Les flottes de véhicules électriques optimisent les micro-réseaux
L’industrie automobile et le secteur de l’énergie sont de plus en plus interconnectés, et une nouvelle étude publiée dans la revue Distribution & Energy démontre comment les véhicules électriques (VE) évoluent d’objets de transport simples en ressources stratégiques et actives pour la gestion intelligente de l’énergie. La recherche, menée par Yang Kang de State Grid Jiangsu Electric Power Co., Ltd., en collaboration avec des experts de Nanjing Nari Group Corporation et de Nanjing University of Posts and Telecommunications, présente une stratégie innovante d’optimisation multi-échelle qui exploite les clusters de véhicules électriques pour augmenter la flexibilité opérationnelle et améliorer l’efficacité économique des micro-réseaux électriques.
L’objectif d’une transition énergétique durable a entraîné une adoption massive de sources renouvelables telles que l’énergie solaire et éolienne. Toutefois, la nature intermittente de ces énergies pose des défis significatifs à la stabilité des réseaux électriques. Les micro-réseaux, systèmes électriques locaux capables de fonctionner de manière autonome ou connectés au réseau principal, sont apparus comme une solution prometteuse pour gérer cette variabilité. Le problème, cependant, est que les systèmes de stockage d’énergie traditionnels, tels que les batteries stationnaires, sont souvent coûteux et limités en termes de capacité. L’équipe de recherche de Yang Kang a relevé ce défi avec une vision transformatrice : transformer les millions de véhicules électriques stationnés en une gigantesque batterie virtuelle distribuée.
Le cœur de la recherche est le concept de Vehicle-to-Grid (V2G), ou véhicule vers réseau. Plutôt que de considérer les VE uniquement comme des consommateurs d’énergie, le modèle proposé les voit comme des unités de stockage d’énergie distribuée capables non seulement de se charger, mais aussi de restituer de l’énergie au réseau lorsque cela est nécessaire. Cette approche est particulièrement puissante lorsqu’on considère les véhicules non pas individuellement, mais regroupés en « clusters », comme des groupes de voitures stationnées dans une station de recharge. Cette agrégation est fondamentale car elle atténue l’imprévisibilité des comportements individuels des utilisateurs, créant ainsi une ressource collective et gérable pour le micro-réseau.
Le modèle développé par les chercheurs chinois repose sur une approche d’optimisation en deux échelles de temps distinctes : la planification du jour précédent (day-ahead scheduling) et l’optimisation en temps réel (intra-day optimization). La première phase, la planification du jour précédent, se déroule environ 24 heures à l’avance. À ce stade, le système analyse les prévisions de production d’énergie éolienne et solaire, ainsi que les prix de l’électricité qui varient selon l’heure de la journée – les tarifs horaires. Sur la base de ces données, le modèle optimise le fonctionnement de toutes les composantes contrôlables du micro-réseau. Cela inclut les cycles de charge et de décharge des batteries stationnaires, la gestion intelligente des charges flexibles (par exemple, le déplacement du fonctionnement de machines industrielles vers des créneaux tarifaires plus avantageux) et la puissance des groupes électrogènes diesel de secours. L’objectif principal de cette première phase est la minimisation des coûts opérationnels totaux du micro-réseau pour le jour suivant.
Cependant, cette planification anticipée n’est qu’une prévision. La réalité est souvent différente : un nuage soudain peut réduire drastiquement la production d’énergie solaire, ou une augmentation inattendue de la consommation d’énergie peut faire exploser la demande. Pour faire face à ces incertitudes, entre en jeu la deuxième phase du modèle : l’optimisation « intra-journée ». Cette phase en temps réel ajuste continuellement le plan initial aux conditions opérationnelles actuelles. C’est précisément là que les clusters de véhicules électriques jouent leur rôle décisif.
Dans cette phase dynamique, les clusters de VE sont intégrés activement à la gestion énergétique du micro-réseau. Le système analyse en temps réel quels véhicules sont connectés, quel niveau de charge (State of Charge, SOC) ont leurs batteries, quand les propriétaires prévoient de repartir et dans quelle mesure ils sont disposés à participer au programme V2G. Les chercheurs ont développé un modèle probabiliste qui calcule le taux de réponse moyen des propriétaires de véhicules électriques dans une zone donnée. Cela permet au système d’estimer avec une grande précision la puissance de décharge effectivement disponible des clusters.
Par exemple, si une diminution soudaine de l’énergie éolienne provoque une pénurie d’électricité dans le micro-réseau, le système peut immédiatement activer les véhicules électriques disponibles pour injecter de l’énergie dans le réseau. Cela compense le déficit et empêche les groupes électrogènes diesel coûteux et polluants d’être mis en marche. Inversement, lorsqu’une lumière solaire intense provoque une production excédentaire, le système peut ordonner aux clusters de VE de charger leurs batteries, évitant ainsi le gaspillage d’énergie renouvelable (curtailment) et augmentant l’efficacité globale du système. Cette capacité à réagir en quelques secondes aux fluctuations augmente considérablement la flexibilité et la robustesse de l’ensemble du système.
Un mécanisme d’incitation central pour la participation des utilisateurs est l’utilisation des tarifs horaires. Le modèle tient compte des prix réels de l’électricité, qui changent au cours de la journée. Pendant les périodes de creux et de pleine, lorsque l’électricité est abondante et bon marché, les véhicules sont incités à charger. Pendant les périodes de pointe, lorsque les prix sont élevés, les propriétaires sont récompensés pour autoriser leurs véhicules à injecter de l’énergie dans le réseau. Cette approche basée sur les prix aligne le comportement individuel des utilisateurs sur les objectifs généraux du micro-réseau – minimisation des coûts et stabilité du réseau. C’est un scénario classique de gagnant-gagnant : les propriétaires de véhicules réduisent leurs coûts de recharge ou même gagnent de l’argent, tandis que le micro-réseau fonctionne de manière plus efficace et économique.
Pour démontrer l’efficacité de leur modèle, les chercheurs ont mené une étude de cas approfondie basée sur des données opérationnelles réelles d’un micro-réseau urbain de 2023. Le réseau modèle comprenait des centrales éoliennes et solaires, des groupes électrogènes diesel, des batteries stationnaires et quatre stations de recharge de véhicules électriques totalisant 1 000 véhicules. Les véhicules ont été divisés en trois catégories : recharge rapide (pour de courts séjours), recharge lente (pour des séjours moyens) et recharge nocturne (pour la nuit). En utilisant la simulation de Monte Carlo, les chercheurs ont analysé 1 000 événements de charge et de décharge pour évaluer le potentiel gérable des clusters.
Les résultats ont été impressionnants. Par rapport à un scénario sans participation de véhicules électriques, le micro-réseau avec des clusters de VE intégrés a montré un lissage de charge bien meilleur, une réduction significative du pic de demande et une part plus élevée d’autoconsommation d’énergie renouvelable. L’avantage économique a été particulièrement évident : les coûts opérationnels totaux du micro-réseau ont diminué d’environ 7,7 % par rapport à un scénario avec participation de VE mais sans optimisation multi-échelle. Par rapport à un fonctionnement complètement non planifié (« sans planification »), l’économie a atteint près de 13 %. Cette réduction des coûts a été obtenue grâce à des achats moindres d’énergie coûteuse pendant les pics du réseau principal, moins d’heures de fonctionnement des groupes électrogènes diesel et des revenus supplémentaires grâce à la vente d’énergie excédentaire au réseau principal.
Un facteur clé pour le succès de tels systèmes est l’acceptation par les utilisateurs finaux. Les chercheurs soulignent fortement que l’utilisation de la batterie du véhicule pour le V2G ne doit jamais se faire au détriment de la mobilité du propriétaire. Le modèle tient donc soigneusement compte des horaires individuels et des besoins de mobilité. Un véhicule qui doit partir à 8h du matin ne sera jamais déchargé de manière à ne pas avoir la capacité nécessaire pour le trajet aller au travail. Cette approche centrée sur l’utilisateur, qui garantit la sécurité et la fiabilité du véhicule, est essentielle pour gagner la confiance des utilisateurs et favoriser une participation à long terme.
L’étude souligne également l’importance de la prise de décision basée sur les données dans les systèmes énergétiques modernes. En utilisant des technologies de prévision avancées telles que la décomposition modale empirique (EMD), l’analyse en composantes principales (PCA) et les réseaux neuronaux à long terme (LSTM), les chercheurs ont obtenu une grande précision dans la prévision de la production d’énergie éolienne et solaire. Plus ces prévisions sont précises, plus la planification anticipée peut être efficace, ce qui constitue la base d’une optimisation en temps réel réussie.
Du point de vue politique, les résultats soulignent la nécessité de créer des cadres réglementaires qui soutiennent l’intégration V2G. De nombreux marchés électriques et tarifs actuels ne sont pas conçus pour des flux d’énergie bidirectionnels à partir de ressources distribuées. Établir des modèles de compensation équitables qui récompensent adéquatement les propriétaires de véhicules pour les services réseau fournis – tels que la régulation de fréquence, le soutien de tension et le lissage des pics – créerait des incitations plus fortes à la participation. En outre, la standardisation des protocoles de communication et des normes strictes de cybersécurité seront essentielles pour garantir l’interopérabilité et protéger les données des utilisateurs.
Les implications de ce travail vont bien au-delà des limites d’un micro-réseau unique. Avec l’augmentation rapide du parc de véhicules électriques, la capacité de stockage collective des véhicules stationnés pourrait jouer un rôle transformateur dans les réseaux électriques nationaux et régionaux. Dans les zones urbaines à forte pénétration de VE, la gestion coordonnée de millions de véhicules pourrait aider à équilibrer l’offre et la demande au niveau de distribution, réduisant ainsi le besoin de centrales de pointe centralisées et améliorant l’efficacité globale du réseau. Dans les zones rurales ou isolées, les micro-réseaux intégrés à des VE pourraient fournir une énergie fiable et à faibles émissions de carbone là où la connexion au réseau principal est difficile ou coûteuse.
En conclusion, le travail de Yang Kang et de son équipe représente un pas significatif vers l’intégration des véhicules électriques dans les systèmes énergétiques modernes. Leur cadre d’optimisation multi-échelle ne démontre pas seulement la faisabilité technique et économique, mais offre également une voie pratique pour exploiter pleinement le potentiel des véhicules électriques en tant que ressources actives du réseau. Il montre que les véhicules électriques ne doivent plus être considérés uniquement comme des consommateurs d’électricité, mais comme une partie intégrante d’un système énergétique intelligent, flexible et durable de l’avenir.
Distribution & Energy, DOI: 10.16513/j.2096-2185.DE.2409303. Yang Kang, State Grid Jiangsu Electric Power Co., Ltd.; Shi Lushan, Grid Safety and Stability Control Technology Branch Company of Nanjing Nari Group Corporation; Zhou Hang, State Grid Jiangsu Electric Power Co., Ltd.; Wang Zhaoyang, Nanjing University of Posts and Telecommunications; Wang Bolun, State Grid Jiangsu Electric Power Co., Ltd.; Zhou Xia, Nanjing University of Posts and Telecommunications; Tang Hao, Grid Safety and Stability Control Technology Branch Company of Nanjing Nari Group Corporation.