With the increasing adoption of electric vehicles (EVs), optimizing lithium-ion battery capacity is critical for overall powertrain performance. Recent studies have optimized battery capacity in isolation without considering interactions with other powertrain components. Furthermore, even when the battery is considered within the full powertrain, most works have only modeled the electrical behavior without examining thermal or ageing dynamics. However, this fails to capture systemic impacts on overall performance. This study takes a holistic approach to investigate the effects of battery capacity optimization on convergence of the full EV powertrain. A battery multiphysics model was developed in MATLAB/Simulink, incorporating experimental data on electrical, thermal, and ageing dynamics and interactions with other components. The model was evaluated using real-world WLTP and Artemis driving cycles to simulate realistic conditions lacking in prior works. The findings reveal significant impacts of battery optimization on total powertrain performance unaccounted for in previous isolated studies. By adopting a system-level perspective and realistic driving cycles, this work provides enhanced understanding of interdependent trade-offs to inform integrated EV design.

This study focuses on optimizing the lifetime and cost of an electric vehicle powertrain by optimizing the motor’s geometrical parameters and the bus voltage while considering the battery’s sizing. We employ the WLTP driving cycle to evaluate the powertrain’s performance and use finite element and analytical modeling to consider electromagnetic, thermal, and aging behaviors. Our research investigates the interplay between the battery and motor, exploring how varying the motor geometry and parameters affects the powertrain’s overall lifetime and cost. Our findings will contribute to developing more efficient and cost-effective electric powertrains.

Dans une perspective de se détacher de la dépendance des énergies fossiles, plusieurs nations pousse l'adoption de l'électrification des moyens de transport afin de réduire la pollution par gaz à effets de serre dont le transport est tenu responsable de plus de 20% de la totalité des émissions de CO2. Dans ce contexte, plusieurs constructeurs automobiles, élargissent leurs catalogues de véhicules en y insérant de plus en plus de véhicules électriques afin de suivre les règlementations mises en place qui, par exemple visent à ne plus vendre de véhicules thermique dans l'union européenne à partir de 2035. Toutefois il n'est pas aussi simple de concurrencer les performances ainsi que les prix des véhicules thermiques déjà dans le marché. Ainsi, afin de détourner l'intérêt du client vers l'électrification du transport, il est primordial de se lancer dans une optimisation de la chaine de traction du véhicule. Dans ce contexte, les travaux menés lors de cette thèse, visent à modéliser la chaine de traction le plus fidèlement possible afin d'optimiser ses performances dans le but d'accroitre sa durée de vie tout en minimisant son cout de construction. Pour cela des modèles multi-physique du moteur et de la batterie ont été construit, afin de prendre en compte les différents comportement électrique et thermique qui peuvent influencer leurs performances et durée de vie. Les deux modèles multi-physiques ont été lié entre eux de façon à tenir compte des interactions qui ne peuvent pas être négligé dans cette étude. Et l'évaluation de leurs performances à l'aides des modèles empirique, éléments finis et analytique ont été analysés et introduit dans l'algorithme d'optimisation génétique qui aura pour but de varier les paramètres optimisables qu'on choisit afin de réduire le cout de la chaine de traction considéré tout en maximisant sa durée de vie afin de pouvoir concurrencer les véhicules thermiques proposées dans le marché.