La flexibilité spatiale des véhicules électriques renforce les réseaux
La révolution de la mobilité électrique est bien plus qu’une simple transition technologique ; c’est un remodelage fondamental de la relation entre les consommateurs d’énergie et l’infrastructure qui les alimente. Alors que des millions de véhicules électriques (VE) envahissent les routes, ils cessent d’être perçus comme de simples réceptacles de charge pour devenir des actifs dynamiques, capables d’interagir activement avec le réseau électrique. Une étude récente, publiée dans la revue Power System Technology, révèle un aspect souvent négligé de cette transformation : la « programmabilité spatiale » du comportement de recharge des conducteurs. Cette caractéristique, selon les chercheurs, pourrait être la clé pour augmenter de manière significative la capacité des réseaux de distribution à intégrer des sources d’énergie renouvelable, transformant un défi potentiel en une opportunité stratégique.
Menée par Huang Mengqi, Li Yonghui, Yang Jun et Wang Mengke du Centre de Recherche et de Technologie en Ingénierie pour les Réseaux Intelligents AC/DC du Hubei et de l’École d’Ingénierie Électrique et d’Automatisation de l’Université de Wuhan, cette recherche introduit un modèle de pointe basé sur l’optimisation robuste distribuée (ORD). Ce modèle va au-delà des approches traditionnelles en intégrant systématiquement la décision humaine de où recharger le véhicule dans le calcul même de la capacité de charge du réseau. Ce changement de paradigme représente un progrès majeur, car les méthodes antérieures traitaient la demande de recharge comme une charge flexible dans le temps, mais fixe dans l’espace, ignorant ainsi un levier d’optimisation crucial.
Le problème auquel ce travail s’attaque est pressant. L’intégration croissante de sources d’énergie distribuées, telles que les panneaux solaires photovoltaïques et les petites éoliennes, combinée à l’explosion du parc de véhicules électriques, soumet les réseaux de distribution à des pressions inédites. Ces réseaux, conçus à une époque où l’énergie circulait de manière unidirectionnelle, doivent désormais gérer une double intermitence : celle du soleil et du vent, et celle du comportement des utilisateurs de VE. Cette combinaison d’incertitudes peut provoquer des surcharges de lignes, des violations des limites de tension et des pertes d’énergie excessives, menaçant la stabilité et l’efficacité du système.
Les méthodes existantes pour calculer la capacité maximale d’un réseau — c’est-à-dire la quantité maximale d’énergie renouvelable et de charge de VE qu’il peut gérer en toute sécurité — reposaient principalement sur deux piliers. Le premier, l’optimisation stochastique, exige une connaissance précise des distributions de probabilité des variables incertaines, une exigence souvent irréaliste dans la pratique opérationnelle. Le second, l’optimisation robuste classique, est excessivement prudent, en concevant le réseau pour le « pire des cas » possible. Cette approche conduit à des solutions surdimensionnées et coûteuses, limitant inutilement la capacité d’intégration des énergies renouvelables.
L’équipe de l’Université de Wuhan a surmonté ces limitations en adoptant une approche plus sophistiquée : l’optimisation robuste distribuée. Cette méthode ne se contente pas d’une seule distribution de probabilité, ni de se paralyser face au scénario le plus défavorable. Elle utilise des données historiques pour construire un « ensemble de confiance » — un ensemble de distributions de probabilité possibles — qui, avec une haute probabilité, contient la véritable distribution sous-jacente. Le modèle est alors conçu pour performer de manière optimale non pas contre un scénario unique, mais contre le pire scénario à l’intérieur de cet ensemble de confiance. Cet équilibre subtil entre robustesse et efficacité économique est précisément ce qui rend l’ORD particulièrement adaptée aux défis complexes de la planification des réseaux modernes.
L’innovation majeure de cette étude réside toutefois dans son intégration de la « programmabilité spatiale ». Les chercheurs ont reconnu que, grâce à l’avènement des applications de navigation et de recharge en temps réel, le comportement de recharge des VE n’est plus dicté uniquement par la proximité du domicile. Les conducteurs sont de plus en plus disposés à s’écarter de leur chemin le plus court pour atteindre une station de recharge qui offre un prix plus avantageux, une file d’attente plus courte, ou même un incitatif direct. Cette « flexibilité spatiale » transforme la demande de recharge, passant d’une contrainte passive à une ressource active et pilotable.
Le modèle développé par les chercheurs chinois intègre cette flexibilité de manière élégante et pragmatique. Il définit un VE comme « programmable spatialement » si son propriétaire est prêt à parcourir une certaine distance supplémentaire (la « distance maximale de programmation acceptable ») pour recharger dans une station différente de celle la plus proche. Le modèle intègre une compensation pour ce détour, équilibrant ainsi l’intérêt du propriétaire du VE avec les bénéfices pour le réseau. Grâce à ce mécanisme, la demande de recharge peut être « déplacée » intelligemment d’une station congestionnée vers une autre sous-utilisée, désamorçant les goulets d’étranglement et optimisant la distribution de la puissance.
Pour valider ce modèle, les chercheurs ont utilisé une version modifiée du système de test IEEE 33 nœuds, une référence standard en ingénierie électrique. Ils ont simulé quatre scénarios typiques de journées, basés sur des données historiques de production éolienne et solaire, et ont comparé les résultats avec des scénarios qui ignoraient la flexibilité spatiale ou utilisaient des méthodes d’optimisation traditionnelles. Les résultats ont été révélateurs.
Lorsque la flexibilité spatiale était prise en compte, la capacité d’intégration de l’énergie solaire photovoltaïque dans le réseau augmentait de 3,1 %, passant de 5,12 MW à 5,28 MW. Bien que la capacité éolienne ait légèrement diminué en raison de la capacité totale limitée du réseau, le résultat global était un système plus efficace et avec une intégration accrue d’énergie propre. Le véritable avantage s’est manifesté dans les coûts opérationnels. L’approche proposée a réduit de manière significative les achats d’énergie auprès du réseau principal, les pertes dans le réseau et la nécessité de « gaspiller » (curtailment) de l’énergie renouvelable lorsque la production dépassait la demande locale.
L’un des aspects les plus fascinants a été la transformation du profil de charge des stations de recharge. Sans flexibilité spatiale, les stations proches des centres commerciaux ou des zones résidentielles avaient tendance à être surchargées pendant les heures de pointe, tandis que d’autres stations restaient sous-utilisées. Avec la programmation spatiale, le modèle a effectivement « aplani » la charge, redirigeant une partie de la demande vers des stations plus proches mais moins congestionnées. Par exemple, un VE qui aurait rechargé dans un centre commercial bondé à midi pouvait être incité à le faire dans un parking d’immeubles de bureaux à proximité, où la demande était plus faible et la production solaire à son maximum. Cette redistribution n’a pas seulement allégé la pression sur le réseau, mais a également augmenté la consommation directe d’énergie solaire, améliorant ainsi l’autonomie énergétique locale.
Le modèle a également permis une analyse approfondie du rôle des différentes technologies de soutien au réseau. Les chercheurs ont découvert que des dispositifs comme les systèmes de stockage d’énergie (SSE) et les micro-turbines à gaz (MT) ont un impact beaucoup plus significatif sur la capacité du réseau que les dispositifs de régulation de tension, tels que les condensateurs ou les compensateurs statiques de réactif (SVC). Les SSE, en particulier, ont démontré une valeur double : ils peuvent stocker l’excédent d’énergie solaire pendant la journée et le restituer le soir, réduisant la dépendance au réseau principal et contribuant à stabiliser la tension. Lorsqu’ils sont combinés avec la flexibilité spatiale de la recharge des VE, leur effet est amplifié, créant une puissante synergie.
Les implications pratiques de cette étude sont vastes et immédiates. Pour les planificateurs de réseaux électriques, le message est clair : la capacité d’un réseau n’est pas une quantité fixe, mais peut être augmentée par une gestion intelligente de la demande. Ignorer la flexibilité spatiale des VE, c’est laisser passer une opportunité cruciale de maximiser l’utilisation des infrastructures existantes.
Pour les gestionnaires de stations de recharge, l’étude suggère que leurs plateformes de navigation pourraient évoluer d’outils de localisation simples vers des « centres de contrôle de la demande ». En intégrant des données sur la congestion du réseau et les niveaux de production renouvelable, ces applications pourraient guider les conducteurs non seulement vers les stations les plus pratiques, mais aussi vers celles qui sont « amies du réseau », en offrant des réductions ou des crédits pour des recharges effectuées à des moments et des endroits stratégiques.
Pour les décideurs politiques, la recherche met en lumière la nécessité de créer un cadre réglementaire qui favorise cette collaboration. Actuellement, les fonctions d’approvisionnement en énergie, de gestion du réseau et de mobilité sont souvent cloisonnées. Un système de marché qui récompense les comportements qui soutiennent le réseau — comme la recharge dans des stations sous-utilisées pendant les pics de production solaire — pourrait débloquer d’énormes bénéfices collectifs.
L’étude, bien qu’innovante, n’est pas sans limites et ouvre la voie à des recherches futures. Les chercheurs reconnaissent que leur modèle représente une première étape. L’hypothèse que tous les propriétaires de VE sont prêts à s’écarter de leur chemin le plus court pourrait ne pas être réaliste pour tous les groupes démographiques. Des études futures devront intégrer des modèles comportementaux plus sophistiqués qui tiennent compte des motivations variées des conducteurs. De plus, le modèle actuel se concentre sur la flexibilité spatiale, mais n’intègre pas pleinement la flexibilité temporelle, comme la recharge différée ou la technologie « vehicle-to-grid » (V2G), qui permet aux VE de restituer de l’énergie au réseau. Une vision unifiée qui combine la flexibilité spatiale et temporelle pourrait conduire à des bénéfices encore plus importants.
En conclusion, le travail de Huang Mengqi, Li Yonghui, Yang Jun et Wang Mengke offre une perspective profonde et pragmatique sur l’avenir des réseaux électriques. Il démontre que la clé d’une transition énergétique réussie ne réside pas seulement dans de nouvelles technologies, mais aussi dans l’exploitation intelligente des ressources existantes — parmi lesquelles le comportement humain. En exploitant la « programmabilité spatiale » des millions de VE en circulation, nous pouvons transformer un problème potentiel de congestion en un outil puissant pour construire un réseau plus résilient, plus efficace et plus durable. L’avenir de la mobilité électrique ne se mesure pas seulement en kilomètres parcourus, mais aussi dans les choix intelligents de où et quand recharger.
Huang Mengqi, Li Yonghui, Yang Jun, Wang Mengke, Hubei Engineering and Technology Research Center for AC/DC Intelligent Distribution Network, School of Electrical Engineering and Automation, Wuhan University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2024.1425