La charge des véhicules électriques : Une étude pionnière dévoile des patterns clés pour optimiser l’infrastructure
Dans le contexte de la transition énergétique mondiale et de la stratégie chinoise de « double carbone » (pic des émissions de carbone et neutralité carbone), l’industrie des véhicules électriques (VE) connaît une croissance sans précédent. Ce boom, bien que essentiel pour atteindre les objectifs environnementaux, pose des défis majeurs à la gestion des réseaux électriques régionaux et à l’exploitation des stations de recharge. Une étude récente, publiée dans la Journal of Municipal Technology, apporte des lumière nouvelles sur les habitudes de recharge des VE dans une région urbaine spécifique, offrant des pistes concrètes pour améliorer la planification des infrastructures et assurer une intégration fluide de ces véhicules dans le système énergétique.
Contexte : Croissance exponentielle et défis de l’infrastructure
En Chine, la propulsion des véhicules électriques s’est accélérée depuis l’adoption de la stratégie de « double carbone ». Dès juin 2022, le parc de véhicules à énergie nouvelle (VNE) dépassait les 10 millions d’unités, et les projections annoncent un chiffre pouvant atteindre 100 millions d’ici 2030. Cette expansion rapide transforme le paysage automobile, mais révèle également des déséquilibres criants dans l’infrastructure de recharge : pénuries temporaires ou spatiales, files d’attente aux heures de pointe, sous-utilisation des stations en période creuse.
Pour répondre à ces problèmes, il est crucial de prédire avec précision quand et comment les utilisateurs de VE sollicitent l’énergie. Ces prévisions permettent aux opérateurs de réseaux de stabiliser la distribution électrique, aux gestionnaires de stations d’optimiser leur placement et aux urbanistes d’allouer des ressources de manière efficiente. C’est dans cet optique qu’une équipe de chercheurs de l’Université du Hunan a mené une étude approfondie, axée sur une région de Shanghai, pour déchiffrer les mécanismes sous-jacents à la charge des VE.
L’étude : Données réelles et méthode innovante
Dirigée par Ye Xiang, Luo Ying et Li Jie, chercheurs au College of Civil Engineering de l’Université du Hunan (Changsha, Chine), l’étude s’appuie sur des données opérationnelles récoltées sur 4 000 véhicules électriques particuliers circulant dans la région de Lingang, à Shanghai, entre le 1er et le 14 janvier 2021. Ces données, fournies par le Centre de collecte et de surveillance des données publiques sur les véhicules à énergie nouvelle de Shanghai, incluent des informations détaillées : distances quotidiennes parcourues, heures de début et de fin des sessions de recharge, état de charge de la batterie (SOC), consommation d’énergie par 100 km, etc.
Pour modéliser la complexité des demandes de charge, les chercheurs ont recouru à la méthode de Monte Carlo, une technique statistique renommée pour sa capacité à simuler des milliers de scénarios aléatoires. Cette approche se révèle particulièrement adaptée pour prendre en compte l’incertitude du comportement individuel des conducteurs, tout en mettant en évidence des tendances générales lorsqu’on analyse un large échantillon de véhicules.
La méthodologie s’est déployée en plusieurs étapes clés : tout d’abord, définition de paramètres essentiels comme le nombre de VE, la capacité des batteries et la puissance de recharge ; ensuite, réalisation de milliers de simulations où sont tirées au sort des variables telles que la distance quotidienne parcourue par un véhicule ou l’heure de début de la recharge ; enfin, calcul, pour chaque simulation, de l’état initial de charge de la batterie (avant le démarrage de la recharge) et de la durée de la session. En aggregant ces résultats pour l’ensemble des 4 000 véhicules et en moyennant sur de multiples simulations, les chercheurs ont obtenu un profil précis de la charge horaire sur 24 heures.
Principaux résultats : Trois pics de charge, distances accrues et variabilité de la consommation
Les analyses ont révélé des patterns marquants, avec des implications directes pour la planification des infrastructures :
-
Le phénomène des « trois pics »
La découverte la plus significative est l’existence d’un profil de charge caractérisé par trois pics distincts au cours de la journée. Le premier pic se manifeste autour de 7h du matin, correspondant aux préparatifs des conducteurs pour leur trajet quotidien au travail. Le deuxième survient vers 14h, en lien avec les pauses déjeuner et les courses secondaires. Le troisième et le plus intense se produit vers 22h, lorsque les résidents rentrent chez eux et branchent leurs véhicules pour une recharge nocturne.Ce schéma reflète des stratégies de recharge différentes selon les moments : matin et après-midi, la recharge rapide (via des chargeurs DC de 60 kW) domine, car les utilisateurs cherchent à rechargement leurs véhicules en peu de temps pour poursuivre leur journée. La nuit, en revanche, c’est la recharge lente (via des chargeurs AC de 7 kW) qui prévaut, généralement installée dans les zones résidentielles ou les parkings privés, où les véhicules peuvent rester connectés plusieurs heures.
-
Distances quotidiennes supérieures à celles des voitures à combustion
L’étude a également mis en évidence une différence notable dans les distances parcourues : si les voitures particulières traditionnelles parcourent en moyenne 65 km par jour (selon des enquêtes nationales), les VE de la région étudiée atteignent une moyenne de 102,5 km – soit 37,5 km de plus. Cette utilisation plus intensive se traduit par une consommation d’énergie accrue et des besoins de recharge plus fréquents, soulignant la nécessité d’une infrastructure adaptée à ces demandes élevées. -
Variabilité importante de la consommation par 100 km
Les données ont révélé une grande disparité dans la consommation énergétique entre les différents modèles de VE. Certains véhicules consomment seulement 10 kWh pour 100 km, tandis que d’autres atteignent plus de 30 kWh. Cette différence s’explique par des facteurs comme la technologie de la batterie, la taille du véhicule et son design. Pour les planificateurs, cela signifie qu’il ne faut pas se fier à un modèle unique de prévision : il faut intégrer des classes de consommation variées pour éviter les goulets d’étranglement. -
Comportements d’arrêt de la recharge
Une autre observation intéressante : environ 71,2 % des VE arrêtent la recharge lorsque leur batterie atteint un état de charge (SOC) entre 90 et 100 %. Cela indique que la plupart des utilisateurs privilégient la durée de vie de leur batterie (une surcharge peut réduire sa longévité) tout en garantissant une autonomie suffisante pour le lendemain. Bien que bénéfique pour la batterie, ce comportement prolonge parfois inutilement les sessions de recharge, occupant des stations et des ressources du réseau.
Implications pour l’infrastructure et la gestion des réseaux
Ces résultats ont des retours immédiats sur la façon de préparer les villes à l’essor des VE :
-
Optimisation des réseaux électriques : Les trois pics de charge appellent des investissements ciblés. Pour les pics matinal et après-midi de recharge rapide, il faut renforcer la capacité des réseaux dans les zones commerciales, les centres d’affaires et les hubs de transport. Pour le pic nocturne résidentiel, il faut assurer une distribution stable pour supporter la recharge lente massive.
-
Répartition des chargeurs : Les opérateurs doivent multiplier les chargeurs rapides dans les zones d’affaires, les centres commerciaux et les axes de circulation dense pour répondre à la demande diurne. Dans les quartiers résidentiels, l’extension des réseaux de chargeurs lents (notamment dans les parkings d’immeubles) est primordiale pour la recharge nocturne.
-
Gestion active des pics : Des mesures incitatives, comme des tarifs réduits pour les recharges en dehors des heures de pointe (tard le soir ou tôt le matin), pourraient aider à lisser la demande. Des applications de monitoring en temps réel, informant les utilisateurs des temps d’attente dans les stations voisines, pourraient également répartir la charge plus équitablement.
-
Prévisions à l’horizon 2025 : La région de Lingang compte actuellement 4 000 VE, mais les projections annoncent une hausse à 8 450 unités d’ici 2025. Avec les mêmes habitudes de recharge, la charge de pointe pourrait atteindre 10,98 MW – plus du double de la valeur actuelle (5,2 MW). Sans planification proactive, cette augmentation pourrait entraîner des surcharges de réseaux et des files d’attente chroniques.
Au-delà des données : Vers une mobilité centrée sur l’utilisateur
L’étude ne se limite pas aux seuls chiffres : elle ouvre la voie à une amélioration significative de l’expérience des conducteurs de véhicules électriques. En analysant leurs habitudes de recharge, les constructeurs pourraient développer des véhicules plus intelligents, dotés de systèmes de gestion de batterie qui alertent les utilisateurs lorsque le niveau de charge est bas, d’applications recommandant des plages horaires optimales de recharge en fonction de leur emploi du temps, ou encore d’une intégration avec des réseaux intelligents qui encouragent la recharge en heures creuses grâce à des incitations.
Pour les décideurs politiques, ces résultats soulignent l’importance d’une planification coordonnée. Des lois urbanistiques obligeant les nouveaux bâtiments à inclure des infrastructures de recharge, des subventions pour l’installation de chargeurs domestiques, ou des fonds dédiés aux réseaux publics dans les zones défavorisées, pourraient combler le fossé entre offre et demande.
Perspectives futures : Affiner le modèle
Bien que l’étude représente une avancée majeure, les chercheurs reconnaissent certaines limites. Les prochains travaux pourraient intégrer des variables comme la météo, les conditions de circulation ou les variations saisonnières, qui influencent à la fois le comportement de conduite et les performances des batteries. Le modèle pourrait également être affiné pour prendre en compte des puissances de recharge variables : dans la réalité, les chargeurs fonctionnent souvent plus vite lorsque la batterie est vide et ralentissent à mesure qu’elle se remplit.
L’extension de l’étude à d’autres régions – comparant des patterns urbains et ruraux, ou analysant l’impact du climat sur la recharge – pourrait apporter des insights complémentaires. En affinant leur modèle, les chercheurs espèrent fournir des outils encore plus précis aux planificateurs et aux opérateurs de réseaux.
Conclusion : Un levier pour une mobilité durable
Les véhicules électriques sont au cœur de la transition énergétique, mais leur succès dépend non seulement de progrès technologiques (batteries plus performantes, moteurs plus efficaces), mais aussi d’une infrastructure capable de répondre à leurs besoins spécifiques. L’étude de l’Université du Hunan apporte une connaissance cruciale : elle dévoile quand, où et pourquoi les VE ont besoin de rechargement, offrant aux villes les clés pour construire des réseaux de recharge adaptés.
En transformant des données complexes en recommandations pratiques, cette recherche permet aux collectivités de préparer l’avenir : des infrastructures résilientes, des réseaux stables et une expérience utilisateur améliorée. C’est ainsi que la mobilité électrique pourra réellement contribuer à une société plus durable, alliant objectifs environnementaux et confort quotidien.
Ye Xiang, Luo Ying et Li Jie sont chercheurs au College of Civil Engineering de l’Université du Hunan, à Changsha, Chine. Leur travail a été publié dans la Journal of Municipal Technology (Vol. 42, N° 2, février 2024) sous le DOI : 10.19922/j.1009-7767.2024.02.068.