Réseaux Intelligents Optimisés : Une Nouvelle Stratégie pour Lisser la Demande Énergétique
Face à l’impératif urgent de décarbonation des systèmes électriques et d’intégration des énergies renouvelables intermittentes, la gestion de la demande (GD) s’impose comme un outil essentiel pour la stabilité du réseau. Pourtant, malgré son potentiel théorique, la GD résidentielle à grande échelle reste difficile à mettre en œuvre, entravée par la nature fragmentée et imprévisible de la consommation énergétique des ménages. Une étude novatrice publiée dans Global Energy Interconnection propose une solution convaincante : une nouvelle stratégie de pilotage qui exploite le concept de « participation de la charge » pour transformer les appareils domestiques courants en unités de stockage d’énergie virtuelles et coordonnées.
Dirigée par des chercheurs de l’Université Normale de Nanjing, l’équipe composée de Xiaoyu Zhou, Xiaofeng Liu, Huai Liu, Zhenya Ji et Feng Li a développé un cadre sophistiqué qui ne se contente pas de planifier le fonctionnement des appareils, mais qui priorise intelligemment ceux les plus à même de répondre à tout moment en fonction de leur volonté et de leur capacité en temps réel à déplacer ou réduire leur consommation. Cette approche dépasse les programmes de GD classiques, uniformes et standards, pour instead adapter les interventions aux comportements nuancés des véhicules électriques (VE), des climatiseurs (AC) et des lave-vaisselle (LV) – trois des charges flexibles les plus courantes dans les foyers modernes.
L’innovation centrale consiste à reimaginer ces appareils non plus comme de simples consommateurs passifs d’électricité, mais comme des composants dynamiques d’un système de stockage d’énergie distribué. Bien qu’ils ne stockent pas physiquement des électrons comme une batterie, leur capacité à différer, interrompre ou moduler leur consommation crée un équivalent fonctionnel. Un VE branché toute la nuit n’a pas besoin de charger en continu ; il doit simplement être complètement chargé le matin. Cette flexibilité représente une « batterie virtuelle » dont l’état de charge peut être géré. De même, un climatiseur peut permettre à la température d’une pièce de varier légèrement dans une plage de confort, « stockant » ainsi de la fraîcheur pour une utilisation ultérieure. Un lave-vaisselle, une fois démarré, doit terminer son cycle mais peut être programmé pour commencer pendant les heures creuses.
Les chercheurs ont formalisé cette intuition en une métrique quantifiable qu’ils appellent « participation de la charge ». Pour chaque type d’appareil, ils ont construit un modèle de participation qui calcule, en temps réel, la « marge » disponible dans son stockage virtuel pour absorber ou réduire la charge sans compromettre le confort ou la fonction de l’utilisateur. Pour un VE, cela dépend de son état de charge actuel, de l’état de charge final requis et du temps restant jusqu’au débranchement. Pour un climatiseur, cela est lié à la température intérieure actuelle par rapport aux limites de confort de l’utilisateur – plus la température est éloignée de la limite supérieure, plus le « stockage » est disponible et plus sa volonté de participer à un événement de GD en restant éteint est élevée. Pour un lave-vaisselle, la participation est maximale avant son activation et tombe à zéro une fois son cycle commencé.
Cependant, gérer des milliers ou des millions d’appareils individuels avec des paramètres uniques est un cauchemar logistique. Pour résoudre ce problème, l’équipe a employé l’algorithme de clustering K-means, une technique puissante d’apprentissage automatique, pour regrouper les appareils similaires. Les VE étaient regroupés en fonction de leur heure de branchement typique et de leur état de charge initial – un indicateur de leurs habitudes de conduite quotidiennes. Les climatiseurs étaient groupés par leurs propriétés thermodynamiques, spécifiquement leur résistance thermique et leur capacité calorifique, qui dictent la rapidité avec laquelle une pièce chauffe ou refroidit. Les lave-vaisselle étaient catégorisés selon leurs fenêtres de fonctionnement préférées par l’utilisateur – les heures les plus tôt et les plus tardives auxquelles un utilisateur accepte que l’appareil fonctionne.
Ce clustering est la clé de voûte de l’évolutivité. Au lieu d’envoyer des commandes à 10 000 VE individuels, un agrégateur de charge (AC) – un intermédiaire clé qui regroupe les ressources résidentielles – peut désormais gérer quelques dizaines de clusters représentatifs. Chaque cluster agit comme un actif virtuel unique, large et prévisible, simplifiant considérablement le problème de contrôle pour les opérateurs de réseau tout en préservant le potentiel collectif de GD de l’ensemble du parc résidentiel.
La véritable brillance de la stratégie se révèle dans son mécanisme de marché. Le centre de dispatch du réseau diffuse une « courbe de charge directrice » – un profil de charge idéalisé conçu pour lisser la volatilité combinée de la production renouvelable et de la demande inflexible. Le travail de l’AC est de remodeler la charge résidentielle agrégée pour qu’elle corresponde autant que possible à cette courbe idéale. Pour inciter à cela, les revenus de l’AC provenant du réseau sont directement liés à un « indice de similarité » qui mesure à quel point son profil de charge réel se conforme à la directrice.
Du côté du consommateur, l’AC n’offre pas un remboursement forfaitaire. Instead, il utilise un système de compensation dynamique basé sur les deux métriques clés de son modèle de participation : le niveau de participation et l’écart de participation. Un utilisateur dont le VE a un état de charge élevé en début de soirée (participation élevée) est plus disposé à retarder la charge et nécessite donc moins d’incitation financière. À l’inverse, un utilisateur dont le climatiseur est déjà proche de sa limite de confort (faible participation) aurait besoin d’une rémunération plus élevée pour accepter une temporisation. Cette tarification nuancée garantit que l’AC peut atteindre ses objectifs de réseau au coût le plus bas possible, maximisant son propre profit tout en compensant équitablement les utilisateurs en fonction de la valeur réelle de leur flexibilité.
Les résultats de leur simulation, qui modélisait 10 000 ménages sur une période de 12 heures lors d’une journée d’été, sont frappants. La stratégie proposée a réussi à déplacer une quantité massive de charge des VE du pic de soirée vers la vallée nocturne. Elle a significativement réduit la consommation des climatiseurs pendant les heures les plus chaudes et les plus coûteuses en exploitant l’inertie thermique des logements. Même la contribution, plus faible mais toujours précieuse, des lave-vaisselle a été exploitée en décalant leur fonctionnement vers des périodes légèrement plus tardives et moins congestionnées.
L’effet net a été un aplatissement spectaculaire de la courbe de charge globale. La demande de pointe a été considérablement réduite et la vallée nocturne a été efficacement comblée. Ce « lissage des pics et remplissage des vallées » est le graal de la gestion de réseau, car il réduit le besoin de centrales de pointe coûteuses et souvent fortement carbonées, reporte les mises à niveau coûteuses des infrastructures réseau et crée une plateforme plus stable pour intégrer les énergies éolienne et solaire.
Pour valider leur approche, les chercheurs l’ont comparée à une stratégie de GD plus conventionnelle qui se contente de déplacer les charges flexibles sans référence à une courbe cible idéale. La méthode basée sur la directrice s’est avérée nettement supérieure. Elle a atteint un indice de similarité plus élevé (0,87 contre 0,652), généré plus de profit pour l’AC (21 970 yuans contre 19 350 yuans) et a abouti à un taux de charge moyen et un taux de charge déplaçable plus élevés – des indicateurs clés d’un réseau plus efficace et flexible.
Cette recherche est bien plus qu’un simple exercice académique ; elle fournit une feuille de route pratique et évolutive pour l’avenir de la gestion de l’énergie résidentielle. Alors que le monde s’efforce d’atteindre ses objectifs climatiques, la capacité à libérer la vaste flexibilité latente de nos foyers n’est pas un luxe – c’est une nécessité. La stratégie développée par l’équipe de l’Université Normale de Nanjing comble élégamment le fossé entre les besoins complexes du réseau et la réalité simple de la vie domestique. Elle respecte le confort de l’utilisateur en faisant de la participation une fonction des conditions en temps réel, et non de calendriers arbitraires. Elle crée un modèle économique viable pour les agrégateurs de charge en alignant leurs incitations financières sur la stabilité du réseau. Et elle fournit aux opérateurs de réseau un nouvel outil puissant pour gérer la complexité croissante d’un système électrique dominé par les renouvelables.
Dans un marché inondé de thermostats intelligents et de chargeurs de VE fonctionnant en silo, ces travaux pointent vers un avenir plus intégré et intelligent. Ils suggèrent que la valeur réelle de ces appareils ne sera pas réalisée grâce à une optimisation individuelle, mais grâce à leur orchestration coordonnée au sein d’une vaste centrale électrique virtuelle. En donnant aux opérateurs de réseau un langage précis – le langage de la participation de la charge – pour communiquer et gérer cette ressource distribuée, cette étude marque une avancée significative pour rendre notre système électrique plus propre, plus résilient et plus efficace.
Par Xiaoyu Zhou, Xiaofeng Liu, Huai Liu, Zhenya Ji et Feng Li de l’École de Génie Électrique et Automatisation, Université Normale de Nanjing, Nanjing 210023, R.P. de Chine. Publié dans Global Energy Interconnection, Volume 7, Numéro 1, Février 2024, Pages 38-47. DOI : 10.1016/j.gloei.2024.01.004.