Les véhicules électriques en stockage partagé réduisent coûts et émissions
Une étude de pointe publiée dans la prestigieuse revue Automation of Electric Power Systems redéfinit le rôle des véhicules électriques (VE) dans les systèmes énergétiques urbains, en les transformant d’objets de consommation passive en véritables acteurs du réseau électrique. Dirigée par Yi Wang de l’Université de Zhengzhou, la recherche introduit un modèle innovant pour les systèmes intégrés d’énergie à l’échelle des parcs industriels (PIES), où les flottes de VE stationnés sont utilisées comme une batterie mobile et partagée. Ce concept de « stockage partagé » ne se contente pas de réduire drastiquement les coûts d’infrastructure ; il ouvre une voie concrète et rentable vers la décarbonation des zones industrielles et urbaines.
Les PIES, qui combinent la production et la gestion de l’électricité, de la chaleur et du gaz au sein d’une zone géographique définie comme un parc technologique ou un campus universitaire, sont perçus comme une solution clé pour améliorer l’efficacité énergétique. Cependant, leur déploiement massif est freiné par un obstacle majeur : le coût prohibitif des systèmes de stockage d’énergie stationnaires. Les batteries fixes, bien que technologiquement matures, représentent un investissement initial considérable et sont souvent sous-utilisées, ce qui en fait une solution peu économique. Le modèle proposé par Wang et son équipe propose une alternative radicale : au lieu d’investir dans de nouvelles infrastructures, pourquoi ne pas exploiter la gigantesque capacité de stockage déjà en circulation, celle des millions de véhicules électriques ?
L’idée centrale est simple dans son principe, mais sophistiquée dans sa mise en œuvre. Chaque VE stationné dans un parc devient un nœud d’un vaste réseau de stockage distribué. Lorsque le prix de l’électricité est bas, typiquement durant la nuit ou aux heures de forte production solaire, les véhicules se chargent. Lorsque la demande et les prix atteignent leur pic, ces mêmes véhicules peuvent reverser une partie de leur énergie dans le micro-réseau pour alimenter les bâtiments, réduisant ainsi la pression sur les centrales traditionnelles, souvent plus polluantes. Ce processus, connu sous le nom de Véhicule-à-Réseau (V2G), est transformé ici d’une simple transaction technique en un pilier d’une stratégie énergétique globale.
La véritable innovation de ce travail réside dans la précision avec laquelle il gère l’incertitude inhérente aux comportements des utilisateurs de VE. Contrairement aux modèles antérieurs qui traitaient les VE comme une charge passive, cette recherche développe un « modèle de potentiel de dispatchabilité » pour les clusters de véhicules. Ce modèle tient compte de paramètres critiques et imprévisibles : l’heure d’arrivée et de départ de chaque véhicule, son niveau de charge initial (SOC) et les préférences personnelles de l’utilisateur. Pour prédire avec une grande fiabilité la quantité d’énergie disponible à tout moment, les chercheurs ont recours à un réseau neuronal de type Bi-LSTM (Bidirectional Long Short-Term Memory). Cette technologie d’intelligence artificielle est capable d’analyser non seulement les données passées, mais aussi de détecter des tendances futures, offrant ainsi une prédiction dynamique de la capacité de stockage collective. Cette précision est cruciale pour le gestionnaire du micro-réseau (MGO), qui peut désormais planifier son approvisionnement avec une confiance accrue, sachant qu’il dispose d’une réserve d’énergie flexible, scalable et économiquement viable.
L’intégration des VE dans le PIES va bien au-delà de la technologie du stockage. Elle représente un changement de paradigme fondamental dans l’économie de l’énergie. Le modèle traditionnel, où le MGO fixe les prix et les utilisateurs réagissent passivement, est remplacé par un cadre de « jeu de Stackelberg », une théorie économique avancée. Dans ce scénario, le MGO agit comme le leader, proposant des prix pour l’électricité et la chaleur. Les agrégateurs d’utilisateurs (UA), qui regroupent les consommateurs du parc, agissent comme des suiveurs. Ils optimisent leur consommation en fonction de ces prix, décidant non seulement de charger ou de décharger leurs VE, mais aussi de déplacer leurs charges flexibles (comme la production de chaleur par pompe à chaleur) ou de réduire temporairement leur demande. Cette interaction dynamique crée un marché énergétique plus équilibré et résilient. Par exemple, si le MGO annonce un prix élevé pour la chaleur, les UA peuvent choisir de produire leur propre chaleur en utilisant de l’électricité bon marché stockée dans leurs VE, réduisant ainsi leur dépendance au MGO. Ce mécanisme d’auto-optimisation crée une synergie où chaque décision individuelle contribue à l’efficacité du système global.
Pour amplifier l’impact environnemental, l’étude intègre un mécanisme de « commerce des émissions de carbone (CET) en escalier » avec des facteurs de récompense et de pénalité. Le MGO se voit attribuer un quota d’émissions de carbone. S’il parvient à maintenir ses émissions en dessous de ce quota, il reçoit une récompense financière. S’il les dépasse, il doit payer une pénalité. Ce dispositif crée un puissant incitatif économique pour la décarbonation. Les résultats des simulations sont éloquents : un système qui combine le stockage basé sur les VE et le CET a réussi à réduire les émissions de CO₂ de plus de 21 % par rapport à un système traditionnel utilisant des batteries fixes. Cette performance n’est pas seulement une amélioration technique ; c’est une avancée significative vers les objectifs climatiques mondiaux.
Le véritable génie de cette approche réside dans sa capacité à créer un scénario de « gagnant-gagnant » pour tous les acteurs impliqués. Le MGO voit ses bénéfices augmenter grâce à une gestion énergétique plus efficace et à la vente de crédits carbone. Les utilisateurs finaux bénéficient de factures d’énergie plus basses et d’un contrôle accru sur leur consommation. Les propriétaires de VE profitent indirectement, car leur véhicule, même stationné, contribue activement à un système plus économique et plus vert. Même les stations de recharge deviennent des acteurs économiques proactifs, achetant de l’électricité à bas prix pour la revendre à un prix plus élevé pendant les heures de pointe, générant ainsi un nouveau flux de revenus.
La scalabilité de cette solution est l’un de ses atouts les plus convaincants. À mesure que le nombre de véhicules électriques sur les routes augmente, la capacité de stockage disponible pour le système croît proportionnellement, sans que le MGO n’ait à investir un seul yuan supplémentaire dans de nouvelles batteries. C’est un contraste saisissant avec les systèmes de stockage traditionnels, qui nécessitent un capital initial massif et ont un potentiel d’expansion limité. De plus, puisque les VE sont achetés pour leur fonction de transport, leur utilisation comme unité de stockage d’énergie constitue une forme de double emploi des ressources, maximisant l’efficacité et minimisant le gaspillage.
Pour valider leur modèle, les chercheurs ont mené une analyse approfondie sur un cas concret basé sur un parc industriel réel. Ils ont comparé quatre scénarios distincts : un système avec un stockage traditionnel sans CET, un système avec des VE mais sans CET, un système avec CET mais sans VE, et un dernier scénario combinant les deux innovations. Les résultats ont démontré de manière irréfutable la supériorité du modèle intégré. Le scénario qui unissait VE et CET n’a pas seulement réduit les émissions à leur niveau le plus bas, mais a également maximisé les profits du MGO et les revenus des utilisateurs. Cela prouve de manière concrète que la durabilité et la rentabilité ne sont pas des objectifs antagonistes, mais peuvent être parfaitement alignés.
Le modèle de Yi Wang se distingue également par sa rigueur mathématique. En utilisant la théorie de la somme de Minkowski, les chercheurs ont réussi à agréger les contraintes complexes de milliers de véhicules individuels en un seul « paquet » de capacité de dispatchabilité. Cette approche rigoureuse garantit que le système reste physiquement réalisable et opérationnellement stable, un prérequis fondamental pour toute application dans le monde réel. L’application du réseau Bi-LSTM pour la prédiction ajoute un autre niveau de fiabilité, permettant au système de s’adapter à des conditions en constante évolution.
D’un point de vue réglementaire, cette étude fournit un argument solide en faveur de politiques qui encouragent non seulement l’adoption des véhicules électriques, mais aussi leur intégration active dans les marchés de l’énergie. Des tarifs intelligents, des mécanismes de rémunération pour les services de réseau et une réglementation claire sont essentiels pour libérer tout le potentiel de cette technologie. Les fournisseurs d’énergie et les gestionnaires de réseau devront adapter leurs modèles économiques pour embrasser cette nouvelle réalité de ressources énergétiques distribuées et mobiles.
L’adoption de ce modèle dépendra en grande partie de la confiance et de la participation des utilisateurs. Pour que le système fonctionne de manière optimale, les propriétaires de VE doivent être prêts à accepter un certain degré de contrôle sur leurs habitudes de recharge. Une interface utilisateur transparente, des communications claires sur les avantages économiques et un niveau élevé de sécurité des données seront essentiels pour gagner la confiance du public. Des programmes pilotes dans des environnements urbains réels seront cruciaux pour tester le modèle sur le terrain et affiner sa mise en œuvre.
Une analyse approfondie des données de simulation révèle des insights fascinants sur le comportement du système. Dans le scénario intégrant les VE, les utilisateurs ont pu déplacer une part bien plus importante de leur charge flexible. Par exemple, les charges transférables et les charges réductibles ont pu être déplacées vers des périodes de prix plus avantageux, une flexibilité qui n’était pas possible avec un système de stockage fixe. De plus, dans les périodes où le prix de la chaleur était plus élevé que celui de l’électricité, les utilisateurs ont massivement recours à la production de chaleur électrique, utilisant l’énergie stockée dans leurs VE. Cela démontre non seulement une grande flexibilité entre les vecteurs énergétiques, mais aussi l’efficacité du mécanisme de CET à encourager des comportements écoénergétiques.
L’analyse des profils de charge des stations de recharge montre une stratégie de chargement parfaitement optimisée. Les VE se chargent principalement pendant les périodes de prix bas, notamment la nuit et en milieu d’après-midi, et se déchargent de manière coordonnée pendant les deux pics de consommation de la journée. Cette synchronisation parfaite entre l’offre et la demande, orchestrée par le modèle prédictif, prouve la robustesse et la fiabilité du système. Il n’y a pas de surcharge, ni de sous-utilisation ; le système opère à son maximum d’efficacité.
En conclusion, la recherche de Yi Wang et de son équipe représente une avancée majeure vers un avenir énergétique plus intelligent, durable et économique. En reconnaissant le potentiel des véhicules électriques non pas seulement comme des moyens de transport, mais comme des actifs énergétiques mobiles, ils offrent une solution élégante et scalable aux deux défis les plus pressants de notre époque : la crise climatique et l’efficacité économique. La combinaison de la théorie des jeux, de l’intelligence artificielle et des mécanismes de marché du carbone crée un cadre sophistiqué qui pourrait devenir la norme de référence pour la gestion de l’énergie dans les villes de demain. Alors que les zones urbaines intensifient leurs efforts pour devenir des zones à faibles émissions de carbone, des modèles comme celui-ci démontrent que les solutions ne sont pas seulement possibles, mais peuvent aussi être rentables, transformant notre flotte de véhicules en une gigantesque batterie virtuelle qui alimente la transition énergétique.
Yi Wang, Zikang Jin, Yaoqiang Wang, Mingyang Liu, Jun Liang, Zhengzhou University; Automation of Electric Power Systems, DOI: 10.7500/AEPS20230424003