Flotte de Véhicules Électriques Optimise l’Intégration de l’Énergie Éolienne
La transition énergétique mondiale s’accélère, et l’intégration des sources d’énergie renouvelable, comme l’énergie éolienne, dans les réseaux électriques est devenue une priorité absolue. Pourtant, la nature intrinsèquement variable de l’énergie éolienne, qui atteint souvent son pic de production pendant les périodes de faible demande, pose de sérieux défis à la stabilité et à l’efficacité du réseau. Ce phénomène, connu sous le nom de « caractéristique anti-creux », conduit fréquemment à la nécessité de « déréguler » ou de gaspiller de l’énergie éolienne, signifiant que l’électricité générée est perdue car elle ne peut être consommée ni stockée. Parallèlement, la croissance fulgurante des véhicules électriques (VE) ajoute une nouvelle couche de complexité. Bien que les VE représentent un changement fondamental vers un transport durable, leur comportement de recharge non coordonné peut aggraver les pics de charge, augmentant ainsi la pression sur des systèmes électriques déjà fragilisés par l’intermittence des énergies renouvelables.
Pour relever ces défis interconnectés, les chercheurs se tournent de plus en plus vers les technologies Véhicule-Réseau (V2G) et les stratégies de gestion de la demande. Le principe est simple en théorie : utiliser les batteries des véhicules électriques stationnés comme unités de stockage d’énergie distribuées capables d’absorber l’excès d’énergie renouvelable pendant les périodes creuses et de le réinjecter dans le réseau pendant les pics. Cela permet non seulement d’équilibrer offre et demande, mais aussi d’améliorer l’utilisation de l’énergie propre. Toutefois, la mise en œuvre pratique de telles stratégies fait face à plusieurs obstacles. Les modèles traditionnels de tarification horaire (Time-of-Use, TOU), qui proposent des tarifs fixes bas et élevés basés sur de larges plages horaires, sont souvent trop rigides pour inciter efficacement les propriétaires de VE à modifier leur comportement de recharge en fonction des conditions réelles du réseau. De plus, traiter tous les VE comme un groupe homogène ignore des différences critiques dans leur disponibilité, leur capacité de batterie et leurs préférences utilisateur, conduisant à une planification sous-optimale et à une utilisation inefficace des ressources.
Une étude innovante publiée dans Zhejiang Electric Power propose une solution novatrice à ces défis. Dirigée par Yefu Chen, ingénieur en systèmes électriques au Centre de Contrôle et de Dispatching de l’Électricité de la Guangdong Power Grid Co., Ltd., l’équipe de recherche a développé une stratégie d’optimisation avancée qui exploite le « potentiel de régulation » des flottes de véhicules électriques à grande échelle pour améliorer l’intégration de l’énergie éolienne. Le cœur de leur approche repose sur un processus en deux étapes : premièrement, évaluer scientifiquement la flexibilité de chaque VE individuel pour participer aux services réseau, puis concevoir un modèle de tarification dynamique basé sur des groupes qui adapte les incitations aux capacités uniques de différents groupes de véhicules électriques.
Le concept de « potentiel de régulation » est central dans cette nouvelle méthodologie. Plutôt que de supposer que tous les VE sont également capables de répondre aux signaux du réseau, les chercheurs ont introduit un cadre d’évaluation complet qui évalue chaque véhicule selon deux dimensions clés : le temps programmable et la capacité programmable. Le temps programmable fait référence à la fenêtre entre l’arrivée d’un VE à une station de recharge et son départ prévu, moins le temps nécessaire pour atteindre le niveau de charge souhaité. Un temps disponible plus long signifie que le véhicule a une plus grande flexibilité pour décaler sa recharge vers les heures creuses. La capacité programmable, quant à elle, considère la quantité d’énergie que le VE peut absorber ou fournir, pondérée par la charge moyenne du réseau au moment de la connexion. Cela garantit que les VE connectés pendant les périodes de forte production éolienne et de faible demande sont prioritaires pour la recharge, soutenant ainsi directement la consommation d’énergie éolienne.
En combinant ces deux métriques, les chercheurs ont créé un « indice de potentiel de régulation » composite pour chaque VE. Cet indice permet une compréhension plus nuancée de la valeur d’un VE pour le réseau. Par exemple, un VE avec une grande batterie mais une durée de stationnement très courte peut avoir une haute capacité mais une faible flexibilité temporelle, tandis qu’un autre avec une batterie plus petite mais un temps de stationnement long peut offrir un soutien plus constant, bien que moindre. Cette évaluation granulaire permet une distribution plus efficace et équitable des incitations.
Sur la base de cette évaluation, l’équipe a mis en œuvre une stratégie de regroupement pour classer les VE ayant un potentiel de régulation similaire. Les 3 000 VE de leur simulation ont été divisés en cinq clusters. Les quatre premiers clusters contenaient des véhicules ayant différents degrés de haut potentiel de régulation, assurant une répartition équilibrée des ressources flexibles. Le cinquième cluster était réservé aux VE ayant un faible ou aucun potentiel de régulation : ceux qui pourraient ne pas être disposés à participer aux programmes V2G ou qui manquent du matériel de charge bidirectionnelle nécessaire. Cette stratification est cruciale pour la mise en œuvre pratique, car elle permet aux opérateurs du réseau de concentrer leurs efforts et leurs incitations financières sur les VE les plus réactifs et les plus capables, évitant ainsi l’inefficacité de proposer de hautes subventions à des véhicules qui ne peuvent pas contribuer de manière significative.
L’aspect le plus innovant de l’étude est son modèle de « tarification horaire basé sur les clusters ». Contrairement aux schémas TOU conventionnels avec des tarifs statiques, ce modèle dynamique ajuste les prix de l’électricité pour chaque cluster en temps réel, en se basant sur deux facteurs clés : le potentiel de régulation moyen du cluster et le besoin actuel d’absorption de l’énergie éolienne. La formule de tarification intègre un « facteur d’incitation au potentiel de régulation », qui augmente la subvention pour les clusters ayant une plus grande flexibilité, et un « facteur d’incitation à la consommation d’énergie éolienne », qui augmente les prix pendant les périodes de forte production éolienne et de faible demande. Ce système d’incitation à double niveau garantit que les récompenses financières sont directement liées à la fois à la valeur du service fourni et à l’urgence des besoins du réseau.
Le modèle d’optimisation développé par Chen et ses collègues a deux objectifs : minimiser l’écart entre le pic et le creux de la charge totale du réseau et minimiser les coûts de recharge pour les utilisateurs de VE. En formulant le problème de cette manière, les chercheurs reconnaissent l’importance d’équilibrer les intérêts de l’opérateur du réseau et de l’utilisateur final. Une stratégie qui ne bénéficie qu’au réseau en obligeant les utilisateurs à charger à des moments inconfortables est peu susceptible d’obtenir une adoption généralisée. À l’inverse, une stratégie qui réduit uniquement les coûts pour les utilisateurs sans améliorer la stabilité du réseau échoue à relever le défi central de l’intégration des énergies renouvelables. Le modèle utilise les états de charge et de décharge des clusters de VE comme variables de décision, soumis à une série de contraintes garantissant la sécurité et la fiabilité du système.
Ces contraintes sont critiques pour l’applicabilité dans le monde réel. Elles incluent des limites sur la puissance de charge et de décharge pour éviter la surcharge du réseau de distribution local, des restrictions sur l’état de charge (SOC) pour protéger la santé de la batterie (avec un minimum de 20 % et un maximum de 90 %), et une garantie que l’énergie totale déchargée par un cluster au cours de la journée ne dépasse pas sa demande totale de charge, assurant que les véhicules partent avec une charge suffisante pour leur prochain trajet. Le modèle exige également qu’un cluster ne puisse pas charger et décharger simultanément, une nécessité pratique pour la gestion et le contrôle.
Pour tester l’efficacité de leur stratégie, les chercheurs ont mené une simulation détaillée en utilisant des données réelles d’un réseau électrique régional à Guangdong, en Chine. Le réseau comprenait un parc éolien de 150 MW et des centrales thermiques conventionnelles, avec un profil de charge quotidien reflétant des schémas de consommation urbains typiques. La simulation a comparé trois scénarios : recharge non coordonnée de VE, un « groupe témoin » utilisant une méthode de regroupement traditionnelle et des tarifs TOU standards, et la stratégie proposée avec des tarifs dynamiques basés sur les clusters.
Les résultats ont été convaincants. Dans le cas de la recharge non coordonnée, les VE avaient tendance à charger immédiatement après la connexion, souvent en coïncidence avec le pic de la charge existante du réseau. Cela a considérablement aggravé l’écart entre le pic et le creux et n’a rien fait pour absorber l’excès d’énergie éolienne générée pendant la nuit. En revanche, la stratégie proposée a réussi à déplacer une grande partie de la recharge des VE vers les premières heures du matin (1-30), lorsque la production éolienne était à son maximum et que la charge totale du réseau était faible. Cet alignement direct de la recharge des VE avec la génération éolienne a conduit à une réduction drastique du gaspillage d’énergie éolienne.
L’impact sur la stabilité du réseau a également été significatif. La stratégie a réduit l’écart entre le pic et le creux de la charge de 2,56 % par rapport à la recharge non coordonnée. Bien que ce pourcentage puisse sembler modeste, dans un grand système électrique, même une petite réduction de la charge de pointe peut se traduire par des économies substantielles en coûts d’exploitation et reporter des investissements dans de nouvelles capacités de génération ou de transmission. Plus impressionnant encore, la stratégie a réduit le coût total de recharge pour les utilisateurs de VE de 53,61 %, un incitatif massif à la participation. Cette réduction des coûts est un résultat direct de la tarification dynamique, qui permet aux utilisateurs d’acheter de l’électricité aux prix les plus bas possibles pendant les périodes de forte production éolienne.
Comparé au groupe témoin, les avantages de la nouvelle stratégie sont devenus encore plus évidents. Le groupe témoin, qui utilisait une méthode de regroupement moins sophistiquée et des prix fixes, a également amélioré la situation par rapport à la recharge non coordonnée, mais a obtenu de moins bons résultats que le modèle proposé. La nouvelle stratégie a réduit l’écart entre le pic et le creux de 0,40 % supplémentaire et a réduit les coûts de recharge des utilisateurs de 40,368 % supplémentaires. Plus important encore, elle a augmenté la quantité d’énergie éolienne économisée (c’est-à-dire non gaspillée) de 150,40 % par rapport au groupe témoin. Cela met en lumière l’importance critique de l’évaluation du potentiel de régulation et de la tarification dynamique et spécifique aux clusters. Une approche « taille unique », même avec un certain niveau de regroupement, ne peut pas égaler la précision et l’efficacité d’un système qui adapte les incitations aux capacités réelles et aux conditions du réseau.
Le rôle de l’agrégateur de charge pour véhicules électriques (EVLA) est un autre élément clé du cadre proposé. Agissant comme intermédiaire entre l’opérateur du réseau et les propriétaires individuels de VE, l’EVLA est chargé de collecter les données des véhicules connectés, d’effectuer l’évaluation du potentiel de régulation, de former les clusters et de communiquer les signaux de prix dynamiques. Cette agrégation centralisée est essentielle pour gérer la complexité de milliers d’actifs individuels. Elle transforme une collection chaotique d’utilisateurs indépendants en une centrale virtuelle coordonnée capable de fournir des services réseau fiables et prévisibles. Le modèle EVLA aborde également le problème de l’évolutivité, car le nombre de variables de contrôle dans le modèle d’optimisation est égal au nombre de clusters (cinq dans ce cas), et non au nombre de VE individuels (3 000), ce qui rend le problème gérable sur le plan informatique.
Les implications de cette recherche vont bien au-delà de l’étude de cas spécifique à Guangdong. Alors que les pays du monde entier font face aux défis doubles de l’électrification des transports et de la décarbonation de l’électricité, les enseignements de ce travail sont universellement applicables. L’idée centrale, à savoir que pour maximiser la valeur des VE en tant qu’actifs réseau, nous devons d’abord comprendre et catégoriser leur flexibilité, représente un changement fondamental dans la pensée. Elle déplace la conversation d’une vision simpliste des VE comme simple charge supplémentaire vers une compréhension sophistiquée d’eux comme une ressource diversifiée et dynamique.
Le succès de cette stratégie souligne également l’importance d’une politique et d’une conception de marché intelligentes. Les schémas de tarification fixes et statiques sont des reliquats d’une ère de réseau plus simple. L’avenir appartient à des marchés dynamiques et pilotés par les données, capables d’envoyer des signaux de prix en temps réel à des millions de dispositifs distribués. Cela nécessite une infrastructure de communication robuste, une analyse de données avancée et des cadres réglementaires clairs définissant les rôles et responsabilités des agrégateurs, des services publics et des consommateurs.
L’une des limites reconnues de l’étude est l’utilisation de coefficients de pondération fixes dans le modèle d’optimisation. Les chercheurs ont pondéré l’importance de la réduction de la charge de pointe (60 %) plus que la minimisation des coûts des utilisateurs (40 %), un choix qui reflète une priorité politique actuelle. Toutefois, ils suggèrent que de futurs travaux pourraient explorer une pondération adaptative, où ces coefficients sont ajustés en temps réel en fonction des besoins immédiats du réseau, comme une congestion élevée ou des événements météorologiques extrêmes. Cela rendrait le système encore plus réactif et résilient.
En conclusion, la recherche de Yefu Chen, Qin Wang, Xinlei Cai, Zhenfan Yu du Centre de Contrôle et de Dispatching de l’Électricité de la Guangdong Power Grid Co., Ltd. et Dongkuo Song de NARI Technology Co., Ltd. représente un pas en avant significatif dans l’intégration des véhicules électriques et des énergies renouvelables. En introduisant une méthode scientifiquement fondée pour évaluer la flexibilité des VE et un modèle de tarification dynamique basé sur les clusters, ils ont créé une stratégie pratique et efficace pour transformer un fardeau potentiel pour le réseau en un actif puissant. Leur travail démontre que, avec les bons outils et incitations, les millions de VE sur nos routes peuvent jouer un rôle fondamental dans la construction d’un système électrique plus propre, stable et efficace. Alors que le monde avance vers un avenir énergétique durable, des stratégies comme celle-ci seront essentielles pour transformer la vision en réalité.
Yefu Chen, Qin Wang, Xinlei Cai, Zhenfan Yu, Dongkuo Song; Electric Power Dispatch and Control Center, Guangdong Power Grid Co., Ltd., NARI Technology Co., Ltd.; Zhejiang Electric Power; DOI: 10.19585/j.zjdl.202404010