Réseaux flexibles, pics intelligents : comment la coordination source-charge-stockage alimente la transition énergétique de la Chine
Par Jacobin
À l’aube d’une froide matinée d’hiver dans le nord de la Chine, les éoliennes tournent régulièrement sous un soleil pâle, leurs pales tranchant l’air mince et glacé. Les panneaux solaires, orientés vers le sud sur les toits et dans les champs, captent les premiers rayons faibles. Dans la salle de contrôle d’un centre de dispatch régional, des ingénieurs surveillent une carte en direct du réseau — des lignes pulsant avec les flux d’énergie en temps réel, des courbes de charge qui plongent et s’élèvent comme une respiration. Ce qui était autrefois un exercice d’équilibre précaire — adapter une production renouvelable variable à une génération inflexible au charbon — est en train de changer. Non pas avec un battage médiatique dramatique, mais avec une précision algorithmique et silencieuse : les unités thermiques passent en régime de charge profonde sans soutien au fioul ; les batteries absorbent le surplus d’énergie éolien à minuit ; des centaines de véhicules électriques se rechargent à l’unisson pendant les heures creuses, guidés non pas par des minuteries, mais par des signaux de prix calibrés à la seconde près.
Ce n’est pas du futurisme spéculatif. C’est la réalité qui se déploie de la transformation du système électrique chinois — et à son cœur se trouve une nouvelle approche de l’écrêtement des pointes : coordonnée, consciente du marché et profondément adaptive. Une étude récente de l’Université du Nord de la Chine pour l’Énergie Électrique (North China Electric Power University), dirigée par le professeur Zhang Jinliang et le chercheur diplômé Hu Zeping, offre bien plus qu’une amélioration progressive. Elle propose un cadre d’optimisation complet qui traite le réseau non pas comme une collection d’actifs en silos, mais comme un organisme intégré — où la production (source), la demande (charge) et le stockage (stockage) agissent de concert, chacun répondant à des signaux économiques nuancés et à des contraintes physiques. Le résultat ? Un système qui n’est pas seulement capable d’absorber une part élevée d’énergies renouvelables, mais économiquement incité à le faire.
Prenons un peu de recul. L’écrêtement des pointes — la pratique qui consiste à réduire l’écart entre les hauts et les bas de la demande d’électricité — a longtemps été traité comme un problème d’ingénierie en force brute. En Chine, où le charbon domine encore l’approvisionnement de base, la solution traditionnelle consistait à réduire (ou augmenter) la puissance des unités fossiles pour correspondre aux variations de la demande. Mais alors que la pénétration de l’éolien et du solaire a dépassé les 30 % dans des provinces clés, ce modèle a craqué. Le vent souffle souvent le plus fort la nuit, lorsque la demande est la plus faible. Le soleil de midi inonde le réseau juste au moment où les charges industrielles diminuent. Le décalage n’est pas occasionnel — il est structurel. Sans flexibilité, la réponse était simple : la limitation. En 2022, certaines régions ont connu une limitation de l’éolien dépassant 10 %, et du solaire près de 5 %. De l’énergie propre — payée, construite, en rotation — délibérément coupée. Gaspillée.
Les ingénieurs savaient que le stockage et les ressources côté demande promettaient, mais les premiers déploiements étaient fragmentés. Les batteries restaient inactives, attendant les ordres de dispatch. Les flottes de VE se rechargeaient de manière imprévisible, aggravant parfois les rampes de soirée. Les systèmes de compensation étaient grossiers — des tarifs plats pour la participation, peu importe quand ou combien de flexibilité était fournie. Le chaînon manquant ? Un modèle unifié qui pourrait simultanément modéliser l’incertitude, la réactivité aux prix et les incitations multipartites.
C’est là que le travail de Zhang et Hu fait œuvre de pionnier. Leur modèle commence par le réalisme : l’éolien et le solaire ne varient pas indépendamment. La couverture nuageuse et les régimes de vent sont corrélés — souvent inversement. En utilisant l’estimation par noyau de densité (kernel density estimation) et les fonctions copules de Frank, l’équipe a généré des scénarios conjoints réalistes de production éolienne-solaire, bien plus précis que de les traiter comme des variables aléatoires séparées. Ce n’est pas une nuance académique. Surestimer la corrélation peut conduire à un sous-dimensionnement des réserves ; la sous-estimer invite à l’instabilité. Leur méthode capture le balancier naturel — les jours nuageux signifient souvent des vents plus forts, les jours ensoleillés et calmes signifient une dominance solaire — produisant des plans de dispatch résilients à la volatilité du monde réel.
Mais l’incertitude n’est que la moitié de la bataille. Le plus grand obstacle est le comportement. Pourquoi un propriétaire de centrale à charbon accepterait-il de fonctionner à 35 % de sa capacité — entrant dans la zone coûteuse de « combustion du fioul » — sans être correctement récompensé ? Pourquoi une usine décalerait-elle sa ligne de production, ou un propriétaire de VE brancherait-il à 2 heures du matin, sans avantage financier clair ?
Entrez dans l’architecture tarifaire du modèle — un moteur d’incitation à trois niveaux.
Premièrement, pour les unités thermiques : la compensation n’est pas plate. Elle est graduée, alignée sur le stress opérationnel réel. À 45–50 % de charge ? Une récompense modeste. Descente à 40–45 % ? Plus élevée. Poussée en dessous de 35 % — où la fatigue des métaux et la consommation de fioul grimpent en flèche ? Le paiement augmente significativement. Crucialement, il ne s’agit pas d’altruisme subventionné. Le coût est partagé par ceux qui ne fournissent pas de flexibilité : les parcs éoliens, les centrales solaires et les unités au charbon conventionnelles fonctionnant encore près de leur pleine charge. La charge passe du fournisseur flexible au bénéficiaire inflexible — un signal de marché aussi vieux que l’offre et la demande, maintenant appliqué aux services de réseau.
Deuxièmement, pour le stockage et les VE : la tarification reflète le coût marginal, pas des subventions fixes. Puisque les batteries et les VE ne subissent pas de stress thermique, leur compensation est plus faible — mais elle est dynamique. Lorsque la charge nette plonge (énergies renouvelables élevées, demande faible), la charge est récompensée. Lorsque les pointes du soir approchent, la décharge gagne des tarifs premium. Et criticalement, seule la puissance de charge reçoit une compensation d’écrêtement — la décharge est réglée via les prix du marché de l’énergie. Cela évite la double perception et garantit que les paiements correspondent à la valeur réelle du réseau : combler les vallées, pas seulement déplacer l’énergie.
Troisièmement — et peut-être le plus innovant — est le mécanisme de réponse à la demande graduée pour les utilisateurs finaux. Les programmes classiques de RD offrent un $/kW plat pour la réduction de charge. Mais le comportement humain (et industriel) n’est pas linéaire. Une petite incitation pourrait retarder un chauffe-eau ; une plus grande pourrait décaler la production d’une équipe entière. Le modèle de Zhang et Hu introduit une compensation par paliers : plus la réponse est profonde, plus la récompense marginale est élevée. Premiers 10 MW réduits ? $X/MW. 10 MW suivants ? $X × 1,2. Au-delà ? $X × 1,5. Cela reflète la vraie économie : les « fruits à portée de main » de la flexibilité sont bon marché ; des coupes plus profondes nécessitent plus d’efforts, d’investissement ou de changement de processus — méritant des rendements plus élevés.
La preuve est dans le dispatch.
Les chercheurs ont testé leur modèle sur un système IEEE 30 bus modifié — mis à l’échelle pour représenter un réseau régional chinois : cinq unités au charbon, 200 VE, 400 MW d’éolien, 150 MW de solaire et une batterie de 50 MW/100 MWh. Ils ont exécuté cinq scénarios, chacun ajoutant une couche de sophistication :
- Référence (Baseline) : Éolien, solaire, charbon — aucune coordination. Résultat ? 21,7 % de limitation éolienne, 5,9 % de perte solaire. Coût total : 3,44 millions de ¥/jour.
- +VE seulement : La charge intelligente réduit légèrement la limitation — mais sans tarification, la participation est erratique. Économies : marginales.
- +Écrêtement charbon profond : Maintenant, les unités à charbon descendent profondément. La limitation éolienne tombe à 0,08 % — pratiquement éliminée. Le coût total baisse de 22 %. Mais les unités à charbon brûlent du fioul la nuit, érodant les marges.
- +Batterie : Le stockage absorbe l’éolien de minuit, se décharge à 19h. Les unités à charbon évitent entièrement la combustion du fioul. Le coût du système baisse de another 0,2 million de ¥, et les fluctuations de charge nette s’aplanissent sensiblement.
- +RD graduée : Les usines décalent les charges ; les maisons préchauffent avant les pics de prix. La courbe de charge s’aplatit davantage. Coût final : 2,6367 millions de ¥/jour — 23,4 % de moins que la référence, avec zéro limitation.
Ce dernier chiffre ne concerne pas seulement l’argent. Il concerne la faisabilité. À l’échelle, de telles économies rendent les réseaux à haute teneur en renouvelables non seulement souhaitables environnementalement, mais économiquement inévitables.
Mais les chiffres ne racontent qu’une partie de l’histoire. Regardez les signaux de prix que le modèle génère (Fig. 8 dans l’étude, bien qu’aucune image ici). Le prix offert de l’Unité Thermique 1 reste modéré pendant la journée (40–60 % de charge). Mais à 22h, alors que la demande baisse et que l’éolien augmente, elle descend à 33 % de charge — entrant en combustion de fioul. Son prix offert s’envôle — non pas par avidité, mais de manière réflexive : le fioul coûte de l’argent ; le métal se dégrade. Pendant ce temps, le prix de la batterie est zéro toute la journée — jusqu’à 23h, où elle commence à charger (gagnant une compensation), puis bondit à 18h lorsqu’elle se décharge dans la rampe du soir. Les VE reflètent cela : silencieux la plupart des heures, puis actifs pendant les creux de prix. Ce n’est pas un contrôle descendant. C’est une coordination émergente — des actifs votant avec des électrons, guidés par une économie transparente.
Criticalement, le modèle applique des contraintes de rentabilité. Aucun participant ne perd d’argent. Les parcs éoliens paient une petite redevance pour les services de flexibilité, oui — mais leur revenu net augmente parce que zéro mégawatt-heure est gaspillé. Les centrales à charbon gagnent moins par MWh, mais fonctionnent plus d’heures et évitent les coûts de démarrage. Les opérateurs de stockage gagnent des revenus annexes sans cannibaliser les marges énergétiques. Les propriétaires de VE reçoivent des micro-paiements qui compensent les coûts de recharge — et prolongent la durée de vie de la batterie en évitant la charge aux tarifs de pointe. Tout le monde gagne parce que le système gagne.
Cependant, des questions d’évolutivité persistent. Comment cela fonctionne-t-il au-delà des frontières provinciales, où la propriété du réseau et les règles tarifaires se fragmentent ? Le modèle peut-il gérer des millions de VE distribués, pas seulement 200 ? Et que se passe-t-il lorsque l’éolien et le solaire chutent simultanément — un événement « dunkelflaute » (creux noir) ?
Zhang et Hu reconnaissent ces frontières. Leur cadre est conçu pour la planification jour-ahead — essentielle, mais pas suffisante pour la volatilité en temps réel. La prochaine étape, évoquée dans leur conclusion, est de coupler cela avec des couches intra-journalières et de contrôle automatique de génération (AGC). Aussi vital : l’adoption réglementaire. Les marchés de services annexes chinois évoluent, mais les règles de compensation restent incohérentes. Un déploiement national d’une tarification graduée et reflétant les coûts — soutenue par un partage transparent des coûts — est un travail politique, pas seulement technique.
Pourtant, la direction est claire. La flexibilité n’est plus un centre de coût — c’est un flux de valeur. Et les actifs autrefois considérés comme passifs (un VE stationné, le refroidisseur inactif d’une usine, un onduleur solaire sur le toit) deviennent des partenaires actifs du réseau. Comme l’a confié hors micro un opérateur de réseau en Mongolie-Intérieure : « Avant, nous supplions les unités de réduire leur puissance. Maintenant, avec les bons signaux, elles demandent à descendre plus profondément — la compensation couvre leur risque. C’est un changement culturel. »
C’est la révolution silencieuse en cours. Non pas avec des méga-projets, mais avec des incitations marginales. Non pas par des mandats, mais par des marchés qui voient enfin la flexibilité — et la paient équitablement.
De retour dans la salle de contrôle, l’ingénieur ajuste un curseur. Un groupe de VE commence à se charger — non pas à cause d’une commande, mais parce que le signal de prix est passé dans la zone verte. Sur l’écran, la courbe de charge nette s’aplanit, presque imperceptiblement. Une autre turbine reste en ligne. Un autre kilowattheure d’énergie éolienne trouve un foyer.
Pas de fanfare. Juste des électrons, de l’économie et de l’équilibre — enfin, en harmonie.
Auteurs : Jinliang Zhang, Zeping Hu
Affiliation : École d’Économie et de Gestion, Université du Nord de la Chine pour l’Énergie Électrique, Beijing 102206, Chine
Revue : Power System Protection and Control
DOI : 10.12158/j.2096-3203.2024.04.002