Réseau de Distribution Actif Atteint un Jalon avec un Modèle de Dispatching à Deux Étapes Intégrant les Véhicules Électriques
Dans le paysage en constante évolution des systèmes électriques, où la volatilité rencontre l’ambition au quotidien, une percée s’est produite dans le nord-est de la Chine. Non pas sur un circuit de course ou dans une gigafactory Tesla étincelante, mais à l’intérieur d’une chambre de simulation de l’Université du Pétrole du Nord-Est. Là, des chercheurs ont conçu un cadre de dispatching pour les réseaux de distribution actifs (ADN) qui ne se contente pas de tolérer les véhicules électriques (VE) ; il s’associe activement avec eux.
Bienvenue dans l’ère de l’intelligence de réseau coopérative — où les VE ne sont plus de simples charges passives puisant de l’énergie à la prise, mais des actifs énergétiques mobiles et flexibles qui aident à lisser le chaos de la production renouvelable. Et dans ce paradigme émergent, l’humble batterie de VE pourrait être l’héroïne méconnue qui stabilisera le réseau de demain — plus encore qu’un onduleur statique ou une batterie de condensateurs.
Les derniers travaux de Ying Jia, Hanli Liu, Shuqi Zhao, Yang Li, Pengfei Han et Biao Chen révèlent un processus d’optimisation soigneusement chorégraphié en deux étapes qui allie une planification économique day-ahead (jour J-1) à un affinage intra-day (intra-journée) de la tension et de la stabilité — le tout en maintenant fermement les clusters de VE dans la boucle. C’est plus qu’un simple exercice algorithmique. C’est un aperçu de la façon dont les réseaux peuvent évoluer d’infrastructures rigides et descendantes (top-down) vers des écosystèmes dynamiques et réactifs qui anticipent plutôt qu’ils ne réagissent.
Parcourons ce qui rend ce modèle spécial — et pourquoi il compte bien au-delà du laboratoire.
Le Réseau n’est Plus Passif — Il est Actif
Historiquement, la distribution d’électricité fonctionnait sur une mentalité de « construisez-le et ils viendront ». L’énergie circulait dans un sens : des grandes centrales centralisées, à travers les transformateurs et les départs, vers les foyers et les usines. La demande fluctuait, certes — mais le réseau avait de l’inertie, et les opérateurs comptaient sur les réserves tournantes, l’écrêtement de charge (load shedding) et des marges de sécurité conservatrices.
Puis sont arrivés les panneaux solaires sur les toits, les éoliennes ponctuant les plaines et — point critique — des millions de VE se branchant après le travail. Soudain, la courbe de charge n’était plus juste bosselée ; elle était pointue, imprévisible et bidirectionnelle. Les ressources énergétiques distribuées (DER) ont renversé l’ancien modèle. Le résultat ? Des variations de tension, des flux de puissance inverses et des casse-têtes de curtailment (mise à l’arrêt forcée) — surtout pendant les pics solaires de midi, lorsque l’excès de production ne pouvait être absorbé localement et devait être déversé ou limité.
Entrez dans le réseau de distribution actif — un concept formalisé pour la première fois par le groupe de travail du CIGRE il y a plus de dix ans, mais qui n’arrive que maintenant à maturité dans la pratique. Contrairement aux réseaux traditionnels, les ADN gèrent activement à la fois l’offre et la demande. Ils coordonnent la production pilotable (comme les unités de production décentralisée dispatchables), le stockage flexible (batteries stationnaires) et les actifs de la demande — parmi lesquels en tête, les agrégateurs de VE.
Mais la coordination est plus facile à dire qu’à faire. Un ADN réel doit jongler avec trois priorités concurrentes : l’économie (maintenir les coûts bas), la fiabilité (éviter les blackouts) et la durabilité (maximiser les renouvelables). Et crucialement, il doit le faire sur plusieurs horizons temporels — des prévisions sur 24 heures jusqu’aux corrections en temps réel de 15 minutes.
C’est là que le modèle de dispatching à deux étapes excelle.
Première Étape : La Partie d’Échecs sur 24 Heures
Imaginez planifier un road trip à travers le pays. Vous traceriez les étapes principales, les fenêtres de recharge et les pauses nocturnes en fonction de la circulation et de la météo prévues. C’est ce que fait l’étape day-ahead pour le réseau — sauf que les enjeux sont plus élevés et le terrain est électrique.
En utilisant des données réelles de vent et de soleil d’une centrale hybride à Hami, Xinjiang — une région connue pour son ensoleillement intense et ses vents réguliers — l’équipe a alimenté des profils de production historiques dans un réseau de neurones à mémoire à long terme (LSTM). Le résultat ? Une prévision sur 24 heures de la production renouvelable à quatre nœuds clés : des fermes photovoltaïques aux nœuds 24 et 32, et des éoliennes aux nœuds 11 et 17.
Avec cette prévision en main, la première optimisation a démarré : minimiser le coût opérationnel total, un objectif composite comprenant :
- L’achat/vente d’énergie avec le réseau principal (sous tarification horaire : bon marché la nuit, cher entre 8–13h et 15–21h),
- Les pénalités pour pertes réseau,
- Les coûts de maintenance pour la production décentralisée (DG) et le stockage,
- Et — point critique — le coût d’opportunité du curtailment des renouvelables.
Oui : au lieu de traiter le curtailment comme une simple perte technique, le modèle l’a tarifé explicitement en utilisant les prix de l’électricité en temps réel. Si vous déversez 100 kWh de solaire à 18h00 — une heure de pointe tarifaire — vous ne perdez pas seulement de l’énergie propre ; vous renoncez à 1,20 ¥ ou plus de revenus potentiels. Traduisez cela en terme de coût, et soudain, ne pas utiliser les renouvelables devient économiquement douloureux.
Puis est venu le changement majeur : l’ajout de charges pilotables — spécifiquement, deux systèmes de stockage d’énergie (190 kWh au nœud 10 et 160 kWh au nœud 28) et un cluster d’agrégateurs de VE (capacité de 100 kWh) au nœud 7.
L’impact ? Immédiat et quantifiable.
- Le curtailment des renouvelables a chuté de 4,41 points de pourcentage — passant d’un taux d’utilisation de 93,77 % à 98,18 %.
- Le coût net d’approvisionnement en énergie est tombé de 472,03 ¥ à 446,90 ¥ par jour — une économie de 5,3 %, simplement en décalant le moment et la manière dont le stockage se chargeait.
- À 15h00 — l’heure la plus critique pour le curtailment avant optimisation — le taux d’utilisation est passé de 78,91 % à 88,41 %.
Comment ? En décalant dans le temps l’énergie. Pendant les pics solaires de midi (12–16h), le réseau n’a pas seulement exporté vers le réseau principal (atteignant la limite de vente) ; il a aussi chargé les VE et les batteries stationnaires. Ensuite, pendant les rampes du soir ou les creux nocturnes, ces mêmes actifs se sont déchargés — comblant les lacunes, réduisant les importations et lissant le profil de charge net.
Voyez cela comme de l’arbitrage énergétique, mais avec de la physique et des contraintes. Les VE n’étaient pas gênés ; ils suivaient des calendriers de charge alignés sur les besoins du réseau — probablement via des tarifs intelligents ou des contrats d’agrégation. Un VE branché à 14h00 pourrait charger à 3 kW pendant deux heures, faire une pause, puis terminer sa charge à 22h00 lorsque le vent se lève et que les prix baissent.
C’est la flexibilité de la demande comme infrastructure.
Deuxième Étape : L’Exercice d’Équilibre en Temps Réel
Les plans day-ahead sont élégants — mais le monde réel est désordonné. Des nuages passent sur les fermes solaires. Une rafale soudaine modifie la production des turbines. Une ligne de production s’arrête de manière inattendue. Des erreurs de prévision s’immiscent.
C’est pourquoi l’étape d’optimisation intra-day glissante existe : une fenêtre de prévision de 4 heures, mise à jour toutes les heures, avec une résolution de 15 minutes. Mais voici le twist : elle ne repart pas de zéro. Elle respecte les engagements pris la veille.
Spécifiquement :
- Les plans de puissance des VE et des ESS (systèmes de stockage) de la première étape sont traités comme des contraintes faibles (soft constraints) — les écarts sont autorisés, mais plafonnés à ±5 % par nœud.
- Seule la première heure de chaque fenêtre glissante de 4 heures est verrouillée ; le reste est ré-optimisé au cycle suivant (une technique appelée commande à horizon glissant ou receding horizon control).
- La décharge des VE est interdite (conforme à la charge unidirectionnelle typique aujourd’hui), préservant la durée de vie de la batterie et simplifiant le contrôle.
- Le changeur de prise en charge (OLTC) au nœud 33 — le transformateur reliant l’ADN au réseau principal — est limité à seulement six opérations par jour (aux heures 1, 5, 9, etc.), préservant sa durée de vie mécanique.
L’objectif ici change : moins axé sur l’argent, plus sur la physique.
Trois cibles guident l’optimiseur intra-day :
- Minimiser les pertes réseau — réduire l’échauffement I²R dans les câbles, ce qui améliore directement l’efficacité et réduit la contrainte thermique.
- Minimiser l’écart de tension — une métrique critique de qualité de service. Les tensions qui s’écartent au-delà de ±5 % (0,95–1,05 pu) risquent d’endommager les équipements, de causer des flickers (variations lumineuses) et de l’instabilité.
- Maximiser l’utilisation des renouvelables — garantir que les gains de la première étape ne soient pas annulés par un contrôle de tension trop agressif.
Parce que ces objectifs entrent en conflit (par ex., absorber plus de solaire peut augmenter les tensions), l’équipe a utilisé une mise à l’échelle proportionnelle et une analyse par matrice de jugement pour attribuer des poids : la stabilité de tension a obtenu la part du lion (58,42 %), suivie par l’utilisation des renouvelables (28,02 %) et les pertes (13,50 %). Un équilibre pragmatique : la fiabilité d’abord, la durabilité juste derrière.
Les résultats ? Frappants.
- L’écart de tension maximal au nœud s’est réduit de 0,0600 pu à seulement 0,0253 pu — bien dans la bande ±2 % (0,98–1,02), même aux nœuds les plus volatils (11, 15, 17, 20).
- Les profils de tension se sont considérablement aplatis : avant optimisation, 12 nœuds dépassaient 0,05 pu d’écart ; après optimisation, aucun ne le faisait.
- L’utilisation des renouvelables est restée très élevée à 97,65 % — seulement une baisse de 0,53 point par rapport à l’optimum day-ahead, malgré les contraintes physiques ajoutées.
En pratique, cela signifie que les lumières ne faiblissent pas, les moteurs industriels ne surchauffent pas et les onduleurs ne se déclenchent pas pendant les transitoires nuageux. Le réseau respire plus facilement.
Pourquoi ce n’est Pas Qu’Académique — C’est Automobile
À première vue, c’est un article sur les systèmes électriques. Mais regardez de plus près : le nœud 7 héberge un agrégateur de VE. Ce n’est pas un substitut théorique — c’est un proxy pour les réseaux de recharge de VE réels : dépôts de flottes, bornes de recharge en entreprise, ou même des hubs résidentiels V1G (vehicle-to-grid unidirectionnel).
Le modèle traite le cluster de VE comme un bloc de charge dispatchable avec des limites de puissance et d’énergie — exactement comme les utilities perçoivent les ressources d’effacement (demand-response) aujourd’hui. Et crucialement, il montre que même sans capacité bidirectionnelle (V2G), les VE peuvent apporter une énorme valeur au réseau.
Considérez ceci : le cluster de VE de 100 kWh a contribué à ~12 % de la capacité flexible totale (aux côtés de 350 kWh de stockage stationnaire). Pourtant, parce que la charge des VE est hautement décalable — la plupart des conducteurs ne se soucient pas de quand leur voiture charge, seulement qu’elle soit pleine le matin — elle a offert plus de liberté de planification par kWh que les batteries fixes liées à des fenêtres de décharge spécifiques.
Cela a des implications profondes pour les constructeurs automobiles et les fournisseurs de recharge.
Premièrement, la charge intelligente n’est pas optionnelle — c’est un minimum requis. À mesure que les ADN se développent, les utilities exigeront — ou inciteront — de plus en plus que les équipements de recharge (EVSE) puissent accepter des signaux de dispatching. L’ISO 15118 (Plug & Charge avec intégration du réseau intelligent) et l’OCPP 2.0.1 (Open Charge Point Protocol) supportent déjà cela. Attendez-vous à des mandats.
Deuxièmement, les VE pourraient devenir des actifs de réseau au bilan. Si un agrégateur peut offrir de manière fiable 50 kW de charge flexible pendant 4 heures chaque nuit, c’est l’équivalent d’une petite centrale de pointe — mais avec zéro émission et un capex inférieur. Certaines utilities européennes pilote déjà des contrats de « centrale virtuelle » avec des flottes de VE.
Troisièmement, la conception des véhicules doit tenir compte des rôles sur le réseau. La gestion thermique de la batterie, les taux d’acceptation de charge, et même les modules de communication embarqués devront supporter des profils de service réseau — pas seulement la charge DC rapide. Le « Départ Programmée » de Tesla et les Ultium Energy Services de GM sont des premières étapes ; le prochain saut est la coordination en temps réel.
Et enfin, cette recherche laisse entrevoir un avenir où les VE gagnent de l’argent en stationnant. Oui, le V2G complet est encore freiné par les préoccupations sur les garanties des batteries et les coûts des onduleurs. Mais même la charge unidirectionnelle contrôlée peut générer de la valeur : des factures d’électricité réduites via l’arbitrage temporel, des paiements pour effacement, ou des crédits carbone. Dans le secteur électrique de plus en plus marchéisé de la Chine, ces micro-revenus s’additionnent.
Au-Delà de la Simulation : Évolutivité et Traction dans le Monde Réel
Les critiques pourraient souligner : ceci a été testé sur un feeder IEEE 33 nœuds modifié — un benchmark classique, mais petit (charge totale ~3,7 MW) et radial. Sera-t-il adaptable à des réseaux maillés urbains avec des milliers de nœuds ?
La réponse se trouve dans la relaxation du cône de second ordre (SOC) utilisée pour la modélisation du flux de puissance. Contrairement au flux de puissance AC traditionnel — qui est non convexe et informatiquement difficile — la SOC convertit le problème en une forme convexe résoluble en quelques secondes, même pour des systèmes plus grands. Et pour les réseaux radiaux (comme la plupart des feeders de distribution), la relaxation est exacte : la solution satisfait les équations AC originales. Ce n’est pas une approximation — c’est une équivalence mathématique.
De plus, la structure à deux étapes est intrinsèquement modulaire. La première étape peut être exécutée centralement par le DSO (opérateur de système de distribution) ; la deuxième étape peut être décentralisée — exécutée par des contrôleurs de bord (edge) dans les postes ou même les hubs de recharge. Avec la 5G et l’IA de bord (edge AI) qui progressent rapidement, les obstacles de latence et de bande passante s’estompent.
Déjà, les early adopters dépassent les pilotes. Dans la province du Shandong, State Grid teste le dispatching ADN avec des agrégateurs de VE à Qingdao. Dans le Guangdong, Nari Group a déployé une optimisation de tension en temps réel utilisant des batteries de condensateurs et des OLTC — similaire aux dispositifs réactifs de cette étude (SVC aux nœuds 5/15/30, condensateurs aux nœuds 5/15). Les pièces sont en place.
Ce qui manque, c’est l’intégration — lier les DER, le stockage et les VE dans une seule pile de contrôle hiérarchique. C’est précisément ce que Jia et ses collègues ont livré : pas un nouveau dispositif, mais un nouveau système d’exploitation pour le réseau.
La Route À Venir : Du Dispatching à l’Écosystème
La véritable signification de ce travail ne réside pas dans les décimales de réduction des coûts ou d’écart de tension. Elle réside dans le changement d’état d’esprit qu’il incarne.
Nous avons longtemps traité les transports et l’énergie comme des secteurs séparés — des régulateurs différents, des ingénieurs différents, des modèles économiques différents. Mais les VE sont le pont physique entre eux. Chaque fois qu’un VE charge, c’est un événement du système électrique. Chaque fois qu’une contrainte de réseau limite la vitesse de charge, c’est un événement de mobilité.
Ce modèle à deux étapes est une feuille de route pour la co-conception — où les opérateurs de réseau, les constructeurs automobiles et les réseaux de recharge parlent le même langage : variables d’optimisation, contraintes et compromis multi-objectifs.
Les itérations futures pourraient incorporer :
- Le V2G bidirectionnel, libérant les batteries des VE en tant que production dispatchable (pas seulement charge).
- La quantification de l’incertitude, utilisant une optimisation stochastique ou robuste pour se prémunir contre les erreurs de prévision.
- Le contrôle transactionnel, où les VE et autres DER négocient via des signaux de prix au lieu de commandes centralisées.
- Des couches de cybersécurité, garantissant que les signaux de dispatching ne peuvent être usurpés ou retardés.
Mais même dans sa forme actuelle, le modèle prouve un point vital : le réseau n’a pas besoin de craindre les VE — il a besoin de les recruter.
Comme l’a dit un ingénieur : « La batterie dans votre garage est l’actif le plus sous-utilisé de la transition énergétique. » Cette recherche montre comment changer cela.
Alors la prochaine fois que vous brancherez votre VE, souvenez-vous : vous ne faites pas seulement le plein pour votre trajet. Vous pourriez aider à maintenir la tension stable au nœud 17, permettre à une éolienne de tourner à plein régime et économiser 25 ¥ en coûts d’approvisionnement au réseau.
Ce n’est pas de la science-fiction. Grâce à des travaux comme celui-ci, c’est déjà en déploiement — silencieusement, efficacement, un cycle de dispatching à la fois.
Ying Jia¹, Hanli Liu², Shuqi Zhao¹, Yang Li³, Pengfei Han⁴, Biao Chen²
¹École de génie électrique et de technologie de l’information, Université du pétrole du Nord-Est, Daqing 163318, Chine
²Power No.1 Company, PetroChina Electric Energy Limited Company, Daqing 163453, Chine
³Purifier Branch, Daqing Oilfield Water Company, Daqing 163453, Chine
⁴Information and Communication Center, PetroChina Power Supply Company, Daqing 163453, Chine
Journal de l’Université du Jilin (Édition d’ingénierie et de technologie), 2023, Vol. 53, No. 4, pp. 709–716
DOI:10.13229/j.cnki.jdxbgxb20220417