Réseaux intelligents et véhicules électriques : une stratégie innovante réduit coûts et pertes
L’intégration des véhicules électriques dans les réseaux de distribution d’énergie représente un défi crucial pour les systèmes énergétiques modernes, alors que la mobilité durable connaît une accélération mondiale. Avec plus de 4,4 millions d’unités vendues en Chine en 2022 et une production décentralisée appelée à représenter 17% de la capacité installée d’ici 2030, la pression sur les réseaux électriques urbains s’intensifie considérablement. La nature intermittente et mobile de la recharge des VE introduit d’importantes incertitudes spatio-temporelles, menaçant tant la stabilité du réseau que son efficacité économique. Face à ce constat, des chercheurs de l’Université Southwest Jiaotong ont développé une stratégie de dispatch économique distribuée révolutionnaire qui non seulement relève ces défis, mais redéfinit la coexistence harmonieuse entre réseaux de transport et systèmes énergétiques.
Publiée dans les Proceedings of the CSU-EPSA, revue de référence dans l’automatisation des systèmes électriques, l’étude propose un cadre complet intégrant dynamique du trafic et opérations du réseau électrique. Cette approche, fondée sur une modélisation computationnelle avancée et une optimisation décentralisée, offre une solution évolutive à l’un des problèmes les plus pressants de la transition énergétique : gérer la flotte croissante de VE sans compromettre la fiabilité du réseau ni accroître les coûts opérationnels.
La recherche part d’un constat fondamental : la recharge des VE ne constitue pas simplement une charge électrique, mais un processus dynamique façonné par le comportement humain, les infrastructures urbaines et les conditions de trafic en temps réel. Les méthodes de contrôle centralisé traditionnelles, s’appuyant sur un unique contrôleur maître pour gérer l’ensemble du réseau, deviennent progressivement obsolètes. Ces systèmes rencontrent des exigences de communication excessives, souffrent de problèmes de confidentialité des données et peinent à s’adapter à la nature décentralisée des réseaux électriques modernes. Conscients de ces limitations, l’équipe de Southwest Jiaotong a conçu un nouveau paradigme exploitant la structure inhérente des réseaux de transport et d’énergie pour permettre une prise de décision plus intelligente, plus rapide et plus sécurisée.
Au cœur de leur stratégie se trouve un modèle sophistiqué de prédiction de la distribution spatio-temporelle des charges de recharge des VE. Contrairement aux approches antérieures traitant la demande comme une quantité statique ou moyenne, ce modèle simule les mouvements individuels des véhicules sur le réseau routier urbain. Il intègre des données de trafic en temps réel, incluant les niveaux de congestion et les vitesses de déplacement, pour estimer le moment et le lieu probables des recharges. En combinant les données des systèmes d’information géographique (SIG) avec les habitudes de déplacement issues de l’Enquête Nationale sur les Déplacements des Ménages de 2017, les chercheurs ont pu construire une représentation extrêmement précise de l’activité quotidienne des VE.
L’une des innovations clés de ce modèle réside dans l’utilisation d’une distribution des valeurs extrêmes généralisées (GEV) pour prédire la temporalité des premiers départs. Cette méthode statistique capture le pic matinal prononcé du trafic pendulaire bien plus efficacement que les distributions normales traditionnelles. Le modèle tient également compte des préférences de destination – zones résidentielles, commerciales ou professionnelles – et utilise une matrice de transition markovienne pour simuler l’évolution de ces destinations throughout la journée. Ce niveau de détail permet au système d’anticiper non seulement les retours au domicile pour recharge, mais aussi les besoins de recharge durant les pauses méridiennes sur les lieux de travail ou dans les centres commerciaux.
Avec une prévision fiable de la demande de recharge établie, le défi suivant consistait à structurer le réseau électrique pour répondre efficacement à cette charge dynamique. Les chercheurs se sont tournés vers le clustering spectral, une technique puissante d’apprentissage automatique reconnue pour sa capacité à identifier des regroupements complexes et non convexes dans les données. Au lieu de diviser le réseau selon des limites géographiques arbitraires, ils ont utilisé la « distance électrique active » – une métrique reflétant le degré de connexion entre deux nœuds en termes de flux de puissance et d’interaction tensionnelle. Les nœuds présentant des caractéristiques électriques similaires ont été regroupés en zones distinctes, chacune gérée par un contrôleur local.
Cette division zonale dépasse le simple confort technique ; elle traduit une compréhension approfondie de l’interaction entre utilisation des sols urbains et consommation énergétique. Par exemple, les zones à dominance commerciale présentent des profils de charge différents des quartiers résidentiels. Les premières affichent un pic unique de demande de recharge durant les heures de bureau, tandis que les secondes connaissent des pics doubles – en fin de soirée et tôt le matin. En alignant les partitions du réseau sur ces différences fonctionnelles, le système peut appliquer des stratégies de contrôle sur mesure maximisant l’efficacité et minimisant le gaspillage.
Une fois le réseau partitionné, les chercheurs ont implémenté un algorithme d’optimisation distribuée connu sous le nom de méthode alternée des multiplicateurs (ADMM). Cette approche permet à chaque zone de résoudre son propre problème de dispatch économique indépendamment tout en coordonnant avec les zones voisines via un échange d’information itératif. Au lieu d’exiger qu’une autorité centrale traite toutes les données simultanément, l’ADMM permet une computation parallèle, réduisant drastiquement le temps de traitement et allégeant les charges de communication.
Les bénéfices de cette architecture décentralisée sont profonds. Dans des simulations utilisant le réseau test IEEE 33 nœuds couplé au réseau routier de Sioux Falls, la stratégie proposée a réduit les coûts opérationnels journaliers de 12,76% et diminué les pertes réseau de près de 60%. Ces améliorations découlent de plusieurs facteurs. Premièrement, le système optimise l’utilisation des ressources énergétiques distribuées locales – tels les panneaux solaires rooftops et les petites éoliennes – en les dispatchant durant les périodes de prix électriques élevés. Deuxièmement, il gère intelligemment le stockage batterie, chargeant lorsque les tarifs sont bas et déchargeant durant les pics de demande. Troisièmement, il facilite le partage de puissance entre zones, permettant à la production excédentaire d’une zone de compenser les déficits d’une autre sans surcharger les lignes de transmission.
L’amélioration peut-être la plus frappante concerne la stabilité tensionnelle. Avant optimisation, certains nœuds du réseau simulé connaissaient des chutes de tension jusqu’à 0,90 par unité – bien en-deçà du seuil acceptable de 0,95 p.u. De telles conditions peuvent endommager les équipements sensibles et mener à des défaillances en cascade. Après application de la nouvelle stratégie de dispatch, tous les nœuds sont restés dans les limites opérationnelles sûres, démontrant la capacité du système à maintenir la qualité de l’alimentation même sous des charges lourdes et fluctuantes.
Les chercheurs ont également conduit une comparaison rigoureuse entre leur méthode distribuée et l’optimisation centralisée traditionnelle. Si les deux approches produisaient des résultats quasi identiques en termes de réduction des coûts et pertes – différant de moins de 1% – la version distribuée s’est avérée significativement plus rapide. Sur le système à 33 nœuds, elle a permis une réduction de 20,5% du temps de computation. Sur un réseau étendu à 118 nœuds, l’avantage vitesse a grimpé à 47,7%, soulignant l’évolutivité de l’approche. Ce gain de performance est crucial alors que les villes étendent leurs infrastructures VE et que les utilities font face à des délais opérationnels plus serrés.
Au-delà de la performance technique, la stratégie offre des avantages importants en confidentialité des données et cybersécurité. Dans un système centralisé, chaque nœud doit transmettre des données opérationnelles sensibles à un serveur central, créant un point de défaillance unique et une cible tentante pour les cyberattaques. Au contraire, le modèle distribué garde la majorité des données localisées. Chaque contrôleur de zone ne partage que les conditions aux limites – tels les flux de puissance et tensions de ligne – avec ses voisins immédiats. Cela minimise l’exposition et améliore la résilience, rendant le réseau moins vulnérable aux perturbations.
Les implications de cette recherche dépassent largement l’intérêt académique. Alors que les villes worldwide grapple avec les défis jumeaux de la décarbonation et de la digitalisation, des solutions comme celle-ci fournissent un blueprint pour la planification urbaine intégrée. Les municipalités peuvent utiliser de tels modèles pour guider l’implantation des stations de recharge, assurant leur localisation là où leur impact sur la stabilité du réseau sera minimal. Les companies de services publics peuvent adopter ce framework pour améliorer la prévision de charge et l’allocation des ressources, réduisant le besoin de coûteuses upgrades d’infrastructure. Les décideurs politiques peuvent s’appuyer sur ces insights pour concevoir des programmes incitatifs encourageant la recharge en heures creuses et promouvant l’adoption des énergies renouvelables.
Par ailleurs, l’étude souligne l’importance de la collaboration interdisciplinaire. En comblant le fossé entre ingénierie des transports et systèmes énergétiques, l’équipe de Southwest Jiaotong a démontré que l’avenir des smart cities réside dans la convergence. Les schémas de trafic informent les décisions énergétiques, et la disponibilité énergétique influence les comportements de déplacement. Cette relation bidirectionnelle doit être reconnue et gérée de manière holistique si l’on veut construire des environnements urbains véritablement durables.
Pour la suite, les chercheurs prévoient d’étendre leur modèle pour prendre en compte une plus grande incertitude tant côté offre que demande. La production renouvelable solaire et éolienne est intrinsèquement variable, et le comportement des utilisateurs de VE peut être imprévisible. Incorporer des techniques d’optimisation stochastique et des algorithmes d’apprentissage automatique pourrait encore améliorer la robustesse du système. Explorer comment les signaux de prix en temps réel et les programmes de réponse à la demande peuvent influencer les choix de recharge des conducteurs pourrait débloquer des efficacités encore plus grandes.
En conclusion, les travaux de Jia Shicheng, Liao Kai, Yang Jianwei, Xiang Yueping et He Zhengyou représentent un pas majeur en avant dans l’intégration de la mobilité électrique et de la gestion des réseaux électriques. Leur stratégie de dispatch économique distribuée apporte non seulement des améliorations tangibles en coût, efficacité et fiabilité, mais établit également un nouveau standard pour la conception des systèmes énergétiques intelligents. Alors que le monde avance vers un futur plus propre et connecté, des études comme celle-ci joueront un rôle crucial pour garantir que le progrès soit à la fois durable et équitable.
Jia Shicheng, Liao Kai, Yang Jianwei, Xiang Yueping, He Zhengyou, Southwest Jiaotong University, Proceedings of the CSU-EPSA, DOI : 10.19635/j.cnki.csu-epsa.001412