Les stations de swap, alliées de la résilience électrique
Les réseaux électriques modernes font face à des défis sans précédent. La fréquence et l’intensité croissantes des événements météorologiques extrêmes – ouragans, tempêtes, inondations – mettent à rude épreuve la stabilité des infrastructures de distribution d’énergie. Lorsque ces réseaux subissent des dommages, ils se fragmentent souvent en îlots isolés, incapables d’échanger de l’électricité. Dans ces situations critiques, certaines zones peuvent disposer d’une production d’énergie excédentaire, tandis que d’autres, pourtant situées à proximité, sont plongées dans le noir, privant les habitants, les hôpitaux et les services essentiels d’un approvisionnement vital. Les solutions traditionnelles, comme le déploiement de groupes électrogènes diesel, sont coûteuses, polluantes et souvent trop lentes pour répondre à l’urgence.
Face à ce constat, une nouvelle voie de recherche émerge, prometteuse et pragmatique. Elle ne repose pas sur la construction de nouvelles infrastructures, mais sur la réinvention intelligente d’une technologie déjà en plein essor : les stations de swap pour véhicules électriques (VE). Une étude pionnière publiée dans la revue Energy Storage Science and Technology par Tianao Zhang de la compagnie d’électricité Haidian de State Grid Beijing, en collaboration avec Yongchong Chen de l’Institut Internet de l’Énergie de Sichuan de l’Université Tsinghua, propose une stratégie radicale : transformer les batteries des stations de swap en une flotte de stockage d’énergie mobile, capable de transporter de l’électricité là où elle est le plus nécessaire.
L’idée centrale est aussi simple que puissante. Contrairement aux VE classiques qui se contentent de se brancher pour se recharger, les véhicules conçus pour le swap permettent un échange de batterie en quelques minutes. Cette caractéristique unique fait des batteries elles-mêmes des unités de stockage indépendantes et, surtout, transportables. Lorsqu’un îlot de réseau est en pénurie d’énergie, un véhicule électrique peut se rendre à une station de swap située dans une zone stable, y prélever une batterie complètement chargée, et la transporter vers une station dans la zone sinistrée. Là, la batterie peut être immédiatement insérée dans le système pour alimenter les charges critiques. Ce processus transforme le réseau routier en un canal parallèle de distribution d’énergie, complémentaire au réseau électrique traditionnel, mais capable de contourner ses points de rupture.
Ce concept va bien au-delà d’une simple analogie avec des camions-citernes d’électricité. Il repose sur un cadre mathématique sophistiqué et rigoureux. Zhang, Chen et leurs collègues ont développé un modèle d’optimisation complet qui fusionne deux univers habituellement séparés : le réseau électrique et le réseau de transport. L’objectif ultime est de minimiser le coût total de fonctionnement du système pendant une crise. Ce coût global est une somme de trois éléments clés. Premièrement, le coût de la perte de charge, qui quantifie le préjudice économique et social de ne pas pouvoir fournir d’électricité. Deuxièmement, le coût de production, qui inclut l’exploitation de sources d’urgence comme les groupes électrogènes, notoirement chers. Troisièmement, le coût de transport, qui englobe le temps, l’énergie consommée par le véhicule transporteur et les éventuels obstacles logistiques.
Le modèle est formulé comme un problème de programmation linéaire en nombres mixtes (MILP), une approche qui permet des solutions rapides et fiables par les ordinateurs. Cette caractéristique est cruciale pour la viabilité pratique, car elle ouvre la voie à une éventuelle implémentation en temps quasi-réel par les centres de contrôle des réseaux. Le modèle ne se contente pas d’une vision idéalisée ; il intègre une multitude de contraintes du monde réel, ce qui le hisse du statut de concept théorique à celui de proposition opérationnelle.
Parmi ces contraintes, l’une des plus importantes concerne l’état de charge (SOC) des batteries. Les batteries lithium-ion, cœur de cette stratégie, sont sensibles à la surcharge et surtout à la décharge profonde, qui peut les endommager irréversiblement. Le modèle impose donc des limites strictes, empêchant les batteries de descendre en dessous d’un seuil critique, généralement fixé autour de 10 %, afin de préserver leur durée de vie et leur intégrité. Un autre aspect fondamental est la prise en compte des pertes d’énergie liées au transport. Le véhicule qui transporte la batterie consomme lui-même de l’électricité pour avancer. Le modèle calcule précisément ces pertes, garantissant que le bénéfice net de livrer l’énergie dans une zone sinistrée compense largement le coût énergétique du déplacement.
L’ingéniosité du modèle réside également dans son système de suivi logistique. Il utilise des variables binaires (0 ou 1) pour suivre la position de chaque batterie individuelle à chaque instant. Si une batterie est stationnée dans une station, la variable est à 1 ; si elle est en transit, elle est à 0. Lorsque cette variable change, le modèle enregistre un événement de transport et ajoute automatiquement le coût associé au total. Ce système de traçabilité permet une planification optimale, en sachant exactement où se trouve chaque unité d’énergie.
Le modèle fait également une distinction essentielle entre deux types de sources d’énergie dans les îlots isolés. D’un côté, les sources contrôlées en tension, comme les groupes électrogènes diesel, qui stabilisent la fréquence et la tension du micro-réseau, agissant comme une « ancre ». De l’autre, les sources contrôlées en courant, comme les batteries des stations de swap, dont la puissance de sortie est directement pilotée par le système de contrôle. Cette différenciation est cruciale pour une simulation réaliste du comportement du réseau.
Pour valider leur stratégie, les chercheurs ont mené une étude de cas détaillée. Ils ont simulé un réseau de distribution fragmenté en trois zones isolées après une panne. Chaque zone disposait de sa propre charge, d’une source d’urgence et d’une station de swap avec un certain nombre de batteries. Les zones étaient reliées par un réseau de transport avec des coûts, des temps de trajet et des pertes d’énergie spécifiques.
Les résultats de la simulation ont été éloquents. La stratégie proposée (Algorithme 1) a été comparée à deux scénarios de référence : un où les batteries ne sont utilisées que localement, sans transport (Algorithme 2), et un autre où les batteries des stations de swap ne sont pas utilisées du tout (Algorithme 3). Dans les premières phases, lorsque toutes les zones avaient des batteries chargées, les trois algorithmes affichaient des performances similaires, privilégiant l’utilisation des batteries en raison de leur faible coût de fonctionnement.
La véritable valeur de la stratégie de transport a émergé lorsque l’une des zones a commencé à manquer d’énergie. Par exemple, dans la Zone 3, la demande a augmenté et les batteries se sont rapidement déchargées. Pendant ce temps, la Zone 1 disposait encore d’un excédent d’énergie. Le modèle a calculé que le coût de transporter des batteries de la Zone 1 vers la Zone 3 était inférieur au coût de faire fonctionner les groupes électrogènes de secours dans la Zone 3. En conséquence, il a ordonné le transfert de plusieurs batteries. Cette action a permis d’éviter un délestage partiel et a réduit significativement le coût opérationnel total du système.
Dans une autre phase de la simulation, la Zone 2 est devenue une priorité critique en raison d’une augmentation du coût de perte de charge (simulant un hôpital ou un centre de commandement). Le modèle a réagi en conséquence, mobilisant des batteries des autres zones pour répondre à la demande dans la Zone 2. Cette capacité à réaffecter dynamiquement les ressources énergétiques en réponse à des besoins changeants est ce qui rend la stratégie si puissante et résiliente.
L’analyse comparative a révélé un résultat frappant. Dans des scénarios de pénurie extrême, la stratégie de transport a réduit le coût total du système de près de 80 % par rapport au scénario sans transport. Ce chiffre extraordinaire démontre que la valeur d’une batterie n’est pas seulement dans sa capacité à stocker de l’énergie, mais aussi dans sa mobilité. La capacité de déplacer physiquement l’énergie via le réseau routier ajoute une dimension complètement nouvelle à la gestion du réseau.
Cette approche présente plusieurs avantages majeurs par rapport aux solutions traditionnelles. Premièrement, le nombre de véhicules électriques est potentiellement bien supérieur à celui des véhicules d’urgence spécialisés, créant une flotte de transport d’énergie beaucoup plus vaste et flexible. Deuxièmement, le transport d’énergie par batteries est nettement plus propre que l’utilisation de groupes électrogènes diesel, réduisant les émissions de gaz à effet de serre et la pollution de l’air, précisément au moment où la qualité de l’air est déjà compromise. Troisièmement, le système est hautement évolutif ; à mesure que la population de véhicules électriques et le réseau de stations de swap croissent, la capacité de réponse du système s’accroît également.
Cependant, passer d’une simulation à une réalité opérationnelle soulève des défis significatifs. L’un des plus grands est la coordination. Qui activerait ce système pendant une urgence ? Comment les conducteurs de véhicules électriques, les opérateurs des stations de swap et les compagnies d’électricité seraient-ils coordonnés ? Des incitations économiques solides seront nécessaires pour motiver les propriétaires de véhicules à mettre leurs batteries à disposition pour un service public. De plus, la cybersécurité sera primordiale. Un système aussi interconnecté, qui unit énergie, transport et données, est une cible attrayante pour les cyberattaques. La moindre vulnérabilité pourrait paralyser à la fois le réseau électrique et le réseau de transport.
Malgré ces défis, la recherche de Zhang, Chen et de leurs collègues représente une avancée fondamentale. Elle fournit une base scientifique et technique solide pour une idée qui pourrait révolutionner notre vision de la résilience énergétique. Il ne s’agit plus seulement de construire des réseaux plus robustes, mais de les rendre plus intelligents et adaptables. Les stations de swap, souvent perçues uniquement comme un service commercial pour les consommateurs, pourraient être repensées comme des nœuds stratégiques dans un réseau de sécurité national. Ce changement de paradigme, qui consiste à voir les ressources non plus comme statiques mais comme mobiles et dynamiques, est essentiel pour faire face à un avenir marqué par une incertitude climatique croissante. Le chemin vers un réseau plus résilient pourrait bien être, littéralement, celui parcouru par les véhicules électriques.
Tianao Zhang, Yongchong Chen et al., State Grid Beijing Electric Power Company and Sichuan Energy Internet Research Institute, Tsinghua University, Energy Storage Science and Technology, doi: 10.19799/j.cnki.2095-4239.2024.0265