rendements et le respect de dimensions en accord avec l'intégration dans le véhicule sont des points essentiels de la démarche.Dans un premier temps, différentes topologies de compensation de l'énergie réactive, indispensable dans cette application, sont comparées et la topologie dite Série-Série (SS) est finalement retenue. De la même façon, différentes architecture d’électronique de puissance sont évaluées. L’architecture correspondant à l'utilisation d'un onduleur primaire commandé en phase shift à fréquence variable, et d'un simple pont de diode secondaire est adoptée. Elle permet de réguler le courant injecté dans les batteries tout en simplifiant l’électronique de puissance, c.à.d. sans utiliser de convertisseurs DC-DC ni au primaire, ni au secondaire.Un outil de calcul des pertes dans le fil de Litz est ensuite mis en place. Il permet d'évaluer les pertes dans les bobinages en fonction de la section du fil et du diamètre des brins, l'objectif étant de trouver la combinaison "section de cuivre/diamètre de brins" minimisant les pertes.La troisième étape consiste à mettre en place des outils de conception analytiques complétés par des simulations "éléments finis" pour concevoir les bobinages du coupleur électromagnétique ainsi que son blindage magnétique. Des montages expérimentaux à petite échelle permettent une première validation de ces outils de conception. Enfin un algorithme d’optimisation est développé.Sur la base des solutions identifiées dans la première partie, les outils de conception ont été finalement utilisés pour concevoir un démonstrateur de 22kW, capable de transférer l’énergie sur une distance de 25cm entre l’inducteur et l’induit. Ce démonstrateur a été testé avec succès à la puissance nominale. Le rendement mesuré est de 95% lorsque les bobines primaire et secondaire sont alignées.