Stratégie de tarification intelligente réduit les émissions dans les réseaux urbains
La transition vers la mobilité électrique redéfinit profondément les villes du XXIe siècle. Alors que les prévisions annoncent 56 millions de véhicules électriques (VE) vendus chaque année d’ici 2040, représentant plus d’un tiers du parc automobile mondial, l’intégration de cette technologie dans le tissu urbain est devenue un défi central. Les véhicules électriques sont salués comme une solution clé pour réduire la dépendance aux combustibles fossiles et améliorer la qualité de l’air. Cependant, leur adoption massive crée une interdépendance croissante et complexe entre les réseaux de transport et les réseaux électriques. Une étude pionnière menée par des chercheurs de l’Université de technologie du Liaoning propose une solution innovante, démontrant que les exploitants de réseaux de recharge (CNO) peuvent non seulement maximiser leurs profits, mais aussi jouer un rôle déterminant dans la réduction des émissions de carbone, en transformant la simple recharge en un levier de pilotage intelligent du système urbain global.
Contrairement aux modèles traditionnels qui traitent les stations de recharge comme de simples points de vente passifs, répercutant mécaniquement le prix de l’électricité du réseau, cette recherche, menée par Aoyang Liu et Jianchen Liu de la Faculté d’ingénierie électrique et de commande de l’Université de technologie du Liaoning, place délibérément l’opérateur de recharge au cœur d’un écosystème énergético-transport. Le CNO n’est plus un simple intermédiaire, mais un acteur stratégique dont les décisions de tarification ont un impact direct et mesurable sur le comportement des conducteurs, la congestion du réseau routier et, surtout, l’empreinte carbone du système électrique. L’innovation majeure réside dans l’utilisation de prix de recharge différenciés pour influencer où et quand les propriétaires de VE choisissent de recharger leur véhicule. Ce mécanisme de pilotage économique permet de rediriger intentionnellement la demande de charge vers des stations alimentées par des sources d’énergie plus propres, comme les centrales photovoltaïques, ou vers des périodes où le réseau est moins sollicité.
Un aspect fondamental de cette étude est son approche holistique et réaliste de la question des émissions. Elle remet en cause le mythe du « véhicule électrique zéro émission ». Comme le soulignent Liu et Liu, l’empreinte carbone d’un VE dépend entièrement de la source de l’électricité utilisée pour sa recharge. Dans les régions où le mix électrique est fortement carboné, un VE peut générer plus d’émissions sur son cycle de vie qu’un véhicule thermique. Leur modèle intègre donc de manière explicite les émissions directes des véhicules à essence (VE) et les émissions indirectes des VE, utilisant une théorie avancée du « flux d’émissions de carbone » (CEF) pour quantifier précisément l’impact environnemental à chaque point de charge. Cette prise en compte complète est essentielle pour concevoir des politiques de mobilité véritablement durables.
Le cœur de la stratégie proposée est un algorithme de résolution décentralisé, une solution élégante aux défis de confidentialité et de gouvernance dans les environnements urbains complexes. En réalité, le réseau de transport, le réseau électrique et les opérateurs de recharge sont gérés par des entités distinctes – municipalités, distributeurs d’électricité, entreprises privées – chacune ayant ses propres objectifs, ses données sensibles et sa volonté de préserver sa confidentialité opérationnelle. Un système de contrôle centralisé, exigeant la centralisation de toutes les données, est techniquement irréaliste et politiquement inacceptable. La méthode développée par les chercheurs contourne ce problème en utilisant un algorithme itératif de « meilleure réponse ».
Le processus fonctionne comme une danse chorégraphiée entre trois partenaires. Tout commence par le réseau de transport, qui, en fonction des prix de recharge proposés par les CNO, calcule le chemin le plus économique pour chaque véhicule, tenant compte du temps de trajet, des péages et des coûts de recharge. Ce calcul produit une carte de la demande de charge, montrant où et quand les VE se rendront. Cette information est ensuite transmise au réseau électrique. Le gestionnaire du réseau (PDN) utilise cette prévision de charge pour simuler son impact sur la tension, la congestion et, cruciallement, sur l’intensité carbone de l’électricité à chaque nœud. En intégrant le coût des émissions (via une taxe carbone), le PDN calcule un « prix énergétique » (EP) pour chaque station, qui reflète non seulement le coût de l’électricité, mais aussi son impact environnemental. Ce prix énergétique est enfin transmis au CNO. L’opérateur, en tant qu’entité à but lucratif, ajuste alors ses prix de recharge pour maximiser son profit, en tenant compte à la fois du prix d’achat de l’énergie et de la sensibilité des conducteurs au prix. Ce cycle – prix de recharge → flux de trafic → charge prévue → prix énergétique → nouveau prix de recharge – se répète jusqu’à ce qu’un équilibre stable soit atteint, où aucune des trois parties ne peut améliorer sa situation en changeant seule sa stratégie. L’astuce est que les entités ne partagent que des informations agrégées (prix, prévisions de charge), protégeant ainsi leurs données internes confidentielles.
Pour valider leur modèle, les chercheurs ont mené une simulation complexe sur un réseau intégré, combinant une version modifiée du réseau de transport Nguyen-Dupuis avec le réseau électrique Baran & Wu à 33 nœuds. Le scénario incluait quatre stations de recharge, dont deux connectées à un réseau alimenté par une centrale photovoltaïque. Cette configuration a permis d’étudier comment les stratégies de tarification peuvent influencer le transfert de charge entre des zones à haute et basse intensité carbone.
Les résultats de la simulation sont éloquents. Dans un scénario de tarification uniforme, où tous les prix sont identiques, le comportement des conducteurs est dicté par la commodité et la proximité, conduisant à une distribution de charge inefficace et souvent concentrée sur des réseaux à forte intensité carbone. Un modèle basé sur le prix marginal local (LMP) induit une certaine redistribution, mais elle est motivée par le coût de l’électricité, pas par son impact environnemental. Ainsi, les VE peuvent être attirés vers des stations avec un LMP bas, même si cette station est alimentée par des sources fossiles, augmentant potentiellement les émissions globales.
Le véritable potentiel est débloqué lorsque le CNO adopte une stratégie de tarification optimisée, intégrant activement le coût carbone. Dans ce cas, l’opérateur fixe délibérément des prix plus bas aux stations connectées au réseau photovoltaïque. Bien que le coût d’achat de l’énergie pour le CNO puisse être plus élevé à ces points (en raison de coûts d’infrastructure ou de tarifs d’achat), la stratégie paie. En attirant une plus grande part de la demande de charge, le CNO augmente son volume d’affaires et, par conséquent, ses profits totaux. La simulation a montré que par rapport à une tarification uniforme, la stratégie optimisée augmentait les profits du CNO de 16,78% tout en réduisant les émissions de carbone d’environ 27%. Ce double bénéfice – profit accru et émissions réduites – est rendu possible par la flexibilité spatiale des conducteurs de VE. Contrairement aux conducteurs de véhicules à essence, qui se contentent de la station la plus proche, les propriétaires de VE sont souvent prêts à faire un petit détour pour bénéficier d’un prix plus avantageux ou d’une énergie plus propre. Le CNO exploite cette flexibilité pour servir d’intermédiaire entre la demande de mobilité et l’offre d’énergie durable.
L’analyse sur 24 heures révèle la dynamique temporelle de cette optimisation. Pendant la nuit, lorsque la production solaire est nulle et que la demande de transport est faible, l’impact de la tarification différenciée sur les émissions est minime. Cependant, dès le lever du soleil, la production photovoltaïque augmente, et l’intensité carbone du réseau qui l’héberge chute drastiquement. C’est à ce moment que la stratégie de tarification optimisée devient particulièrement puissante. Elle crée un écart de prix qui incite fortement les VE à se diriger vers les stations « vertes ». Le pic de cette efficacité se situe à midi, lorsque la production solaire et la demande de transport sont toutes deux à leur maximum. À 11h00, le modèle atteint son meilleur résultat, avec un profit maximal pour le CNO (753,09 yuans) et des émissions minimales (12,07 kg). Cela illustre une synergie parfaite : la demande de mobilité coïncide avec la disponibilité d’une énergie propre, et la tarification intelligente canalise cette demande vers la source la plus durable.
Ces résultats ont des implications profondes pour les décideurs politiques, les urbanistes et les gestionnaires de réseau. Ils démontrent que la durabilité urbaine ne peut être atteinte uniquement par des subventions ou des réglementations contraignantes. Elle peut aussi émerger de mécanismes de marché bien conçus, où l’intérêt privé (le profit du CNO) est aligné avec l’intérêt public (la réduction des émissions). Pour les opérateurs de stations de recharge, cette recherche ouvre une nouvelle frontière stratégique. La tarification n’est plus une simple question de couverture des coûts, mais un outil de différenciation concurrentielle. Une station qui promeut son accès à l’énergie solaire peut se positionner comme une « zone à faible émission », attirant les consommateurs soucieux de l’environnement et justifiant potentiellement des tarifs premium pour un service « vert ».
Pour que cette vision se concrétise, un cadre réglementaire adapté est indispensable. Les CNO doivent avoir la liberté de fixer des prix différenciés dans l’espace et dans le temps, sans être contraints à une tarification uniforme. Cependant, pour éviter tout abus de position dominante, les autorités doivent établir des garde-fous, comme un prix moyen de référence, tel que la constante C mentionnée dans l’étude, qui reflète le coût énergétique global et le niveau de vie local. Ce cadre équilibré permettrait une innovation dynamique tout en protégeant les consommateurs.
En conclusion, le travail d’Aoyang Liu et Jianchen Liu représente une avancée majeure vers une ville intelligente et durable. Il montre que l’avenir de la mobilité électrique ne se joue pas seulement dans la batterie du véhicule, mais dans la manière dont nous gérons l’ensemble du système – routes, réseaux électriques et comportements des utilisateurs. En transformant les stations de recharge en des nœuds intelligents capables de piloter la demande, nous pouvons transformer un défi complexe en une opportunité de créer des villes plus propres, plus efficaces et économiquement plus dynamiques. Cette recherche fournit non seulement un modèle théorique robuste, mais aussi une feuille de route pratique pour une transition énergétique réussie.
Liu Aoyang, Liu Jianchen. Stratégie de tarification optimale pour le réseau de transport électrique dans un objectif de faible carbone. Electrical Engineering, 2024, 25(5).