Modèles d?optimisation pour l?orchestration de la recharge des véhicules électriques

Laboratoire d’accueil :

Le Laboratoire Lorrain de Recherche en Informatique est ses Applications (LORIA) – UMR 7503, Université de Lorraine, Nancy.

En collaboration avec l’Université de haut Alsace, L'Institut de Recherche en Informatique, Mathématiques, Automatique et Signal (IRIMAS)  - EA 7499

Date de début de la thèse : Octobre 2022

Compétences attendues 

- Master recherche ou diplôme d’ingénieur dans au moins une des thématiques suivantes : Informatique, Mathématiques Appliquées, Recherche Opérationnelle.

- compétences en programmation (C, C++, Python )

Dossier de candidature

-        CV détaillé

-        Relevé de notes M1 et M2

-        Lettre de motivation

-        Éventuelles recommandations, ou les noms des référents pour soutenir votre candidature

Dossier à envoyer à : oulamara@loria.fr

Contacts

Ammar Oulamara (oulamara@loria.fr)  ,  Lhassane Idoumghar (lhassane.idoumghar@uha.fr)  ,   Michel Basset (michel.basset@uha.fr)

Description du sujet

Ces dernières années, la croissance du secteur des transports en a fait le principal contributeur à la consommation d'énergie et aux émissions de gaz à effet de serre. Par exemple, le transport représente 40% [1] des émissions de CO2 en France où 82% du transport de passagers se fait en voiture privée. La prise de conscience environnementale a conduit les autorités à mettre en place des initiatives favorisant l'adaptation des modes de transport à énergie durable et propre.  Les véhicules et bus électriques sont considérés comme des technologies aptes à réduire les émissions de gaz tout en garantissant le service de transport et de mobilité.  

Néanmoins, pour assurer la compétitivité des véhicules électriques, il reste encore des défis qui doivent être surmontés, tels que la capacité et le coût des batteries, les temps de recharge et la disponibilité des infrastructures de recharge. Différents défis liés aux infrastructures de recharge, comme l'emplacement optimal des stations de recharge [2] où les utilisateurs de véhicules électriques souhaitent avoir un service de recharge en dehors de la recharge à domicile [3].

Récemment, le développement de stratégies d’orchestration de la recharge des véhicules électriques a suscité un intérêt croissant. Ces stratégies sont axées sur des objectifs économiques tels que la minimisation des coûts de l'électricité ou sur la fiabilité du réseau électrique en minimisant les pertes de puissance [4] et les écarts de tension [5]. Cependant, de nombreuses études supposent qu'il existe un nombre suffisant de chargeurs et se concentrent sur l'allocation de puissance tout en négligeant l'affectation des véhicules électriques aux chargeurs appropriés. En outre, elles supposent que la puissance de sortie des chargeurs est identique. Pourtant, dans la réalité, des chargeurs avec des puissances de sortie différentes sont installés dans la même station de charge pour répondre aux différents types de demandes de charge et améliorer la qualité du service [6], [7].

Dans cette, nous considérons nous nous intéressons à des problématiques d’orchestration de la recharge des véhicules et bus électriques. Les stations de charge contiennent plusieurs chargeurs avec différents niveaux de puissance de charge. De plus, ces stations de charge ont des capacités de puissance maximale. Les utilisateurs de véhicules électriques peuvent soumettre des réservations de charge avant son arrivée pour éviter les files d'attente. Le but ici est de concevoir des modèles et algorithmes d’orchestration de la recharge en tenant compte des différentes contraints physiques des stations de recharge des et des points de recharges, ainsi que les demandes des utilisateurs. Les objectifs à traiter ici sont multiples, économique de type minimisation des coûts de souscription et d’achat d’énergie, de sécurité et de dimensionnement des contrats électriques, opérationnel de maximisation de la qualité de service de la recharge. Ces problèmes d’optimisation sont proches des travaux d’ordonnancement dans lequel les tâches ont une durée et un profil de consommation de ressource variables. Ces profils sont des fonctions du temps. Pour les différents problèmes d’optimisation nous cherchons à développer des méthodes de résolution exactes, heuristiques et metaheurisitques.

Bibliographie

[1] https://www.climate-transparency.org/countries/europe/france

[2] Majhi, R. C., Ranjitkar, P., Sheng, M., Covic, G. A., & Wilson, D. J. (2021). A systematic review of charging infrastructure location problem for electric vehicles. Transport Reviews, 41(4), 432-455.

[3] Hardman, S., Jenn, A., Tal, G., Axsen, J., Beard, G., Daina, N., ... & Witkamp, B. (2018). A review of consumer preferences of and interactions with electric vehicle charging infrastructure. Transportation Research Part D: Transport and Environment, 62, 508-523.

[4] Franco, J. F., Rider, M. J., & Romero, R. (2014, July). An MILP model for the plug-in electric vehicle charging coordination problem in electrical distribution systems. In 2014 IEEE PES General Meeting| Conference & Exposition (pp. 1-5). Ieee.

[5] Kang, Q., Wang, J., Zhou, M., & Ammari, A. C. (2015). Centralized charging strategy and scheduling algorithm for electric vehicles under a battery swapping scenario. IEEE Transactions on Intelligent Transportation Systems, 17(3), 659-669.

[6] Luo, L., Gu, W., Zhou, S., Huang, H., Gao, S., Han, J., & Dou, X. (2018). Optimal planning of electric vehicle charging stations comprising multi-types of charging facilities. Applied energy, 226, 1087-1099.

[7]  I. Zaidi, A. Oulamara, L. Idoumghar, M. Basset: Hybrid Heuristic and Metaheuristic for Solving Electric Vehicle Charging Scheduling Problem. EvoCOP 2021: 219-235