Stratégie intelligente pour une recharge plus fiable
L’essor mondial des véhicules électriques (VE) et des énergies renouvelables redéfinit en profondeur le paysage énergétique. Alors que les objectifs de neutralité carbone accélèrent la transition, l’intégration massive de ces technologies dans les réseaux de distribution électrique soulève des défis techniques majeurs. Un nouveau cadre d’évaluation, développé par le professeur Hui Wang et son équipe de l’Université des Trois Gorges en Chine, propose une solution intégrée pour renforcer la fiabilité des réseaux face à cette double révolution.
Publié dans le Journal of Chongqing University, ce travail de recherche s’attaque à une problématique critique : comment maintenir la stabilité d’un réseau lorsque des centaines de milliers de véhicules électriques se branchent de manière aléatoire et que la production solaire et éolienne fluctue selon les caprices du temps. La réponse de Wang et de ses collègues ne repose pas sur une seule innovation, mais sur une combinaison sophistiquée de modèles statistiques et de stratégies de gestion de la demande.
Le développement des énergies renouvelables est sans précédent. Selon l’Agence internationale des énergies renouvelables (IRENA), la capacité mondiale installée d’énergie éolienne et solaire a atteint respectivement 825 GW et 849 GW en 2022. Parallèlement, le marché des véhicules électriques connaît une croissance exponentielle, porté par les incitations gouvernementales, la baisse du coût des batteries et une prise de conscience environnementale accrue. Pourtant, cette transition n’est pas sans risques. L’énergie solaire et éolienne est intrinsèquement variable, dépendant de l’intensité du rayonnement et de la vitesse du vent. Cette intermittence crée des fluctuations dans l’offre d’électricité. D’autre part, le comportement de recharge des véhicules électriques, s’il n’est pas coordonné, peut aggraver les pics de demande, en particulier pendant les heures du soir. Lorsque des millions d’utilisateurs de VE rentrent chez eux et branchent leur véhicule, ils créent un « pic sur pic », augmentant le risque de surcharge et compromettant la fiabilité du réseau.
Les méthodes traditionnelles d’évaluation de la fiabilité peinent à saisir la complexité de ces interactions. De nombreux modèles précédents traitent la production éolienne et solaire comme des phénomènes indépendants ou utilisent des hypothèses simplistes sur leur variabilité. De même, la recharge des véhicules électriques est souvent modélisée comme une charge fixe ou basée sur des tarifs horaires statiques, ce qui ne reflète pas le comportement réel des utilisateurs. L’équipe de recherche dirigée par Hui Wang comble ces lacunes avec deux innovations fondamentales : un modèle probabiliste conjoint pour la production d’énergie éolienne et solaire, et une stratégie de contrôle de la recharge basée sur des tarifs dynamiques.
Le premier pilier de leur approche porte sur la corrélation entre la production éolienne et solaire. Bien que les deux soient variables, leurs profils ne sont pas indépendants. Par exemple, les journées ensoleillées sont souvent caractérisées par des vents faibles, tandis que les journées venteuses tendent à être nuageuses. Ignorer cette corrélation peut conduire à des évaluations erronées de la fiabilité.
Pour modéliser cette interdépendance, les chercheurs ont utilisé un outil statistique connu sous le nom de fonction Copula. Parmi plusieurs candidats — Copula Normale, Copula de Frank et Copula de Clayton — la Copula de Frank s’est révélée la plus adaptée aux données historiques de vitesse du vent et d’irradiation solaire provenant d’une région côtière du sud-est de la Chine. Ce modèle a révélé une corrélation négative entre la production éolienne et solaire, ce qui signifie que lorsque l’une est élevée, l’autre a tendance à être faible. Cette complémentarité naturelle peut être exploitée pour stabiliser la production globale d’énergie renouvelable.
En intégrant ce modèle de production conjointe dans une simulation de fiabilité, l’équipe a démontré qu’un système hybride éolien-solaire fournit une puissance plus constante qu’une source unique. Dans une étude de cas basée sur une version modifiée du système de test IEEE-RBTS Bus6, le système hybride a réduit l’Énergie Non Fournie Attendue (EENS) — un indicateur clé de fiabilité — de plus de 5 % par rapport aux installations de sources éoliennes ou solaires seules. L’indice de Disponibilité du Service Moyen (ASAI) du système s’est également amélioré, atteignant 99,84 %, indiquant un nombre moindre et une durée plus courte des interruptions pour les consommateurs.
Le deuxième pilier de l’étude se concentre sur la gestion de la demande de recharge des véhicules électriques. La recharge non coordonnée, surtout pendant les heures de pointe, peut créer de nouveaux pics de demande qui surchargent les transformateurs et les lignes. L’équipe a modélisé ce comportement en utilisant des données réelles sur les habitudes des utilisateurs de véhicules électriques, notamment les kilomètres parcourus quotidiennement, les horaires d’arrivée à domicile et de départ.
L’analyse a confirmé que la majorité des propriétaires de VE branchent leur véhicule entre 18h et 21h, coïncidant avec le pic de la demande en électricité résidentielle. Sans intervention, cet effet « pic sur pic » augmente la pression sur le réseau et réduit sa fiabilité. Dans les simulations, l’ajout de seulement 200 véhicules électriques au réseau a augmenté l’Indice Moyen de Durée des Interruptions Système (SAIDI) de près de 0,9 heure par an et a fait grimper l’EENS de plus de 2,4 MWh par an.
Pour atténuer cet effet, l’équipe a proposé une stratégie de tarification dynamique qui ajuste les prix de l’électricité en temps réel en fonction des conditions du réseau. Contrairement aux tarifs horaires fixes, qui offrent des tarifs de pointe et hors pointe statiques, le modèle dynamique utilise un algorithme d’optimisation pour établir des prix qui équilibrent les incitations économiques pour les consommateurs avec la stabilité du réseau.
L’objectif est double : maximiser les revenus pour les stations de recharge et minimiser les fluctuations dans l’échange de puissance entre la station de recharge et le réseau. Ce double objectif aide à prévenir les pics soudains de demande qui pourraient déséquilibrer le réseau.
La stratégie de tarification a été mise en œuvre à l’aide d’un algorithme d’optimisation par essaim de particules (PSO), une méthode de calcul efficace pour trouver des solutions optimales dans des systèmes complexes et multi-variables. L’algorithme PSO détermine le programme de charge et de décharge idéal pour chaque véhicule, en tenant compte de contraintes telles que la capacité de la batterie, l’état de charge et les horaires de départ des utilisateurs.
Les résultats ont été frappants. Lorsque 200 véhicules électriques ont utilisé la stratégie de tarification dynamique, le SAIDI est tombé à 14,11 heures par an — inférieur à la valeur de base sans aucun véhicule électrique. L’EENS est également descendu à 75,77 MWh, se rapprochant des performances du système avec une seule génération renouvelable et sans véhicules électriques.
En revanche, un système de tarification horaire conventionnel, bien qu’encore bénéfique, s’est révélé moins efficace. Il a réduit le SAIDI à 14,73 heures et l’EENS à 76,40 MWh — meilleur que la recharge non contrôlée, mais pas aussi bon que l’approche dynamique.
L’étude a également exploré l’impact de la taille de la flotte de véhicules électriques. Alors que le nombre de véhicules passait de 200 à 1 000, la recharge non contrôlée a entraîné une détérioration constante de la fiabilité. Cependant, avec la tarification dynamique, le réseau est resté stable même à des niveaux de pénétration plus élevés, démontrant l’évolutivité de la stratégie proposée.
Une des contributions les plus significatives de l’étude est son approche holistique. Plutôt que de traiter la génération renouvelable et l’intégration des véhicules électriques comme des défis séparés, les chercheurs les ont évalués dans un cadre unifié de fiabilité. C’est crucial car les deux sont de plus en plus interconnectés — les véhicules électriques peuvent agir comme des unités de stockage d’énergie mobiles, absorbant l’excès d’énergie solaire pendant la journée et la renvoyant au réseau pendant les heures de pointe.
Les résultats ont des implications importantes pour la planification des services publics et les politiques. Premièrement, ils soulignent la valeur des systèmes renouvelables hybrides. Les services publics et les développeurs devraient envisager la co-localisation de parcs éoliens et solaires pour tirer parti de leurs profils de génération complémentaires. Deuxièmement, la recherche met en évidence la nécessité d’une infrastructure de recharge intelligente. Ajouter simplement des points de recharge sans gestion de la demande risque de compromettre la fiabilité du réseau.
En outre, le succès de la tarification dynamique suggère que les signaux en temps réel — fournis par des compteurs intelligents et des réseaux de communication — peuvent efficacement guider le comportement des consommateurs. Cela s’inscrit dans les tendances plus larges vers des systèmes électriques décentralisés et réactifs, où les consommateurs participent activement à l’équilibrage du réseau.
Du point de vue politique, la recherche soutient le développement de cadres réglementaires qui encouragent la recharge intelligente. Cela pourrait inclure des tarifs variables dans le temps, des réductions pour la recharge en dehors des heures de pointe ou des programmes de véhicule-à-réseau (V2G) qui rémunèrent les propriétaires de véhicules électriques pour la fourniture de services au réseau.
Le travail a également une portée internationale. Bien que l’étude ait utilisé des données provenant de Chine, les principes s’appliquent à l’échelle mondiale. Des pays ayant une forte pénétration des énergies renouvelables et des marchés de véhicules électriques en croissance — comme l’Allemagne, les États-Unis et l’Australie — font face à des défis similaires. Le cadre développé par Wang et ses collègues peut être adapté à différentes architectures de réseau et conditions climatiques.
En regardant vers l’avenir, l’intégration des véhicules électriques et des énergies renouvelables ne fera que s’approfondir. À mesure que la technologie des batteries s’améliore et que l’infrastructure de recharge s’étend, les véhicules électriques joueront un rôle de plus en plus important dans le stockage d’énergie et le soutien au réseau. La prochaine étape pourrait impliquer la recharge bidirectionnelle, où les véhicules n’extraient pas seulement de l’énergie du réseau, mais la fournissent également pendant les pics de demande ou les situations d’urgence.
Cependant, la réalisation de ce potentiel nécessite une planification et une coordination minutieuses. Le travail de Wang et ses collègues fournit une base solide pour ces efforts, démontrant qu’avec les bons modèles et stratégies, il est possible d’améliorer la fiabilité du réseau même alors que la part des ressources variables et flexibles augmente.
En conclusion, la recherche offre une solution pratique et fondée sur des données à l’un des défis les plus pressants des systèmes électriques modernes. En combinant un modèle sophistiqué de génération renouvelable avec une stratégie intelligente de contrôle de la recharge des véhicules, les auteurs démontrent qu’il est possible de renforcer la fiabilité du réseau même alors que la part des ressources variables et flexibles augmente.
Leur travail sert de rappel que l’innovation technologique doit être accompagnée d’une conception intelligente du système. Le réseau de demain ne sera pas construit uniquement sur du matériel — éoliennes, panneaux solaires et batteries — mais aussi sur des logiciels et des algorithmes qui optimisent leur interaction. Alors que le paysage énergétique évolue, des études comme celle-ci seront essentielles pour guider la transition vers un système électrique plus propre, plus résilient et plus fiable.
Hui Wang, Xuyang Li, Baoquan Wang, Yifan Wang, Hang Fang, Zirong Jin, College of Electrical Engineering & New Energy, China Three Gorges University; Journal of Chongqing University; doi: 10.11835/j.issn.1000-582X.2022.211