Les agrégateurs de VE optimisent la recharge grâce au comportement humain
Dans un parking de banlieue paisible, une BYD Han argentée se branche sur une borne de niveau 2 peu après minuit. Le conducteur n’est pas à proximité, son téléphone à la main, à surveiller anxieusement sa batterie. En réalité, elle dort profondément – à des kilomètres de là. Son véhicule, comme près de 200 autres dans le même quartier, répond à une incitation économique subtile : une baisse du prix de l’électricité, orchestrée en temps réel par un agrégateur de véhicules électriques (VE) local s’appuyant sur une compréhension approfondie des comportements. Ce n’est pas de la magie. Ce n’est même pas un matériel particulièrement high-tech. La nouveauté réside dans la façon dont le logiciel pense – davantage comme un économiste comportemental que comme un ingénieur.
Jusqu’à récemment, les discussions sur l’intégration des VE au réseau électrique se concentraient presque exclusivement sur le matériel : des batteries plus grosses, des onduleurs plus intelligents, des chargeurs plus rapides. En coulisses, cependant, un changement tectonique est en cours – un changement qui place la prise de décision humaine, et pas seulement les kilowattheures, au cœur de la conception du système énergétique. Une nouvelle vague de recherches, menée par une équipe de l’Institut de Technologie de Nanjing, redéfinit la façon dont les VE interagissent avec le réseau – non pas en forçant la conformité par un contrôle rigide, mais en incitant à la participation par des signaux tarifaires psychologiquement informés.
Les implications ne pourraient pas être plus opportunes. Alors que les parcs mondiaux de VE gonflent – la Chine à elle seule a ajouté plus de 2 millions de véhicules électriques à batterie en 2022 – le risque qu’une recharge non gérée submerge les réseaux de distribution locaux n’est plus théorique. Les transformateurs gémissent sous les « doubles pics » en soirée, où la demande résidentielle entre en collision avec les branchements massifs de VE juste après les trajets de retour de 18h. Les schémas traditionnels de réponse à la demande, qui traitent les conducteurs de VE comme des unités passives dans une immense feuille de calcul, s’avèrent insuffisants. Pourquoi ? Parce que les gens ne sont pas des algorithmes. Ils ne répondent pas linéairement au prix. Leur volonté de retarder la recharge, ou – plus radicalement – de renvoyer de l’énergie vers le réseau, dépend d’un enchevêtrement complexe de besoins pratiques, d’anxiété liée à la batterie et de perception de l’équité.
Entrez dans le paradigme de la « réactivité de l’utilisateur ».
Dirigée par Jun Li, un professeur dont le travail chevauche les systèmes électriques et la conception centrée sur l’humain, l’équipe de recherche s’est fixé pour objectif de répondre à une question en apparence simple : Qu’est-ce qui pousse réellement un propriétaire de VE à dire « oui » pour décaler sa recharge – ou même revendre de l’énergie – au-delà du simple montant indiqué sur l’étiquette prix ? Leur réponse, détaillée dans un article récent publié dans Southern Power System Technology, va au-delà de l’hypothèse selon laquelle les utilisateurs se ruent automatiquement vers la fenêtre tarifaire la moins chère. Au lieu de cela, ils ont construit un modèle fondé sur la loi de Weber-Fechner – un principe de psychophysique stipulant que la perception humaine d’un changement de stimulus (comme une baisse de prix) est proportionnelle au changement relatif, et non absolu.
Pensez-y ainsi : une remise de 200 ¥/MWh semble énorme lorsque la recharge de base coûte 400 ¥, mais est à peine perceptible lorsqu’elle est déjà à 1 200 ¥. Plus crucial encore – et c’est là que les modèles précédents échouaient – l’équipe a reconnu que l’état de charge (SOC) d’un VE est l’arbitre silencieux de chaque décision. Un véhicule à 90% de SOC à 19h ? Son propriétaire pourrait volontiers revendre un peu d’énergie au réseau si le prix est bon. Mais un véhicule à 20% de SOC, avec un trajet scolaire de 50 km prévu pour 7h30 du matin ? Aucune incitation financière ne surpassera le besoin primordial d’autonomie.
Pour capturer cette nuance, Li et ses collègues – Jiacheng Liang, Ketian Liu, Wei Han, Xiao Liang et Xin Li – ont développé une surface de réponse double : une pour la charge, une pour la décharge. Chaque surface cartographie deux axes – les signaux de prix dynamiques et le SOC en temps réel – en une probabilité de participation. Agrégée à l’échelle d’une flotte, cela donne ce que les auteurs appellent la « capacité programmable » : non pas la puissance maximale théorique qu’un garage de VE pourrait fournir, mais le montant réaliste, contraint comportementalement qu’ils sont susceptibles de contribuer à toute heure donnée.
Le modèle a été testé sur des données de voyage réelles : l’Enquête Nationale sur les Déplacements des Ménages américaine (NHTS 2017), adaptée aux modes de déplacement chinois. Les simulations impliquaient 50, 100 et 200 VE connectés à un feeder de distribution représentatif. Trois scénarios ont été comparés : Non contrôlé (branchez et oubliez), Recharge contrôlée (seulement le décalage de charge autorisé) et Charge-décharge coordonnée (participation complète V2G, guidée par le modèle de réactivité).
Les résultats ont été frappants – pas seulement en magnitude, mais en qualité d’impact.
Dans le cas non contrôlé, la survenue habituelle du pic de soirée est réapparue avec une clarté brutale : la variance de charge du système a grimpé à plus de 19 600 kW² lorsque 200 VE ont rejoint le réseau. Les transformateurs flirtent avec les seuils de surcharge. Le coût moyen de recharge par utilisateur avoisinait 8,50 ¥ par session, et les profits des agrégateurs restaient maigres – à peine à l’équilibre dans de nombreux cas.
Le passage à la charge-décharge coordonnée a donné des résultats transformateurs. Avec 200 VE, la variance de charge s’est effondrée de plus de 93 % – pour atteindre seulement 1 377 kW² – lissant la courbe quotidienne en une douce colline plutôt qu’une chaîne de montagnes déchiquetée. Surtout, cela n’a pas été réalisé au détriment du bien-être des utilisateurs. Le coût moyen de recharge a chuté à 4,47 ¥ – une réduction de 48 % – parce que les conducteurs ont effectivement « acheté bas et vendu haut » : faisant le plein à bas prix pendant la nuit et exportant le surplus pendant les heures de pointe chères. Pendant ce temps, le profit quotidien de l’agrégateur a grimpé en flèche à 336 ¥, plus du double du scénario de base non contrôlé.
Mais l’aperçu le plus révélateur est venu de la comparaison entre les tarifications dynamiques et les tarifications en temps d’utilisation (TOU) – où les tarifs ne changent que quelques fois par jour, comme les tarifs des services publics actuels. La tarification dynamique, mise à jour toutes les heures, a donné des résultats de réseau supérieurs : variance plus faible, coûts utilisateur plus bas. Pourtant, elle est arrivée avec un coût caché : la charge cognitive. Les fluctuations fréquentes des prix, met en garde l’équipe, peuvent éroder la confiance et la participation des utilisateurs au fil du temps. Les conducteurs peuvent percevoir le système comme les « manipulant », ou simplement se lasser de la comptabilité mentale requise. La variante TOU, bien que légèrement moins optimale numériquement (variance de charge 19% plus élevée), a généré des profits plus élevés pour l’agrégateur – suggérant que les utilisateurs étaient prêts à accepter des factures de recharge marginalement plus élevées en échange de la prévisibilité et de la simplicité.
Cette tension – entre l’optimalité mathématique et la durabilité humaine – se situe au cœur de l’interface réseau-VE de nouvelle génération. La recherche ne propose pas seulement un meilleur algorithme ; elle recadre entièrement le problème. L’agrégateur n’est plus un planificateur descendant, mais un facilitateur de marché dont le succès dépend de l’empathie. Ses signaux tarifaires doivent être lisibles, équitables et psychologiquement résonnants – pas seulement économiquement efficaces.
Les acteurs industriels en prennent déjà note. Une cohorte croissante de startups de « centrales électriques virtuelles » (VPP) dépasse la simple agrégation pour aller vers une orchestration comportementale. Une entreprise basée à Shenzhen intègre désormais des « seuils de confiance » dans son application utilisateur : au lieu d’exiger un SOC de départ fixe de 90%, elle demande : « À quel point seriez-vous à l’aise de partir avec 80% ? » et ajuste les plages de planification en conséquence. Un autre agrégateur de Hangzhou a introduit des « primes d’engagement » – de petits paiements garantis pour les utilisateurs qui pré-autorisent la participation à au moins trois événements V2G par semaine, transformant un engagement sporadique en une coopération habituelle.
Point critique, cette approche évite le champ de mines de la confidentialité qui a entaché les initiatives précédentes de smart grid. Le modèle ne nécessite pas de suivi GPS minute par minute ou de profilage personnel approfondi. Il n’a besoin que de trois entrées par véhicule : l’heure de branchement, l’heure de débranchement et le SOC initial – toutes des informations que les utilisateurs partagent volontiers en échange de factures réduites et d’un statut de « héros du réseau ». Le reste est déduit statistiquement à travers la flotte, préservant l’anonymat individuel tout en libérant de la valeur collective.
D’un point de vue réglementaire, les résultats remettent en cause les notions dépassées de neutralité du réseau. Si les VE peuvent agir comme des ressources réactives – et pas seulement des charges – alors les structures de compensation doivent évoluer. Les règles actuelles de mesure nette, conçues pour les panneaux solaires avec des courbes de production fixes, sont mal adaptées à la nature stochastique et bidirectionnelle de la participation des VE. L’article appelle implicitement à de nouvelles architectures tarifaires : peut-être un tarif en deux parties comprenant un frais fixe de « connectivité » plus un crédit de « flexibilité » basé sur la performance, payé par kilowattheure de réduction ou d’injection de demande vérifiée.
L’un des avantages les plus sous-estimés mis en lumière par l’étude est la résilience du réseau. Lors d’un pic de demande simulé en fin d’après-midi – imitant une vague de chaleur inattendue – la flotte de VE coordonnée n’a pas seulement réduit le pic ; elle l’a absorbé. Pendant 90 minutes critiques, la décharge agrégée des véhicules stationnés a compensé 18% du déficit du système, évitant le recours à des centrales de pointe coûteuses et intensives en carbone. Ce n’est pas de l’acquisition de services auxiliaires ; c’est une absorption de choc à l’échelle communautaire, fournie par des voitures à l’arrêt.
Cependant, des défis subsistent. Les préoccupations concernant la dégradation de la batterie persistent, en particulier parmi les early adopters. Bien que les chimies LFP modernes soient remarquablement robustes sous un cyclage V2G modéré, la perception publique accuse un retard. Les chercheurs le reconnaissent, notant dans leur conclusion que les travaux futurs doivent intégrer les coûts de dégradation perçus dans le modèle de réactivité – même si l’usure réelle est minime. La confiance, après tout, est autant une ressource de réseau que le cuivre ou le silicium.
La question de l’équité est tout aussi importante. Cette nouvelle économie de la flexibilité bénéficiera-t-elle principalement aux citadins aisés avec des garages privés et des chargeurs bidirectionnels ? Ou peut-elle être étendue aux habitants d’appartements, aux opérateurs de flottes et aux communautés rurales ? Le cadre de l’article est intrinsèquement évolutif – ses surfaces de réactivité peuvent être reparamétrées pour différents segments d’utilisateurs – mais la stratégie de déploiement compte. Des programmes pilotes à Suzhou testent actuellement des « pools tampons partagés pour VE » dans les immeubles à logements multiples, où une batterie au niveau du bâtiment agit comme un intermédiaire, protégeant les locataires individuels de l’interaction directe avec le réseau tout en capturant les avantages à l’échelle du système.
Ce qui distingue ce travail, c’est son refus de traiter l’élément humain comme un bruit à filtrer. Pendant des décennies, les ingénieurs électriciens ont cherché à éliminer la variabilité – par des réserves tournantes, la régulation de la fréquence et des boucles de contrôle toujours plus serrées. Cette recherche renverse la situation : elle exploite la variabilité, reconnaissant que le désordre du comportement humain – lorsqu’il est correctement compris et respecté – peut être une fonctionnalité, et non un bug.
De retour dans ce parking de Nanjing, la BYD Han argentée termine sa recharge nocturne juste avant 5h du matin, se stabilisant à 92% de SOC. À 18h45, alors que la charge du climatiseur du foyer augmente en soirée, elle décharge tranquillement 5 kWh dans le microréseau domestique – assez pour couvrir la préparation du dîner sans faire vaciller une seule ampoule. La propriétaire reçoit un crédit de 3,20 ¥, appliqué automatiquement sur la facture du mois suivant. Elle ne pense pas aux taux de rampe ou aux affaissements de tension. Elle pense : « Sympa. Ma voiture a aidé à payer les courses. »
C’est là la véritable percée. Pas des téraflops d’optimisation, mais un simple et discret moment d’alignement – entre le conducteur et le véhicule, le véhicule et le réseau, l’individu et le système. Lorsque la technologie s’efface en arrière-plan et que la valeur devient tangible, la participation cesse d’être une corvée et devient, tout naturellement, une habitude.
La route à venir ne sera pas sans embûches. Les standards d’interopérabilité pour la communication V2G restent fragmentés. Les bacs à sable réglementaires sont encore trop petits et éphémères. L’éducation des consommateurs est à la traîne. Mais la direction est indéniable : le réseau futur ne sera pas commandé par une IA centrale. Il émergera, de manière adaptative et élégante, de millions de petites décisions intelligentes et centrées sur l’humain – chacune étant un petit vote pour un système énergétique plus résilient, abordable et équitable.
Et parfois, les votes les plus puissants sont émis pendant que leurs propriétaires dorment.
Jun Li, Jiacheng Liang, Ketian Liu, Wei Han, Xiao Liang, Xin Li École d’ingénierie de l’énergie électrique, Institut de Technologie de Nanjing, Nanjing 211167, Chine ; Huaian Power Supply Company de State Grid Jiangsu Electric Power Co., Ltd., Huaian, Jiangsu 223001, Chine Southern Power System Technology, Vol. 17, No. 8, août 2023 DOI : 10.13648/j.cnki.issn1674-0629.2023.08.014