Une avancée majeure pour la capacité des réseaux de recharge
L’essor spectaculaire des véhicules électriques (VE) est une réalité indéniable, transformant profondément le paysage de la mobilité. Chaque jour, des flottes entières de voitures, de camions et de bus passent du carburant fossile à l’électricité, alimentant un rêve de transport plus propre, plus silencieux et durable. Cependant, derrière cette révolution visible, une infrastructure invisible mais cruciale est mise à rude épreuve : le réseau électrique de distribution. L’acte simple de brancher un VE n’est pas anodin ; il représente une nouvelle forme de demande d’énergie, complexe, variable et souvent mal comprise. La question centrale qui préoccupe les gestionnaires de réseau, les urbanistes et les investisseurs en infrastructures est la suivante : jusqu’où peut-on pousser ce changement sans compromettre la fiabilité et la sécurité du système électrique ? La réponse réside dans un indicateur technique crucial, mais souvent méconnu du grand public : la capacité ouverte, ou « available capacity », du réseau.
La capacité ouverte est la marge de manœuvre d’un réseau électrique. C’est la quantité maximale de charge supplémentaire, comme des stations de recharge pour VE, qu’un circuit, un transformateur ou une sous-station peut supporter en toute sécurité, en tenant compte des contraintes de tension, de courant et de température. Évaluer cette capacité avec précision est la clé pour un déploiement intelligent et rapide de la mobilité électrique. Un calcul trop conservateur, basé sur des hypothèses pessimistes, peut entraîner des coûts colossaux. Il peut conduire à des renforcements de réseau inutiles, à des retards dans l’installation de bornes de recharge, et à un freinage artificiel de la transition énergétique. À l’inverse, une évaluation trop optimiste, qui sous-estime les risques, peut mener à des surcharges, à des pannes et à une perte de confiance des utilisateurs. Le défi est donc immense : il faut trouver un équilibre entre ambition et prudence, entre innovation et stabilité.
Pendant des années, les méthodes traditionnelles d’évaluation de la capacité ouverte ont été critiquées pour leur manque de sophistication. Elles reposaient souvent sur des règles empiriques simples, comme l’utilisation de la charge historique maximale comme point de référence. Ce faisant, elles ignoraient une vérité fondamentale : la demande électrique n’est pas une somme statique de charges indépendantes. Elle est un écosystème dynamique, où les différents types de consommation interagissent, se chevauchent et s’influencent dans l’espace et dans le temps. En particulier, le comportement de recharge des VE n’est pas aléatoire. Il suit des schémas prévisibles, dictés par les horaires de travail, les routines domestiques et les tarifs d’électricité. Ignorer cette corrélation spatio-temporelle entre la recharge des VE et la charge de base conventionnelle (l’éclairage, les appareils ménagers, etc.) revient à évaluer un puzzle en ne regardant qu’une seule pièce à la fois. Le résultat est inévitablement une image incomplète et, souvent, une sous-estimation de la véritable capacité du réseau.
C’est précisément ce gouffre méthodologique que vient de combler une étude de pointe publiée dans le prestigieux Journal of Global Energy Interconnection. Sous la direction de Zhao Zijun, ingénieur senior à la filiale de Changsha de State Grid Hunan Electric Power Co., Ltd., une équipe de chercheurs a mis au point une nouvelle méthode d’évaluation de la capacité ouverte qui intègre explicitement la corrélation spatio-temporelle. Ce n’est pas une simple amélioration, mais une révolution conceptuelle. Leur approche reconnaît que la charge d’un VE la nuit, par exemple, ne s’ajoute pas à la pointe de la journée ; elle se place souvent dans les « vallées » de la courbe de charge, lorsque la demande globale est faible. En quantifiant cette interaction, leur modèle peut identifier des fenêtres d’opportunité où le réseau peut accueillir plus de VE sans aucun renforcement, simplement en exploitant mieux ses ressources existantes.
Le cœur de la méthode réside dans une double innovation. La première concerne la sélection du « jour typique ». Pour évaluer la capacité ouverte, les ingénieurs ont besoin d’un scénario représentatif de la charge. Les anciennes méthodes sélectionnaient ce jour typique en analysant la charge totale agrégée de tout le réseau. Cette approche globale, bien que simple, masque les particularités locales. Un transformateur peut être sous pression alors que le reste du réseau est calme, et cette information est perdue dans l’agrégation. La solution de Zhao Zijun est élégante : elle analyse chaque nœud du réseau séparément. En examinant les séries chronologiques de charge à chaque point de connexion, elle peut identifier un jour typique qui est non seulement représentatif pour l’ensemble du réseau, mais aussi pour ses composants les plus critiques. Cela garantit que le scénario d’analyse reflète fidèlement les conditions réelles, évitant ainsi les pièges des données moyennes qui lissent les pics de stress.
La deuxième innovation est la construction d’un modèle d’optimisation robuste et stochastique à deux niveaux. Ce modèle sophistiqué vise à trouver la capacité ouverte maximale que le réseau peut offrir sous une grande variété de conditions, tout en respectant scrupuleusement les limites techniques. Un élément clé de ce modèle est sa prise en compte de l’incertitude des sources d’énergie renouvelable, notamment le photovoltaïque (PV). La production solaire est volatile, dépendant des conditions météorologiques. Le modèle traite cette incertitude en définissant un « ensemble d’incertitude en forme de boîte », qui délimite les limites supérieure et inférieure attendues de la production solaire à chaque instant de la journée. Pour permettre aux opérateurs de réseau d’ajuster leur niveau de prudence, le modèle intègre des paramètres de « conservatisme » qui contrôlent à quel point il se prépare aux scénarios les plus défavorables. Pour rendre ce problème mathématiquement complexe soluble, les chercheurs ont utilisé les conditions de Karush-Kuhn-Tucker (KKT), une technique puissante qui transforme un problème d’optimisation imbriqué en un problème à un seul niveau, rendant la simulation réalisable.
Pour valider leur théorie, les chercheurs ont mené des simulations sur une version modifiée du système de test IEEE 33-bus, une référence standard dans le monde de l’ingénierie électrique. Ce réseau de test a été enrichi avec des données du monde réel : des stations de recharge de VE aux nœuds 14, 22 et 25, des installations photovoltaïques aux nœuds 10, 25 et 26, et des données de charge historiques provenant de sources fiables comme l’opérateur de réseau américain PJM. Mais ce qui donne à cette étude une crédibilité exceptionnelle, c’est l’utilisation de données de recharge de VE authentiques, collectées sur une année entière dans une station de recharge située dans la province de Hunan, en Chine, avec une résolution de 15 minutes. Ce niveau de détail est essentiel pour capturer la variabilité réelle du comportement des utilisateurs, quelque chose que les modèles synthétiques ne peuvent jamais reproduire avec autant de fidélité.
Les résultats des simulations sont probants. Comparé aux méthodes traditionnelles qui ignorent la corrélation de charge, le nouveau modèle de Zhao Zijun a produit une capacité ouverte significativement plus élevée : 62,92 MW contre 60,00 MW sur une période de 24 heures. Cette différence de près de 3 MW n’est pas anodine ; elle représente une capacité substantielle qui, selon les anciennes méthodes, aurait été jugée « non disponible » et donc non utilisée. C’est un gisement d’opportunité, une marge de manœuvre supplémentaire qui peut accélérer le déploiement de l’infrastructure de recharge sans nécessiter de nouveaux investissements dans le réseau.
Un autre résultat fascinant est la forme de la courbe de capacité ouverte. Le modèle a généré une courbe en forme de « canard », un phénomène bien connu dans les réseaux à forte pénétration solaire. Cette courbe montre que la capacité ouverte est plus faible en fin d’après-midi, lorsque la demande conventionnelle est élevée et que la production solaire commence à diminuer, et atteint son maximum la nuit, lorsque la demande globale est faible. Cette dynamique reflète parfaitement les conditions opérationnelles réelles. Elle fournit une carte de route intelligente pour la planification : elle indique que les zones avec une forte recharge nocturne (comme les bornes résidentielles ou les flottes de véhicules qui opèrent pendant la journée) sont des emplacements idéaux pour l’expansion, car elles exploitent la capacité inutilisée de la nuit.
L’analyse a également examiné l’impact sur les pertes d’énergie du réseau. On a découvert que le nouveau modèle, en maximisant la capacité ouverte, tend aussi à minimiser les pertes pendant les périodes de faible demande. Cela s’explique par le fait que, en sélectionnant un jour typique qui représente mieux les vallées de charge, le modèle trouve des solutions qui sont plus efficaces sur le plan énergétique. Pendant les heures de pointe, où la capacité ouverte est plus faible, les pertes sont naturellement plus élevées, ce qui est un compromis inhérent. Le modèle ne cherche pas simplement la capacité maximale, mais un équilibre optimal entre capacité et efficacité, ce qui est une avancée majeure.
Les implications de cette recherche sont profondes pour tous les acteurs du secteur. Pour les entreprises de distribution d’électricité, ce modèle est un outil puissant pour justifier des investissements plus intelligents. Elles peuvent désormais démontrer aux régulateurs que certaines parties du réseau ont une capacité supérieure à ce qui était prévu, évitant ainsi des coûts de renforcement de ligne et de sous-station inutiles. Pour les développeurs d’infrastructures de recharge, il offre une base scientifique solide pour choisir les emplacements optimaux, réduisant considérablement le risque que leurs projets soient bloqués par des préoccupations liées à la capacité du réseau. Pour les municipalités, il facilite l’intégration de la mobilité électrique dans les plans d’aménagement urbain, permettant une planification plus ambitieuse et durable.
Du point de vue de la politique publique, ce travail souligne l’importance cruciale de méthodologies de planification fondées sur des données pour une transition énergétique réussie. Les objectifs ambitieux d’électrification des transports ne peuvent être atteints si l’infrastructure de soutien est planifiée avec des outils obsolètes. Une évaluation trop conservatrice peut créer des goulets d’étranglement artificiels, décourager les investissements privés et retarder l’adoption des VE. À l’opposé, une évaluation trop optimiste peut mettre en danger la stabilité du réseau. Le modèle de Zhao Zijun propose un point d’équilibre rationnel, fondé sur une compréhension approfondie de la physique du réseau et du comportement du consommateur.
L’étude illustre également la valeur d’une collaboration étroite entre le monde de l’industrie et la recherche. Les auteurs ne sont pas de simples théoriciens ; ce sont des ingénieurs qui travaillent au sein d’une véritable entreprise de services publics, confrontés aux mêmes défis que leurs homologues dans le monde entier. Leur solution est ancrée dans la pratique, conçue pour être mise en œuvre et validée avec des données du monde réel. Cet approche « de la pratique à la théorie, puis de la théorie à la pratique » est ce qui confère à leur travail une crédibilité et une pertinence incontestables.
Bien que l’étude représente un progrès majeur, les auteurs reconnaissent ses limites. L’une des plus importantes est que le modèle actuel se concentre sur le fonctionnement normal du réseau et n’intègre pas encore les critères de sécurité N-1. Ce principe exige que le réseau continue de fonctionner de manière stable même si un composant critique, comme une ligne ou un transformateur, tombe en panne. Intégrer cette couche de résilience serait la prochaine étape logique pour rendre le modèle encore plus robuste et conforme aux normes de fiabilité de l’industrie.
En conclusion, la recherche publiée dans le Journal of Global Energy Interconnection constitue une contribution vitale au domaine de l’ingénierie des systèmes énergétiques. En intégrant la corrélation spatio-temporelle des charges, elle a porté à un niveau supérieur la précision de l’évaluation de la capacité des réseaux. Il ne s’agit pas d’un progrès technique mineur ; c’est un changement de paradigme. Il permet aux réseaux électriques d’exploiter pleinement leurs ressources existantes. Ce faisant, il élimine une des principales barrières à l’adoption massive des véhicules électriques, accélérant ainsi le chemin vers un avenir de la mobilité plus propre, plus silencieux et durable. Le travail de Zhao Zijun et de ses collègues est un rappel puissant que, derrière chaque VE qui se branche, il y a un réseau intelligent et bien planifié qui rend cette révolution possible.
Zhao Zijun, Hu Xiangwei, Deng Yazhi, Li Yongjian, Lu Xinxing, Peng Qingwen, Yang Xiaodan, State Grid Hunan Electric Power Co., Ltd., Changsha Power Supply Branch, Journal of Global Energy Interconnection, DOI: 10.19705/j.cnki.issn2096-5125.2024.03.005