Les Véhicules Électriques Redessinent les Réseaux Urbains d’Énergie et de Mobilité
L’essor fulgurant des véhicules électriques (VE) ne se limite plus à la simple substitution du moteur à combustion. Il s’agit d’une révolution en profondeur qui redéfinit les interactions entre les systèmes d’infrastructure urbaine, où les réseaux de transport et de distribution d’électricité deviennent de plus en plus interdépendants. Ce phénomène dépasse largement la technologie des batteries ou le déploiement des stations de recharge ; il marque une transformation fondamentale de la manière dont les villes gèrent l’énergie et la mobilité. Une étude récente, publiée dans la prestigieuse revue Automation of Electric Power Systems, offre une analyse exhaustive de cette transformation, en proposant un nouveau cadre conceptuel qui va bien au-delà des approches traditionnelles.
Le travail, intitulé « Modélisation et Optimisation Collaborative du Réseau de Couplage Énergie-Transport depuis une Perspective Cyber-Physico-Sociale », est l’œuvre de Sheng Yujie, Guo Qinglai, Xue Yixun, Wang Jiawei et Chang Xinyue, chercheurs de renom à l’Université Tsinghua et à l’Institut de l’Internet de l’Énergie du Shanxi. Leur approche novatrice ne considère pas les véhicules électriques comme de simples consommateurs d’électricité, mais comme des nœuds mobiles au sein d’un système cyber-physico-social (CPSS) complexe, où les décisions humaines, la dynamique physique des réseaux et les flux d’information interagissent de manière constante.
Le Véhicule Électrique : Un Actif Énergétique Mobile
Le potentiel des véhicules électriques comme outils pour un système énergétique plus résilient et durable réside dans leur flexibilité. Contrairement aux véhicules à moteur thermique, un VE peut se recharger à différents moments de la journée et en divers lieux : à domicile, sur son lieu de travail ou dans une station publique pendant un trajet. Cette capacité à déplacer sa consommation d’énergie dans le temps et l’espace transforme des millions de véhicules en une flotte de stockage énergétique distribué, une véritable batterie virtuelle mobile capable d’absorber les surplus d’énergie renouvelable pendant les périodes de faible demande et, potentiellement, de les restituer au réseau durant les pics de consommation.
Toutefois, exploiter ce potentiel n’est pas une simple affaire d’ingénierie électrique. Cela exige une coordination sophistiquée qui dépasse les seuls aspects techniques. L’étude souligne que la clé pour débloquer cette flexibilité réside dans la compréhension et la modélisation du comportement de l’utilisateur. La recharge d’un VE n’est pas un événement mécanique ; c’est une décision sociale, influencée par une multitude de facteurs : le coût de l’électricité, le temps d’attente dans une station, l’anxiété liée à l’autonomie (connue sous le nom de « range anxiety »), la commodité de l’emplacement et les préférences personnelles. Un conducteur ne choisira pas toujours le trajet le plus court ou le prix de recharge le plus bas ; il pourrait opter pour une destination plus éloignée afin d’éviter une station congestionnée ou parce qu’il fait plus confiance à une marque de recharge spécifique. Ce comportement social, apparemment chaotique, est précisément ce qui rend le système si difficile à gérer, mais aussi si riche en opportunités.
Un Nouveau Cadre : La Perspective Cyber-Physico-Sociale
Pour faire face à cette complexité, les auteurs proposent un modèle en trois couches qui intègre le physique, le social et l’informatique.
La couche physique se concentre sur les réseaux de transport et d’énergie comme des systèmes interconnectés. À ce niveau, le flux de trafic et le flux d’électricité s’influencent mutuellement à travers les infrastructures de recharge. Les routes et les stations de recharge ont une capacité limitée. Lorsqu’une station devient un goulot d’étranglement, non seulement des files de véhicules se forment, mais une surcharge locale peut également apparaître sur le réseau électrique. L’étude examine différents modèles d’affectation du trafic, des modèles statiques aux modèles dynamiques. Les modèles statiques, bien que utiles pour la planification à long terme, supposent un état d’équilibre et ne capturent pas les dynamiques en temps réel. Les modèles dynamiques, bien que plus complexes du point de vue computationnel, sont essentiels pour la gestion opérationnelle, car ils peuvent simuler la propagation des embouteillages et l’évolution des schémas de recharge au fil de la journée. La conclusion est claire : pour une planification urbaine efficace, il est nécessaire de modéliser ces réseaux comme un système couplé, où une panne ou une congestion sur un réseau peut avoir des effets en cascade sur l’autre.
La couche sociale est là où réside la véritable complexité. Ici, l’étude remet en question l’hypothèse traditionnelle selon laquelle les conducteurs sont des agents parfaitement rationnels qui cherchent toujours à minimiser leur coût individuel. Dans la réalité, les décisions des utilisateurs sont empreintes de « rationalité limitée ». Les individus agissent avec une information incomplète, sont sujets à des biais cognitifs et hiérarchisent des valeurs différentes. Un conducteur peut être prêt à payer plus cher pour la certitude de trouver une prise libre, ou peut changer de parcours pour un itinéraire plus long afin d’éviter une route encombrée, même si cela implique une consommation d’énergie accrue.
Pour modéliser ce comportement, les chercheurs préconisent l’utilisation de théories issues des sciences comportementales, comme la théorie du prospect cumulatif. Cette théorie explique que les individus ressentent les pertes (comme tomber en panne de batterie) beaucoup plus intensément que les gains (comme faire des économies sur la facture d’électricité). Cet éclairage est crucial : une stratégie de tarification qui ne tient pas compte de cette peur de la perte sera inefficace. L’étude insiste sur l’importance des données empiriques, telles que les enregistrements de télémétrie des véhicules, les historiques de recharge et les données de navigation, pour calibrer ces modèles et les rendre plus précis et prévisibles.
La couche informationnelle agit comme le système nerveux du CPSS. C’est le canal à travers lequel circule l’information qui guide les décisions. Les applications de navigation, les signaux de prix de l’opérateur de réseau, les alertes de trafic et les recommandations de recharge sont tous des éléments de cette couche. Cette couche relie de multiples acteurs : les conducteurs eux-mêmes, les opérateurs de stations de recharge, les entreprises de services publics, les autorités de la circulation et les entreprises de technologie. Chacun de ces acteurs a des objectifs différents. Les opérateurs de recharge cherchent à maximiser l’utilisation et les revenus. Les entreprises de services publics visent la stabilité du réseau et des coûts de production bas. Les autorités de la circulation souhaitent réduire la congestion. Les conducteurs veulent minimiser leurs coûts et maximiser leur confort.
Cet environnement multi-agents crée une dynamique stratégique qui peut être analysée à l’aide de la théorie des jeux. L’étude examine des architectures de tarification comme le jeu de Nash-Stackelberg-Nash, où les autorités énergétiques et de la circulation agissent comme des leaders qui fixent les prix (comme des péages pour la congestion ou des prix de l’électricité en temps réel), et les utilisateurs de VE répondent comme des suiveurs. Une découverte fondamentale est que l’asymétrie d’information—lorsqu’un acteur dispose de données que les autres n’ont pas—peut réduire drastiquement l’efficacité du système. Par exemple, un opérateur de recharge peut ne pas disposer de données en temps réel sur la charge du réseau électrique, ce qui conduit à des décisions de tarification sous-optimales. Inversement, une application de navigation peut ne pas avoir accès à l’information sur la disponibilité de la recharge, ce qui se traduit par des recommandations inutiles. L’étude plaide en faveur d’un partage de données et d’une interopérabilité accrus, tout en reconnaissant les défis liés à la confidentialité et à la cybersécurité, et suggère des technologies comme l’apprentissage fédéré comme solution.
De la Théorie à la Pratique : Défis et Solutions
Bien que les fondements théoriques du couplage énergie-transport soient bien établis, leur mise en œuvre pratique reste un défi. L’un des principaux obstacles est la fragmentation institutionnelle. Dans la plupart des villes, les systèmes d’énergie et de transport sont gérés par des agences distinctes ayant des objectifs, des cadres réglementaires et des calendriers opérationnels différents. Cette division rend difficile la planification et la coordination intégrées.
L’étude souligne la nécessité d’une gouvernance unifiée. Les urbanistes doivent prendre en compte l’emplacement des stations de recharge rapide non seulement en termes de flux de trafic, mais aussi en relation avec la capacité du réseau électrique et la disponibilité de l’énergie renouvelable. De même, les entreprises de services publics doivent intégrer les modèles de mobilité dans leurs modèles de prévision de la charge.
La Chine a adopté une position proactive sur ce front. En décembre 2023, la Commission nationale du développement et de la réforme a publié des directives exigeant une intégration accrue entre les véhicules à énergie nouvelle et le réseau électrique. La politique vise à établir cinq villes pilotes et plus de 50 projets pilotes de recharge bidirectionnelle d’ici la fin 2025. Ces initiatives cherchent à tester des technologies de type véhicule-vers-réseau (V2G), où les VE peuvent réinjecter de l’électricité dans le réseau pendant les périodes de forte demande.
Les auteurs soulignent que, bien que le V2G ait un énorme potentiel, son adoption à grande échelle fait face à des obstacles techniques, économiques et comportementaux. Du point de vue technique, les cycles de charge et de décharge fréquents peuvent accélérer la dégradation de la batterie, ce qui inquiète les propriétaires de véhicules. Sur le plan économique, les revenus générés par les services réseau peuvent ne pas toujours compenser le coût de l’usure de la batterie. Du point de vue comportemental, les conducteurs peuvent être réticents à autoriser un tiers à contrôler le calendrier de recharge de leur véhicule.
Pour répondre à ces problèmes, l’étude propose une approche échelonnée. Les flottes à forte utilisation—comme les taxis, les véhicules de covoiturage et les camions de livraison—pourraient être prioritaires pour les programmes V2G en raison de leurs schémas d’utilisation prévisibles et de leur gestion centralisée. Pour les propriétaires de VE privés, des formes de réponse à la demande moins intrusives, comme des incitations basées sur le moment de la recharge, pourraient être plus acceptables.
Une autre tendance émergente est l’intégration de la technologie de recharge sans fil dans l’infrastructure routière. Cela pourrait permettre une recharge dynamique pendant que les véhicules sont en mouvement, éliminant ainsi l’anxiété liée à l’autonomie et réduisant le besoin de batteries de grande taille. L’étude fait référence à des recherches qui explorent la tarification combinée de l’électricité et de l’utilisation de la route dans des scénarios de recharge sans fil, suggérant que de tels systèmes pourraient conduire à des solutions de mobilité plus efficaces et équitables.
Résilience et Réponse aux Urgences
Au-delà des opérations quotidiennes, le couplage des réseaux d’énergie et de transport a d’importantes implications pour la résilience face aux catastrophes. Des événements naturels comme les ouragans, les tremblements de terre ou les incendies de forêt peuvent interrompre à la fois l’approvisionnement en énergie et les itinéraires de transport. Dans de tels scénarios, les VE peuvent jouer un double rôle : comme sources d’énergie mobiles pour la réponse aux urgences et comme actifs flexibles qui peuvent être redirigés pour éviter les infrastructures endommagées.
L’étude passe en revue plusieurs modèles pour la restauration coordonnée en cas d’urgence, où les systèmes d’énergie et de transport sont optimisés conjointement pour rétablir les services critiques. Par exemple, des générateurs d’urgence mobiles peuvent être positionnés à l’avance en fonction des impacts prévus de la catastrophe, tandis que les VE peuvent être dirigés vers des stations de recharge alternatives si certaines sont hors service.
Les auteurs mettent également en garde contre les risques en cascade—où une panne dans un système en déclenche une autre dans un autre. Une panne dans une station de recharge importante pourrait provoquer une congestion du trafic alors que les VE en panne bloquent les routes. À l’inverse, la fermeture d’une route pourrait empêcher les équipes de réparation d’atteindre une sous-station endommagée. Pour atténuer ces risques, l’étude plaide en faveur de cadres d’évaluation des risques qui simulent des pannes interdépendantes et évaluent l’efficacité des plans de contingence.
Perspectives Futures
En regardant vers l’avenir, les chercheurs identifient plusieurs domaines clés pour la recherche future. L’un d’eux est le développement de cadres d’optimisation hiérarchiques multi-échelles capables de gérer la complexité computationnelle du système intégré énergie-transport. Coupler directement des modèles à haute résolution des deux réseaux est souvent irréalisable en raison du grand nombre de variables impliquées. Au lieu de cela, les auteurs suggèrent l’utilisation de techniques d’agrégation—comme des centrales virtuelles ou des fournisseurs de services de mobilité—comme intermédiaires qui simplifient l’interface entre le réseau et les VE individuels.
Une autre direction prometteuse est l’utilisation de l’intelligence artificielle et de l’apprentissage automatique pour améliorer la précision des prévisions et la rapidité de la prise de décision. L’apprentissage par renforcement, en particulier, montre un potentiel pour optimiser les stratégies de tarification et de routage dynamique en temps réel. Toutefois, les auteurs mettent en garde contre une dépendance excessive aux modèles de « boîte noire » qui manquent d’interprétabilité. Des systèmes d’IA transparents et explicables seront essentiels pour gagner la confiance du public et l’approbation réglementaire.
Enfin, l’étude souligne l’importance d’une conception inclusive et équitable. Alors que les VE et la recharge intelligente deviennent plus répandus, il existe un risque de créer de nouvelles formes d’inégalité énergétique. Les communautés à faible revenu ou les zones rurales pourraient être laissées pour compte si le déploiement de l’infrastructure n’est pas planifié avec soin. Les politiques doivent garantir que les bénéfices de l’électrification soient partagés largement dans toute la société.
Sheng Yujie, Guo Qinglai, Xue Yixun, Wang Jiawei, Chang Xinyue, Université Tsinghua et Institut de l’Internet de l’Énergie du Shanxi, Automation of Electric Power Systems, DOI: 10.7500/AEPS20230731006