Les stations de recharge intelligente stabilisent le réseau avec régulation de fréquence
L’automobile électrique est en pleine mutation, dépassant largement son rôle initial de simple moyen de transport pour s’imposer comme un acteur clé de la transition énergétique. Un nouveau domaine d’innovation émerge : l’intégration des véhicules électriques (VE) dans la gestion active des réseaux électriques. Une étude pionnière menée par Luo Zhao et son équipe de l’Université des sciences et technologies de Kunming révèle comment les stations de recharge et de changement de batterie peuvent devenir des alliés précieux pour stabiliser la fréquence du réseau électrique, tout en respectant scrupuleusement les attentes des conducteurs.
Publiée dans la revue scientifique de renom Power System Protection and Control, cette recherche présente une stratégie de contrôle révolutionnaire qui transforme les flottes de véhicules électriques en une ressource dynamique et bidirectionnelle. Cette avancée arrive à un moment critique, alors que la pénétration croissante des énergies renouvelables, comme l’éolien et le solaire, fragilise la stabilité des réseaux traditionnels. Contrairement aux centrales thermiques et hydrauliques, dont les masses rotatives fournissent une inertie naturelle, les sources renouvelables sont connectées au réseau via de l’électronique de puissance, ce qui les rend plus vulnérables aux fluctuations de fréquence. Une petite perturbation entre la production et la consommation peut provoquer une chute ou une hausse rapide de la fréquence, menaçant l’équilibre du système. La solution réside désormais dans des ressources capables de réagir en quelques secondes, et les batteries des véhicules électriques, présentes à grande échelle, représentent un potentiel de stockage distribué idéal.
Le concept de « Vehicle-to-Grid » (V2G), ou « véhicule vers le réseau », n’est pas nouveau. Depuis des années, les chercheurs explorent la possibilité de faire des VE des batteries mobiles qui pourraient injecter de l’énergie dans le réseau lors des pics de demande ou absorber l’excès de production lors des périodes de forte génération. Cependant, l’adoption à grande échelle de cette technologie a toujours buté sur un obstacle majeur : l’humain. De nombreuses stratégies de régulation de fréquence antérieures traitaient les véhicules électriques comme des unités de stockage génériques, ignorant délibérément les paramètres les plus importants pour le conducteur : son heure de départ prévue, le niveau de charge souhaité à la fin de la session de recharge, ou encore les limites imposées par le constructeur pour préserver la santé de la batterie. Une stratégie qui vide la batterie d’un véhicule avant un long trajet est vouée à l’échec, car elle détruit la confiance du propriétaire. La clé du succès réside donc dans un équilibre délicat entre les besoins du réseau et les exigences du conducteur.
C’est précisément cet équilibre que la nouvelle stratégie, développée par Luo Zhao et ses collègues, parvient à trouver. Son innovation fondamentale réside dans un modèle d’évaluation de la capacité de charge et de décharge qui prend en compte explicitement les « attentes du propriétaire du véhicule ». Plutôt que d’appliquer une règle unique à tous les véhicules connectés, le système effectue une évaluation personnalisée et dynamique de chaque unité.
Le modèle fonctionne sur deux niveaux. Le premier niveau est une analyse fine de la flexibilité énergétique du VE. Le système collecte et analyse plusieurs données clés : le niveau de charge actuel (SoC), l’heure d’arrivée à la station, l’heure de départ prévue, et le SoC souhaité par le conducteur à la fin de la session. Grâce à ces informations, il calcule avec précision la quantité d’énergie que le véhicule peut fournir (en se déchargeant) ou absorber (en chargeant) sans jamais violer les limites définies par son propriétaire. Par exemple, un véhicule qui arrive avec une charge de 30 % et qui doit repartir dans deux heures avec 80 % de charge a une capacité de décharge extrêmement limitée. À l’inverse, un véhicule qui arrive avec 70 % de charge et qui restera connecté pendant huit heures dispose d’une marge de manœuvre bien plus grande, lui permettant d’offrir des services de régulation au réseau pendant une période prolongée.
Le modèle distingue deux scénarios principaux : le fonctionnement en dehors des limites opérationnelles et le fonctionnement aux limites. Dans le premier cas, le véhicule dispose d’une marge de sécurité confortable, ce qui permet une réponse bidirectionnelle robuste et flexible. Dans le second cas, le véhicule est proche de son SoC minimum ou maximum. À ce stade, sa capacité à se décharger ou à charger est sévèrement restreinte. L’algorithme de contrôle ajuste alors dynamiquement la contribution du véhicule en fonction de son état, garantissant que sa fonctionnalité principale – être prêt à rouler – n’est jamais compromise. Cette approche préventive est cruciale pour la durabilité du système V2G.
Une fois que la capacité de chaque véhicule est quantifiée, le deuxième niveau du modèle entre en jeu : la régulation de fréquence proprement dite. Le système met en œuvre un contrôle en deux couches qui s’attaque à la fois à la régulation primaire et à la régulation secondaire.
La régulation primaire est la réponse immédiate et automatique à une déviation de fréquence. Lorsque la fréquence du réseau chute en dessous d’un seuil critique (par exemple, 49,9 Hz), le système active les véhicules qui sont en mesure de se décharger, injectant ainsi de l’énergie dans le réseau pour compenser le déficit. Lorsque la fréquence augmente au-dessus du seuil (par exemple, 50,1 Hz), il active les véhicules qui peuvent charger, absorbant l’excès d’énergie. Ce qui rend cette stratégie supérieure à d’autres est son coefficient de contrôle adaptatif. Au lieu d’une réponse fixe, le système module l’intensité de la réaction en fonction de la capacité disponible de chaque véhicule. Un VE avec une grande réserve d’énergie répondra plus agressivement qu’un autre avec peu de marge, optimisant ainsi l’utilisation des ressources et évitant de surcharger des véhicules déjà proches de leurs limites.
Pour la régulation secondaire, qui vise à éliminer l’erreur de fréquence résiduelle et à restaurer la fréquence nominale sur une période plus longue, le système va plus loin. Il utilise le concept d’Erreur de Contrôle de Zone (ACE), un signal qui reflète le déséquilibre de puissance entre différentes zones interconnectées, pour affiner sa réponse. Cette approche, combinée à un contrôleur intégral, permet aux véhicules électriques de contribuer à la stabilité du système pendant plusieurs minutes, agissant comme une ressource de Contrôle Automatique de Génération (AGC) virtuelle. Cela démontre que les VE ne sont pas seulement capables de réactions rapides, mais peuvent aussi jouer un rôle dans l’équilibre à plus long terme du réseau.
Pour valider l’efficacité de cette stratégie, les chercheurs ont mené des simulations détaillées sur un modèle de réseau à deux zones, simulant des conditions de charge réalistes. Ils ont modélisé quatre types différents de véhicules électriques, chacun avec des capacités de batterie, des horaires d’arrivée et des comportements de charge distincts. Deux scénarios ont été évalués : un scénario diurne avec une participation modérée de VE et un scénario nocturne avec une pénétration plus élevée, reflétant les habitudes de recharge des utilisateurs.
Dans un scénario de basse fréquence, où une charge soudaine a augmenté de 1 %, le système sans support des VE a connu une chute maximale de fréquence de 0,066 Hz, une déviation significative. En activant la stratégie de contrôle proposée, cette chute a été réduite de manière drastique à 0,032 Hz dans le scénario diurne et à 0,038 Hz dans le scénario nocturne. Non seulement la fréquence a été stabilisée plus rapidement, mais les oscillations subséquentes ont été considérablement amorties, ce qui est essentiel pour la sécurité du réseau.
Les données de production ont révélé un bénéfice clair pour les centrales électriques traditionnelles. Grâce à la participation des véhicules électriques, la sortie des générateurs thermiques a été réduite jusqu’à 35 % dans le scénario diurno. Cela se traduit par une diminution de la consommation de combustible, moins d’usure mécanique des équipements et une durée de vie prolongée des installations. Dans les scénarios de haute fréquence, qui simulent un excès de production éolienne, les véhicules électriques ont augmenté leur demande de charge, agissant comme des charges virtuelles. Dans un cas, la station de recharge a absorbé 48 MW d’énergie supplémentaire, soulageant ainsi la pression sur les centrales traditionnelles qui auraient dû réduire leur production de manière rapide et coûteuse.
Un ensemble de tests encore plus rigoureux a utilisé des perturbations de charge aléatoires pour simuler les conditions du monde réel. Dans ces conditions dynamiques, la flotte de véhicules électriques a ajusté en continu son flux de puissance net, passant entre les modes de charge et de décharge selon les besoins du réseau. Lors d’une chute brutale de la charge, les véhicules ont augmenté leur consommation en quelques secondes, évitant ainsi un déclenchement par surfréquence. Le système a réussi à maintenir la fréquence dans une fourchette de ±0,05 Hz par rapport à la valeur nominale, contre ±0,1 Hz sans le soutien des VE.
L’un des résultats les plus remarquables a été la capacité du système à fonctionner à la limite de ses capacités sans violer les attentes des utilisateurs. À 42 secondes de la simulation, tous les véhicules ont atteint leur taux de charge maximal. Au lieu de forcer une réponse supplémentaire, la stratégie de contrôle a maintenu la puissance de sortie à son maximum, préservant la santé de la batterie et garantissant que tous les véhicules atteignent leur niveau de charge cible à l’heure prévue. Ce niveau de fiabilité est la clé de la confiance.
« Cela ne concerne pas seulement la technologie, c’est une question de confiance », a expliqué Nie Lingfeng, co-auteur de l’étude. « Les conducteurs doivent savoir que leur voiture sera prête quand ils en auront besoin. Si le V2G vide la batterie avant un voyage, les gens se désengageront. Notre modèle garantit la fiabilité des deux côtés : les opérateurs de réseau obtiennent une ressource réactive, et les conducteurs obtiennent la tranquillité d’esprit. »
Les implications de ce travail sont profondes. Alors que les réseaux électriques cherchent à intégrer davantage d’énergies renouvelables et à réduire leur dépendance aux combustibles fossiles, les ressources de demande flexible comme les véhicules électriques offrent une alternative économique à la construction de nouvelles centrales de pointe ou d’installations de stockage à grande échelle. Une station de recharge équipée de cette logique de contrôle peut fonctionner comme une centrale virtuelle, agrégeant des centaines ou des milliers de petites batteries en un seul actif dispatchable.
De plus, cette stratégie s’aligne parfaitement avec les marchés émergents des services auxiliaires qui valorisent la vitesse et la précision. Dans de nombreuses régions, les ressources de réponse rapide reçoivent des rémunérations premium. En offrant des temps de réaction inférieurs à une seconde, les flottes de véhicules électriques pourraient générer de nouveaux flux de revenus pour les exploitants de stations et même pour les propriétaires individuels.
Cependant, l’adoption généralisée nécessite bien plus que des algorithmes avancés. Des protocoles de communication standardisés, un matériel interopérable et des cadres réglementaires clairs sont indispensables. Les chercheurs soulignent la nécessité d’un soutien politique pour inciter à la participation, par exemple via des tarifs variables selon les heures de pointe, des tarifs spécifiques pour la régulation de fréquence ou des crédits carbone pour les services de stabilisation du réseau.
Un autre défi majeur est la perception du public. Bien que de nombreux conducteurs soient théoriquement ouverts au V2G, les préoccupations concernant la dégradation de la batterie restent une barrière importante. L’étude de Kunming aborde ce problème en intégrant des contraintes de santé de la batterie directement dans la logique de contrôle, garantissant que les cycles de charge et de décharge restent dans les limites recommandées par le constructeur. Les versions futures du modèle pourraient intégrer des diagnostics de batterie en temps réel pour optimiser encore davantage la longévité.
Du point de vue de l’infrastructure, la transition vers la recharge bidirectionnelle doit s’accélérer. La majorité des chargeurs actuels sont unidirectionnels, ce qui limite considérablement le potentiel du V2G. Toutefois, des constructeurs comme Nissan, Hyundai et Ford commencent à proposer des modèles dotés de capacités bidirectionnelles, et des normes comme l’ISO 15118 permettent une communication sécurisée et interopérable entre les véhicules et les stations.
La Chine, où cette étude a été menée, est un leader mondial dans le déploiement de l’infrastructure de recharge. Avec plus de 8 millions de points de recharge publique, le pays dispose de l’échelle nécessaire pour mettre en œuvre des programmes V2G à grande échelle. La participation de State Grid Ningxia Electric Power Co. parmi les partenaires de recherche suggère un fort intérêt industriel pour une mise en œuvre pratique.
À l’échelle mondiale, des initiatives similaires gagnent en ampleur. Au Royaume-Uni, des projets comme EV-elocity ont démontré le V2G à grande échelle. En Californie, les entreprises de services publics explorent la possibilité d’utiliser des flottes de VE comme actifs du réseau. Au Japon, les systèmes Véhicule vers Maison (V2H) sont déployés pour améliorer la résilience après les catastrophes.
Le travail de l’équipe de Kunming ajoute une pièce cruciale à ce puzzle : un cadre de contrôle centré sur l’utilisateur qui équilibre la performance technique et l’usabilité pratique. En ancrant la stratégie dans le comportement réel des conducteurs et les limites des véhicules, il fait évoluer le V2G d’un concept théorique vers une réalité opérationnelle.
L’étude complète, intitulée « Auxiliary Frequency Regulation Strategy for Charging and Swapping Stations Combined with the Expectations of Vehicle Owners », a été publiée dans Power System Protection and Control. Elle a été rédigée par Luo Zhao, Nie Lingfeng, Tian Xiao, Li Jiahao, Lei Yuanqing et Ma Rui de l’Université des sciences et technologies de Kunming, de Yunnan Power Grid Co., Ltd. et de State Grid Ningxia Electric Power Co., Ltd. La recherche a été soutenue par le National Natural Science Foundation of China (Grant No. 52277104). DOI: 10.19783/j.cnki.pspc.231087