Nouvelle stratégie pour des villes moyennes : une infrastructure de recharge pour VE plus intelligente et plus verte
Dans la course à l’électrification des transports et à la réalisation d’objectifs ambitieux de neutralité carbone, une lacune critique persiste discrètement : la planification et le déploiement des infrastructures de recharge dans les villes de taille moyenne. Alors que les mégapoles comme Pékin, Shanghai et Shenzhen ont connu un déploiement rapide de bornes de recharge publiques pour véhicules électriques (VE) – avec des réseaux denses le long des autoroutes, dans les centres commerciaux et les tours résidentielles – les centres urbains plus petits tombent souvent dans une zone grise de planification. Trop grandes pour être traitées comme des avant-postes ruraux, mais trop petites pour attirer le même niveau d’investissement ou d’attention politique que les hubs de première catégorie, ces villes de second rang sont devenues les goulots d’étranglement silencieux de la transition plus large vers le VE en Chine.
Une étude récemment publiée remet en cause ce statu quo. Dirigée par les chercheurs Shouwen Wang et Zhaobin Zhu, ce travail présente un nouveau cadre de planification qui ne se contente pas d’optimiser l’emplacement des bornes de recharge, mais aussi le pourquoi, la quantité et le pour qui. Plus important encore, il introduit un concept rarement mis en avant dans les modèles d’ingénierie : les bénéfices équivalents en réduction de carbone – une métrique qui traduit l’impact environnemental directement en logique financière. Loin d’être un exercice théorique, le modèle a été testé dans le district de Xiling de la ville de Yichang, une zone urbaine de taille moyenne représentative du centre de la Chine, et validé à l’aide de simulations de systèmes électriques standard IEEE. Les résultats sont à la fois pragmatiques et provocateurs : lorsque l’infrastructure de recharge est conçue en tenant compte du potentiel de demande régionale et de la valeur de décarbonation, le cas économique se renforce, les impacts sur le réseau s’atténuent et la satisfaction des utilisateurs augmente – pas de manière incrémentale, mais systémique.
Alors, pourquoi les villes moyennes comptent-elles autant dans l’écosystème du VE ? La réponse réside dans leur positionnement unique. Contrairement aux mégapoles – qui font souvent face à une pénurie de terrains, des réseaux saturés et une coordination complexe des parties prenantes – ou aux petites villes, où l’adoption des VE reste embryonnaire, les villes de taille moyenne (généralement avec des populations entre 500 000 et 3 millions d’habitants) se situent à un point d’inflexion stratégique. Elles disposent de la capacité administrative pour mettre en œuvre des politiques municipales en faveur des VE, de la base industrielle pour soutenir les chaînes d’approvisionnement locales et de la flexibilité spatiale pour expérimenter des layouts d’infrastructure innovants. Crucialement, beaucoup servent de hubs régionaux – reliant les arrière-pays ruraux aux plus grandes économies urbaines – et agissent ainsi comme des portes d’entrée pour l’adoption des VE au-delà des corridors côtiers.
Pourtant, aujourd’hui, le déploiement de la recharge dans ces villes reste réactif plutôt que stratégique. Les planificateurs reproduisent souvent des modèles conçus pour les mégapoles – installant des bornes près des bâtiments municipaux ou le long des axes routiers principaux – sans évaluer où la demande émergera, ni comment elle évoluera. Le résultat ? Des stations sous-utilisées dans des zones à faible trafic, des congestions dans quelques hubs surchargés et un décalage croissant entre l’emplacement des bornes et le comportement réel des conducteurs. Les conducteurs rapportent des frustrations concernant les « déserts de recharge » dans les quartiers mixtes ou les longues files d’attente sur les aires d’autoroute – tous des symptômes d’un déploiement descendant, axé sur l’offre, qui ignore les patterns de terrain.
Ce qui distingue cette nouvelle étude, c’est sa fusion de deux perspectives traditionnellement cloisonnées : la demande de recharge statique et dynamique.
La demande statique fait référence à une recharge prévisible, basée sur la localisation – pensez à la recharge nocturne résidentielle, aux recharges complémentaires sur le lieu de travail pendant les heures de bureau, ou aux sessions sur les parkings des centres commerciaux pendant les courses. Elle est relativement facile à modéliser : superposez les données de recensement, les cartes d’utilisation des sols et les zones d’emploi, et vous obtenez une heat map approximative des endroits où les gens vivent, travaillent et passent leur temps.
La demande dynamique, en revanche, capture le caractère aléatoire de la mobilité dans le monde réel – les trajets longs, les détours, les courses imprévues ou l’anxiété de autonomie de dernière minute. C’est là que les VE se comportent moins comme des appareils garés et plus comme des nœuds mobiles dans un réseau de transport fluide. Un conducteur pourrait faire le plein à domicile mais chercher tout de même une recharge de 20 minutes avant un week-end à la montagne ; un van de livraison pourrait avoir besoin d’une recharge rapide en milieu de parcours après avoir terminé ses tournées matinales.
La plupart des modèles de planification antérieurs privilégient largement l’une ou l’autre. Certains utilisent un zonage statique – conduisant à une surconstruction dans les districts de bureaux mais à des lacunes dans les zones de divertissement. D’autres simulent les flux de trafic mais ignorent le contexte socio-économique, produisant des sites techniquement optimaux mais socialement impraticables (par exemple, une borne de recharge rapide placée sur une voie rapide où personne ne s’arrête réellement).
La percée de Wang et Zhu réside dans l’intégration des deux. Ils construisent un « indice de distribution spatiale du potentiel de demande de recharge » – une mesure composite qui combine cinq entrées clés :
- Capacité de charge de la demande de recharge : une jauge localisée du nombre de VE qu’un district peut réalistement supporter, basée non seulement sur la capacité du réseau, mais aussi sur les incitations politiques (par exemple, les subventions locales pour les VE), l’afflux net de population et l’activité industrielle de haute technologie.
- Indicateurs pilotés par le foncier : prenant en compte le coût réel et la disponibilité des terrains – particulièrement critique dans les villes où les zones commerciales, résidentielles et industrielles ont des taux de location et des restrictions de zonage très différents.
- Potentiel commercial des stations de recharge : modélisé en utilisant les principes de la gravité économique – comment le PIB et la proximité géographique influencent le débordement de recharge inter-district (par exemple, les acheteurs des villes voisines boostant la demande dans un hub commercial central).
- Probabilité de distribution régionale des utilisateurs : dérivée d’enquêtes de déplacement à grande échelle (notamment l’Enquête Nationale sur les Déplacements des Ménages américaine, adaptée aux contextes chinois), puis affinée à l’aide d’une modélisation par chaîne de Markov pour estimer la probabilité de trajets originaires des zones domicile (H), travail (W) ou autres (O) – produisant une matrice de probabilité baseline : 47,81 % depuis le domicile, 12,81 % depuis le travail, 39,38 % depuis d’autres lieux.
- Caractéristiques de conduite des VE : incluant les distributions de kilométrage quotidien, les heures de branchement/débranchement et les taux d’épuisement de l’état de charge (SOC) – permettant d’estimer quand et quelle quantité d’énergie les conducteurs nécessitent.
Le résultat est une toile granulaire et probabiliste : pas un blueprint rigide, mais une carte vivante du potentiel – une prévision des endroits où la demande est susceptible de se concentrer au cours des 5 à 10 prochaines années, avant même que la pénétration des VE n’atteigne son pic.
Mais savoir où construire n’est que la moitié de la bataille. L’autre moitié est le pourquoi. Et ici, l’étude opère son pivot le plus pertinent en termes de politique : elle intègre directement les recettes équivalentes en réduction de carbone dans le modèle d’optimisation économique.
Traditionnellement, la planification des stations de recharge pèse les coûts (terrain, construction, maintenance, pertes réseau) par rapport aux recettes (vente d’électricité, frais de service). Les bénéfices environnementaux – bien que célébrés dans les communiqués de presse – sont traités comme des externalités intangibles. Ce nouveau cadre les monétise.
Concrètement, les auteurs calculent la réduction de CO₂ en comparant les émissions des véhicules à moteur à combustion interne (ICE) équivalents sur la même distance – en utilisant un différentiel standard d’environ 913,5 kg de CO₂ par MWh évité. Ensuite, ils intègrent le prix prévalent du carbone en trading (fixé à ¥0,012/kg dans le scénario de l’étude – conservateur au regard des tendances haussières actuelles du marché). Cette « recette équivalente » est ajoutée au flux de revenus de la station, transformant effectivement la décarbonation en une ligne comptable du bilan.
Pourquoi est-ce important ? Parce que cela change le calcul pour les investisseurs et les planificateurs municipaux. Selon un modèle purement basé sur la récupération des coûts, un nouveau hub de recharge rapide dans un quartier mixte pourrait sembler marginalement viable – coût foncier élevé, utilisation incertaine. Mais lorsque les crédits carbone sont inclus, la valeur actuelle nette s’améliore significativement. Dans l’étude de cas de Yichang, le seul bénéfice carbone a contribué à hauteur de plus de ¥800 000 annuels pour un réseau de 7 stations – suffisant pour compenser près de 15 % des dépenses d’exploitation annuelles.
Critiquement, le modèle évite le piège du « plus il y en a, mieux c’est ». En utilisant une optimisation basée sur un algorithme immunitaire (une méthode bio-inspirée connue pour éviter les optima locaux et la convergence prématurée), l’équipe a généré des douzaines de layouts candidats avec un nombre de stations variant de 6 à 10. Ensuite, au lieu de choisir celui avec les recettes les plus élevées ou le coût le plus bas, ils ont appliqué une évaluation TOPSIS à pondération entropique – un outil de décision multicritère qui classe les alternatives par proximité à une solution « idéale » sur toutes les dimensions : coût, recettes, impact sur le réseau, et satisfaction utilisateur.
Le gagnant ? Sept stations.
Pas six (l’option « la moins chère »), pas dix (la configuration « avec la plus grande couverture »), mais sept – l’optimum équilibré. Et remarquablement, cela correspondait à l’objectif esquissé dans le plan municipal d’infrastructure VE de Yichang lui-même, donnant une crédibilité terrain à la méthode.
En creusant la logique de placement, une autre insight émerge : les sites optimaux se regroupaient non pas dans le centre-ville, mais dans le quadrant sud-ouest – spécifiquement près d’un hôpital, d’un parc technologique et d’un grand complexe commercial. Pourquoi ? Parce que cette zone entrelace de manière unique les trois types d’activités : les gens vivent à proximité (densité résidentielle), travaillent là (parcs de bureaux) et divertissent là (commerce/loisirs). De tels « générateurs de trajets » produisent des déplacements à plus haute fréquence et à buts multiples – et donc une demande de recharge plus variée et fiable – comparé aux zones mono-fonctionnelles. Un district uniquement dédié au travail voit des pics à 8h et 17h ; une zone résidentielle culmine la nuit. Mais une zone mixte bourdonne régulièrement tout au long de la journée.
De plus, les distances moyennes de trajet plus courtes dans de telles zones réduisent l’anxiété de autonomie, rendant les chargeurs AC Level 2 plus viables aux côtés des chargeurs DC rapides – abaissant à la fois le coût en capital et le stress sur le réseau.
Pour tester la compatibilité réseau, les chercheurs ont cartographié les sept sites proposés sur le réseau de distribution IEEE à 33 nœuds – une référence largement acceptée pour l’analyse des flux de puissance. En utilisant des méthodes de balayage avant-arrière, ils ont simulé les profils de tension, les pertes en ligne et la charge sous une demande de recharge de pointe. Les résultats étaient rassurants : les écarts de tension restaient bien dans les limites de ±5 %, et aucune branche ne dépassait les ratings thermiques. En fait, le plan sélectionné par entropie-TOPSIS a causé moins de fluctuation de tension que les alternatives – preuve que les objectifs environnementaux et d’ingénierie ne doivent pas nécessairement entrer en conflit.
La découverte peut-être la plus convaincante émerge d’une simulation contrefactuelle : Et si on ignorait le potentiel de demande et les bénéfices carbone ?
L’étude a mené une comparaison côte à côte – même ville, même algorithme, mais avec un modèle coût-recettes conventionnel. Le résultat était frappant. Sans pondération du potentiel de demande, les stations avaient tendance à se regrouper le long des axes principaux, négligeant les quartiers intérieurs à haut potentiel. Sans la recette équivalente carbone, le modèle favorisait moins de stations, mais plus grandes – maximisant le débit par unité de coût mais augmentant la distance de trajet des utilisateurs et la congestion du réseau en des points uniques.
Lorsqu’elle est tracée sur une courbe bénéfice-coût, la version « améliorée » du modèle (avec demande + carbone) surperformait systématiquement la baseline – surtout pour un nombre de stations plus faible. Moins de stations, mais plus intelligentes, guidées par le potentiel et valorisées pour leurs économies d’émissions, offraient un bénéfice sociétal net plus élevé que des stations plus nombreuses mais mal situées.
Cela a des implications profondes pour la politique nationale. Les objectifs « Dual Carbone » de la Chine – pic d’émissions d’ici 2030, neutralité carbone d’ici 2060 – ne peuvent être atteints par la seule décarbonation du secteur énergétique. Les transports représentent près de 10 % des émissions nationales de CO₂ et sont encore en hausse. Les VE sont la clé de voûte – mais seulement si leur infrastructure de soutien est conçue pour la décarbonation, pas seulement pour l’électrification.
Les villes de taille moyenne, souvent négligées dans les récits nationaux sur les VE, pourraient détenir un levier disproportionné. Elles sont suffisamment grandes pour faire bouger l’aiguille sur les émissions régionales, mais assez agiles pour piloter de nouveaux modèles. Un déploiement réussi à Yichang pourrait être répliqué dans des douzaines de villes similaires à travers le centre et l’ouest de la Chine – Zhuzhou, Nanchong, Jiaozuo – créant une « ceinture médiane » de préparation aux VE qui comblerait le fossé entre la côte et l’intérieur des terres.
Bien sûr, des défis subsistent. La transparence des données en est un : le modèle s’appuie sur des statistiques municipales (flux de population, prix des terrains, immatriculations de VE) qui ne sont pas toujours standardisées ou publiquement disponibles. Les hypothèses comportementales – comme les patterns de trajet dérivés d’enquêtes américaines – nécessitent une validation locale. Et si la tarification du carbone est en croissance, sa stabilité et son extensibilité sont encore incertaines.
Néanmoins, le cadre offre un point de départ robuste – pas une prescription rigide, mais un processus : comprendre l’anatomie de la demande locale, quantifier la valeur environnementale, simuler les compromis et sélectionner l’optimum équilibré, pas l’extrême.
Pour les constructeurs automobiles, cela signifie repenser les stratégies d’entrée sur le marché. Plutôt que de cibler uniquement les mégapoles ou d’offrir des promesses génériques d’« accès national aux chargeurs », les marques pourraient s’associer avec les municipalités de taille moyenne sur une infrastructure co-brandée – se positionnant comme des facilitateurs de durabilité locale. Imaginez un hub de recharge BYD ou NIO co-implanté avec le centre de mobilité verte d’une ville, comportant des auvents solaires, des tampons de batterie et des tableaux de bord d’émissions en temps réel affichant « CO₂ économisé aujourd’hui : 217 kg ». Ce n’est pas seulement une infrastructure – c’est du marketing, de la politique et de la responsabilité environnementale en un.
Pour les opérateurs de réseau, le message est clair : l’engagement proactif avec les urbanistes n’est plus optionnel. Alors que les charges des VE passent d’une recharge domestique nocturne prévisible à une recharge publique plus distribuée en journée, les réseaux de distribution doivent s’adapter. Des évaluations dynamiques de la capacité d’accueil, des mises à niveau ciblées des feeders et une intégration de la réponse à la demande avec les réseaux de recharge deviendront essentielles – non pas comme des centres de coût, mais comme des investissements créateurs de valeur.
Et pour les conducteurs ? La promesse est plus simple : moins de stations vides, moins de détours, une tarification plus juste et la satisfaction tranquille de savoir que chaque kilowattheure chargé ne fait pas seulement avancer une voiture – mais efface activement du carbone de l’atmosphère.
L’électrification des transports n’est plus une question de si, mais de comment bien. À cet égard, cette étude ne propose pas seulement un nouvel algorithme – elle offre une nouvelle philosophie : l’infrastructure comme une expression du lieu, du but et de la responsabilité planétaire. Les villes de taille moyenne, longtemps vues comme les « enfants du milieu » de la politique urbaine, pourraient bien être celles qui montrent la voie.
— Shouwen Wang¹,², Zhaobin Zhu³,⁴ ¹ École de Droit et d’Administration Publique, Université de Chine des Trois Gorges, Yichang 443002, Chine ² École d’Économie, Université des Sciences et Technologies de Huazhong, Wuhan 430074, Chine ³ Collège de Génie Électrique et Énergies Nouvelles, Université de Chine des Trois Gorges, Yichang 443002, Chine ⁴ Station de Travail des Diplômés Provinciaux, Hubei Energy Co., Yichang 443002, Chine Journal of China Three Gorges University (Natural Sciences), 2023, 45(4): 86–94 DOI: 10.13393/j.cnki.issn.1672-948X.2023.04.014