Energy Management and Monitoring in an Electric Vehicle using IoT Technology Based on Artificial intelligence

Abstract

تُعدّ المركبات الكهربائية (EV) من أهم الحلول لتحقيق النقل المستدام، ومع ذلك، تواجه هذه المركبات تحديات كبيرة تتعلق بإدارة الطاقة والمراقبة الذكية لأنظمة البطاريات. يهدف هذا العمل إلى تطوير استراتيجيات فعالة لتسيير الطاقة وأنظمة مراقبة متقدمة في المركبات الكهربائية الهجينة وتلك التي تعتمد على خلايا الوقود. يعتمد النهج المقترح على استخدام تقنيات الذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT) لتحسين الكفاءة الطاقوية وضمان الموثوقية والأمان أثناء التشغيل. تم تصميم واختبار عدة استراتيجيات تحكم، مثل التحكم بالمنطق الضبابي وخوارزميات التحسين الجيني، بالإضافة إلى أساليب مراقبة تعتمد على التعلم الآلي، كما استخدمت خوارزميات مثل K-means و Random Forest لتقدير حالة شحن البطارية (SOC) وحالتها الصحية (SOH) بدقة عالية. تم تنفيذ المحاكاة باستخدام برنامج MATLAB/Simulink لتقييم الأداء من حيث كفاءة استهلاك الطاقة واستقرار النظام والكشف المبكر عن الأعطال. أظهرت النتائج أن دمج الذكاء الاصطناعي مع إنترنت الأشياء يساهم في تحسين الكفاءة، وإطالة عمر البطارية، وتعزز الاستدامة في المركبات الكهربائية

Electric Vehicles have become a key solution for sustainablemobility, yet challenges persist in energyoptimization and real-time monitoring. This thesis focuses on developingadvancedenergy management and intelligent monitoring strategies for hybrid and fuel cellelectricvehicles. The proposedframework combines Artificial Intelligence and Internet of Things technologies to enhanceenergyefficiency, reliability, and safety. Several control strategies are designed and evaluated, includingfuzzylogic-based management, GeneticAlgorithmoptimization, and machine learning-based monitoring. The integration of K-means clustering and Random Forest classification enables accurateprediction of battery State of Charge and State of Health, whileensuring stable operationunderdynamicdriving conditions. The developedmodels are simulated using MATLAB/Simulink to validate performance in terms of energyefficiency, battery stability, and faultprediction. The resultsdemonstratethatcombining AI-driven control and IoT-based monitoring significantlyimproves system adaptability and sustainability

Les véhicules électriques constituent aujourd’hui une solution essentielle pour une mobilité durable. Toutefois, des défis majeurs subsistent en matière d’optimisation énergétique et de surveillance en temps réel. Cette thèse propose le développement de stratégies avancées de gestion d’énergie et de surveillance intelligente pour les véhicules hybrides et à pile à combustible. Le cadre méthodologique repose sur l’intégration de l’intelligence artificielle et de l’Internet des objets afin d’améliorer l’efficacité énergétique, la fiabilité et la sécurité des systèmes embarqués. Plusieurs stratégies de contrôle ont été conçues et évaluées, notamment la gestion basée sur la logique floue, l’optimisation par algorithmes génétiques, ainsi que des approches de surveillance fondées sur l’apprentissage automatique. L’intégration des méthodes de regroupement K-means et de classification par forêts aléatoires permet d’estimer avec précision l’état de charge et l’état de santé de la batterie, tout en assurant la stabilité du système dans des conditions de conduite variables. Les modèles développés ont été simulés sous MATLAB/Simulink afin de valider les performances en termes d’efficacité énergétique, de stabilité de la batterie et de détection préventive des défauts. Les résultats montrent que la combinaison du contrôle intelligent basé sur l’intelligence artificielle et de la surveillance connectée via l’Internet des objets améliore significativement l’adaptabilité, la durabilité et la performance globale des véhicules électriques.