Stations de recharge électrique autonomes par solaire et stockage
En intégrant l’énergie solaire et le stockage par batterie, la Chine redéfinit l’économie des infrastructures de recharge pour véhicules électriques, transformant des stations jadis dépendantes du réseau en hubs énergétiques semi-autonomes qui réduisent les achats d’électricité aux heures de pointe, diminuent les temps d’attente des utilisateurs et améliorent l’efficacité globale du système. Une étude récente de l’Institut de recherche sur l’énergie électrique de State Grid Fujian démontre comment une planification optimisée des capacités photovoltaïques et de stockage peut réduire les coûts sociaux totaux de plus de 12% tout en maintenant une qualité de service élevée.
Ces résultats arrivent à un moment charnière. Alors que le parc de véhicules électriques chinois dépasse les 20 millions d’unités – près de 60% du total mondial – la pression sur les réseaux électriques urbains s’intensifie. Les stations de recharge rapide traditionnelles, particulièrement celles équipées de chargeurs de 180 kW ou plus, génèrent des charges massives durant les heures de pointe diurnes, provoquant des coûts de capacité élevés et des congestions réseau. Mais l’intégration d’énergies renouvelables et de stockage sur site offre une alternative convaincante : non seulement une recharge plus verte, mais aussi des opérations plus intelligentes et rentables.
Au cœur de cette transformation se trouve un modèle d’optimisation novateur qui considère la station de recharge non pas simplement comme un point de service, mais comme un micro-système énergétique dynamique. Développé par Li Zhicheng, Chen Dawei et Zhang Weijun, ce modèle minimise le coût social total – une métrique composite incluant l’investissement fixe, les dépenses en capital et maintenance pour le photovoltaïque et le stockage, les achats d’électricité réseau et le temps d’attente des utilisateurs – tout en respectant des contraintes strictes sur l’utilisation des terres, la capacité des transformateurs, la longueur des files d’attente et l’utilisation des équipements.
Contrairement aux études antérieures qui se concentraient uniquement sur l’économie des investisseurs ou la faisabilité technique, cette approche équilibre explicitement les coûts d’infrastructure avec l’expérience utilisateur. « Il ne suffit pas d’installer des panneaux solaires et des batteries », explique Li Zhicheng, auteur principal et ingénieur senior spécialisé dans les systèmes énergétiques intégrés. « Il faut les configurer en adéquation avec les patterns réels d’arrivée des véhicules électriques, l’irradiation solaire locale et la tarification horaire de l’électricité. Sinon, on risque la sous-utilisation ou la dégradation du service. »
La méthodologie de l’équipe commence par une simulation haute fidélité de la demande quotidienne de recharge. Utilisant l’échantillonnage de Monte Carlo, ils modélisent les arrivées de véhicules et la distribution des états de charge basés sur des données empiriques : les conducteurs arrivent typiquement avec des niveaux de batterie faibles et souhaitent recharger jusqu’à 95% de capacité. La durée de recharge de chaque véhicule est calculée à partir de la capacité de la batterie (29 kWh dans le cas de référence), de la puissance du chargeur (180 kW) et de l’efficacité du système (90%). Ceci génère une courbe de charge réaliste sur 24 heures – avec des pics durant les trajets de midi et du soir.
En superposant ce profil de demande avec une courbe typique de production photovoltaïque – nulle la nuit, croissante au lever du soleil, maximale vers midi et décroissante au coucher du soleil – les chercheurs appliquent ensuite une stratégie opérationnelle basée sur des règles liée à la structure tarifaire horaire chinoise à trois niveaux : heures creuses (23h-7h à 0,05$/kWh), heures intermédiaires (7h-10h, 15h-18h, 21h-23h à 0,12$/kWh) et heures de pointe (10h-15h, 18h-21h à 0,19$/kWh).
Pendant les heures creuses, sans production solaire, la station puise l’électricité réseau bon marché pour servir les véhicules électriques et charger sa batterie. Durant les périodes intermédiaires, la production solaire satisfait d’abord la demande des véhicules ; tout excédent charge la batterie ou, si elle est pleine, est revendu au réseau à 80% du tarif de détail. Durant les heures de pointe coûteuses, le système priorise la décharge solaire et batterie pour éviter les achats réseau – ne recourant au réseau qu’en dernier recours.
Cette stratégie est intégrée dans un cadre d’optimisation sous contraintes résolu via un algorithme d’essaim particulaire quantique – une métaheuristique reconnue pour ses robustes capacités de recherche globale dans des espaces à haute dimensionnalité. Les variables décisionnelles incluent le nombre de chargeurs (5-20 unités), la capacité photovoltaïque (0-800 kW) et la capacité de stockage (0-1000 kWh). L’algorithme évalue itérativement les configurations par rapport à l’objectif de coût total et aux contraintes de faisabilité.
Quatre scénarios ont été testés. Scénario 1 : station de référence sans photovoltaïque ni stockage. Scénario 2 : 760 kW de solaire uniquement. Scénario 3 : 1000 kWh de batterie uniquement. Scénario 4 : combinaison 760 kW photovoltaïque + 1000 kWh de stockage – la configuration optimale identifiée par le modèle.
Les résultats sont frappants. Dans le scénario 1, la station puise toute sa puissance du réseau, entraînant des coûts horaires d’électricité de 13,18$ (convertis depuis 932,12¥/jour). Le temps d’attente moyen des utilisateurs est de 22 minutes en raison du nombre limité de chargeurs, violant le seuil de service de 20 minutes. Coût social total : 14,64$/heure.
L’ajout de solaire uniquement (scénario 2) réduit les achats réseau de 72%, abaissant les coûts d’électricité à 3,62$/heure. Cependant, sans stockage, l’excédent solaire de midi ne peut être décalé vers les pics du soir, limitant les économies. Le coût total chute à 11,72$/heure – une amélioration de 20% – mais le temps d’attente reste élevé en raison du nombre inchangé de chargeurs.
L’intégration batterie uniquement (scénario 3) permet le report de charge : recharge à bas coût la nuit et décharge durant les pics. Les achats réseau diminuent de 60%, mais l’absence de solaire signifie que la batterie doit être cyclée quotidiennement en utilisant l’énergie réseau, augmentant l’usure et la complexité opérationnelle. Coût total : 13,03$/heure – seulement marginalement meilleur que la référence.
Mais le système hybride (scénario 4) libère des bénéfices synergiques. Le solaire couvre environ 60% de la demande diurne directement ; l’excédent charge la batterie. La batterie se décharge ensuite durant les pics du soir, réduisant la dépendance au réseau de 82% comparé à la référence. Les coûts d’électricité chutent à 3,03$/heure. Crucialement, l’optimisation recommande aussi d’augmenter les chargeurs de 5 à 6 unités – portant l’utilisation des équipements à 78% tout en réduisant le temps moyen d’attente à seulement 11 minutes, bien en deçà de la limite des 20 minutes.
Le coût social total dans le scénario 4 : 11,56$/heure – 12,4% inférieur à la référence et le plus bas parmi toutes les options. Le modèle confirme qu’il s’agit de l’optimum global : des augmentations supplémentaires du photovoltaïque ou du stockage augmenteraient les coûts en capital plus rapidement qu’elles ne réduiraient les dépenses d’électricité.
Du point de vue des investisseurs, le retour sur investissement est convaincant. Bien que les coûts initiaux pour le photovoltaïque (7000$/kW) et le stockage (2000$/kWh incluant l’électronique de puissance) soient significatifs, l’analyse de la valeur actuelle nete sur 10 ans – utilisant un taux d’actualisation de 5% – montre des retours positifs dans les régions avec des tarifs de pointe élevés et de bonnes ressources solaires. La maintenance est minimale : 1% annuel d’exploitation et maintenance pour le photovoltaïque, et remplacement de la batterie tous les 7 ans.
Pour les opérateurs de réseau, les implications sont également profondes. L’adoption généralisée de telles stations optimisées pourrait reporter des mises à niveau coûteuses de postes électriques dans les corridors urbains denses. Durant les vagues de chaleur ou de froid – quand la recharge des véhicules électriques et les charges de climatisation culminent simultanément – les actifs solaires-stockage distribués peuvent agir comme des centrales de pointe virtuelles, améliorant la résilience du réseau.
Critiquement, l’étude valide que l’expérience utilisateur n’est pas sacrifiée au profit de l’efficacité. En intégrant directement la théorie des files d’attente (modèle M/G/s) dans la fonction de coût, le modèle garantit que la qualité de service reste élevée. Cette double focalisation – économique et expérientielle – est ce qui distingue cette approche des méthodes purement techniques.
Les experts industriels notent que l’environnement politique chinois est particulièrement favorable à ce modèle. Des tarifs d’achat généreux, des règles d’interconnexion simplifiées et des mandats municipaux pour les infrastructures vertes dans les réseaux de recharge publics créent un terrain fertile pour le déploiement. Des entreprises comme NIO, XPeng et la filiale véhicules électriques de State Grid itself expérimentent déjà des places de recharge avec auvents solaires dans le Fujian, le Guangdong et le Zhejiang.
Des défis persistent néanmoins. La rareté des terrains dans les mégapoles limite la surface disponible pour le photovoltaïque sur toiture. La dégradation des batteries sous des cycles fréquents affecte l’économie à long terme. Et l’incertitude réglementaire autour de la compensation pour l’injection réseau persiste dans certaines provinces.
Pourtant, la trajectoire est claire. Alors que les prix des batteries continuent de chuter – en baisse de 89% depuis 2010 – et que les panneaux solaires bifaciaux améliorent le rendement de 10-15%, le modèle économique se renforce. Les futures itérations pourraient incorporer des capacités vehicle-to-grid (V2G), transformant les véhicules électriques stationnés en unités de stockage mobiles.
Pour les constructeurs automobiles mondiaux et les entreprises énergétiques qui observent l’écosystème chinois du véhicule électrique, le message est sans équivoque : la prochaine frontière compétitive ne se situe pas seulement dans les batteries ou la conduite autonome – elle se trouve dans les infrastructures de recharge intelligentes et intégrées qui harmonisent production, stockage, demande et comportement utilisateur.
« Il ne s’agit pas seulement d’économiser de l’argent », déclare Zhang Weijun, co-auteur et expert en automatisation des systèmes électriques. « Il s’agit de construire un réseau de recharge résilient, convivial et aligné avec les objectifs nationaux de décarbonation. La technologie existe. Maintenant, il s’agit de déploiement intelligent. »
Alors que les villes de Los Angeles à Berlin cherchent comment électrifier les transports sans surcharger les réseaux, l’approche holistique et fondée sur les données de la Chine offre un blueprint reproductible – où chaque station de recharge devient un nœud dans un futur énergétique plus propre et plus agile.
Li Zhicheng, Chen Dawei, Zhang Weijun, Institut de recherche sur l’énergie électrique de State Grid Fujian Electric Power Company Co., Ltd., Distributed Energy, Vol. 9, No. 6, Dec. 2024, DOI: 10.16513/j.2096-2185.DE.2409610