Modélisation de batterie à partir de données d'usage réel et de l'exploitation de l'algorithme d'optimisation Big-Bang Big-Crunch - Archive ouverte HAL
Communication Dans Un Congrès Année : 2018

Modélisation de batterie à partir de données d'usage réel et de l'exploitation de l'algorithme d'optimisation Big-Bang Big-Crunch

Résumé

Le sujet de cette étude est de modéliser des batteries intégrées dans une flotte de dix véhicules postaux à hydrogène,développés dans le cadre du projet européen Mobypost. Ce derniera permis de créer et enrichir une base de données, grâce à une instrumentation approfondie des véhicules. En utilisant cette base de données et un algorithme d’optimisation, cette étude présente un moyen rapide de modéliser le comportement électrique d’une batterie à l’aide de données d’usage réel avec une Normalized Root Mean Square Error en dessous de 0.02.
Fichier principal
Vignette du fichier
SGE2018_loic_vichard.pdf (704.59 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02981886 , version 1 (28-10-2020)

Identifiants

  • HAL Id : hal-02981886 , version 1

Citer

Loic Vichard, Simon Morando, Alexandre Ravey, Fabien Harel, Pascal Venet, et al.. Modélisation de batterie à partir de données d'usage réel et de l'exploitation de l'algorithme d'optimisation Big-Bang Big-Crunch. Symposium de Génie Electrique, Université de Lorraine [UL], Jul 2018, Nancy, France. ⟨hal-02981886⟩
133 Consultations
1145 Téléchargements

Partager

More