Une micro-réseau intelligent réduit les coûts de recharge des véhicules électriques de 28 %
L’essor des véhicules électriques (VE) est incontestable, porté par une volonté collective de réduire les émissions de carbone et par des avancées technologiques constantes. Pourtant, un défi majeur persiste pour de nombreux conducteurs : le coût de la recharge, particulièrement élevé durant les heures de pointe. Alors que les avantages environnementaux des VE sont évidents, la perspective d’une facture d’électricité en hausse peut freiner l’adoption généralisée. Dans ce contexte, une étude révolutionnaire menée par une équipe de chercheurs du Centre de services marketing de State Grid Zhejiang et du Laboratoire clé de Pékin sur l’optimisation des porteurs énergétiques du côté de la demande et la technique d’interaction propose une solution ingénieuse. Leur stratégie de contrôle coordonné pour un micro-réseau à courant continu (CC) ne vise pas seulement à rendre la recharge domestique plus abordable, mais à transformer le domicile en un véritable centre énergétique intelligent, capable de maximiser l’utilisation des énergies renouvelables et de réduire la dépendance au réseau électrique traditionnel. Les résultats sont éloquents : une réduction des coûts de recharge journaliers pouvant atteindre 28,1 % par rapport aux méthodes existantes, et une chute spectaculaire de 62,4 % par rapport aux stations de recharge publiques.
Cette percée ne repose pas sur une simple optimisation tarifaire, mais sur une approche systématique et fondée sur les principes physiques, qui aborde la complexité de la consommation énergétique moderne de manière holistique. Sous la direction de Wang Chaoliang, les chercheurs ont conçu un système qui intègre de manière intelligente trois composants clés : un système photovoltaïque (PV), un système de stockage d’énergie (SSE) à batterie et le réseau électrique en courant alternatif (CA). Le cœur de cet écosystème est un bus de courant continu partagé, une architecture qui élimine les inefficacités inhérentes aux multiples conversions entre CA et CC. Le véritable génie réside toutefois dans l’algorithme de contrôle sophistiqué qui coordonne en temps réel le flux d’énergie entre le soleil, la batterie, le réseau et le véhicule. L’objectif est limpide : exploiter au maximum l’énergie solaire gratuite, utiliser la batterie comme un amortisseur pour stocker l’énergie excédentaire et la restituer lorsque le soleil est absent, et n’avoir recours au réseau que comme dernier recours, que ce soit pour acheter de l’énergie à des prix plus avantageux ou pour vendre l’excédent produit.
L’approche traditionnelle de la recharge domestique des VE est souvent passive et réactive. L’utilisateur branche son véhicule, et le système puise simplement de l’énergie dans le réseau, indépendamment du prix de l’électricité à cet instant ou de la production solaire disponible. D’autres systèmes domestiques utilisent des panneaux solaires et des batteries, mais leur contrôle est souvent basé sur des règles simples, comme charger la batterie lorsqu’il y a un surplus solaire et la décharger lorsque la demande est élevée. Ces méthodes ne prennent pas pleinement en compte les dynamiques complexes entre la production solaire variable, les schémas d’utilisation du véhicule imprévisibles et les tarifs électriques qui fluctuent au cours de la journée. L’équipe de recherche a identifié qu’une véritable optimisation nécessite une prévision précise de la demande de recharge et une stratégie de contrôle proactive et modulaire.
La base de leur stratégie est une prédiction précise de la charge de recharge journalière. Pour modéliser l’aléatoire inhérent aux schémas de conduite et aux horaires de connexion, les chercheurs ont utilisé l’algorithme de Monte Carlo. Cette méthode statistique puissante permet de simuler des milliers de scénarios possibles à partir de données réelles, comme celles de l’enquête nationale sur les déplacements des ménages (NHTS) des États-Unis. La distance parcourue quotidiennement par un VE suit une distribution log-normale, tandis que l’heure à laquelle un véhicule est branché sur le chargeur suit également un modèle probabiliste. Grâce à cette simulation exhaustive, le système génère une prévision hautement précise de la charge totale agrégée sur une période de 24 heures. Cette prévision est l’entrée fondamentale qui permet au micro-réseau de planifier ses opérations de manière proactive, en anticipant les pics de demande et en maximisant l’autoconsommation de l’énergie solaire, plutôt que de simplement réagir à des changements soudains.
L’intelligence du système se manifeste dans sa logique de contrôle à plusieurs niveaux, fondée sur deux concepts clés : six modes de fonctionnement distincts et quatre bandes de tension. Cette structure en deux couches garantit non seulement une efficacité énergétique maximale, mais aussi la stabilité absolue du bus de courant continu, un impératif fondamental pour le fonctionnement sûr et fiable de l’ensemble du micro-réseau.
Les six modes de fonctionnement représentent les états opérationnels fondamentaux du système, déterminés par l’équilibre dynamique entre la production solaire, l’état de charge (SOC) de la batterie et la demande de recharge. Chaque mode définit clairement quel composant est actif et comment le flux d’énergie est géré. Par exemple, dans le Mode I, le système photovoltaïque produit tellement d’énergie qu’il couvre non seulement la demande de recharge du VE, mais charge également complètement la batterie. À ce stade, l’énergie solaire excédentaire est injectée dans le réseau électrique, générant des revenus pour l’utilisateur grâce aux tarifs de rachat. Dans le Mode V, en revanche, le rayonnement solaire est faible et la demande de recharge est élevée. La batterie se décharge à sa puissance maximale, mais elle n’est toujours pas suffisante pour couvrir la demande. Le système se connecte alors automatiquement au réseau pour acquérir l’énergie manquante, garantissant une recharge ininterrompue. Les autres modes représentent des états de transition, comme le chargement de la batterie à tension constante ou la décharge pour soutenir la charge sans nécessiter de connexion au réseau.
La logique de basculement entre ces modes est cruciale pour l’efficacité globale. Le système surveille en continu la puissance générée par le photovoltaïque et la puissance requise par le VE. Si la puissance solaire dépasse la demande, la batterie reçoit l’instruction de charger. Si la puissance solaire est inférieure à la demande, la batterie reçoit l’instruction de se décharger. Ensuite, le système vérifie l’état de charge (SOC) de la batterie pour déterminer si les limites de sécurité supérieures ou inférieures ont été atteintes et change de mode si nécessaire. Cela crée un système dynamique et autorégulé qui privilégie l’utilisation de l’énergie solaire gratuite, utilise la batterie comme un tampon pour l’énergie excédentaire et pour faire face aux pics de demande, et n’a recours au réseau électrique qu’en dernier ressort pour acheter de l’énergie ou comme destination pour l’énergie excédentaire.
Au-delà de la distribution de l’énergie, la stabilité de la tension du bus est d’une importance primordiale. Les fluctuations de tension peuvent endommager les équipements connectés et interrompre le processus de recharge. Pour l’éviter, les chercheurs ont divisé la plage de tension autorisée en quatre bandes : A, B, C et D. En conditions normales, la tension est maintenue proche de la valeur nominale de 750 V. Lorsque la tension monte dans la bande B, un signal d’excès d’énergie, le système photovoltaïque continue de fonctionner à puissance maximale, tandis que la batterie passe en mode de charge à tension constante pour absorber l’énergie excédentaire et ramener la tension vers le bas. Si la tension continue de monter dans la bande supérieure A, indiquant que la batterie a atteint sa puissance maximale de charge, le convertisseur côté réseau prend le contrôle de la tension et stabilise le système.
De même, si la tension chute dans la bande C en raison d’une forte demande, la batterie se décharge en mode de décharge à tension constante pour soutenir la tension du bus. Si la tension continue de chuter dans la bande inférieure D, indiquant que la batterie a atteint son taux de décharge maximal, c’est à nouveau le convertisseur côté réseau qui prend le contrôle, en injectant de la puissance pour restaurer la tension. Cette stratégie de régulation de tension hiérarchique agit comme un filet de sécurité robuste, garantissant que le système reste stable même face à des changements soudains de la génération ou de la charge.
Pour améliorer encore les performances du système photovoltaïque, les chercheurs ont mis en œuvre un algorithme amélioré pour le suivi du point de puissance maximale (MPPT). Le MPPT est essentiel pour extraire la puissance maximale possible des panneaux solaires, qui varie avec l’intensité de la lumière solaire et la température. La méthode traditionnelle « perturber et observer » utilise un pas fixe pour rechercher le point de fonctionnement optimal. Cela peut être lent au début et provoque des oscillations de la puissance de sortie autour du point maximum, réduisant l’efficacité.
L’algorithme modifié de l’équipe utilise un pas variable. Il commence par un grand pas pour se rapprocher rapidement du maximum, réduisant considérablement le temps de recherche initial. À mesure qu’il se rapproche du maximum, la taille du pas est progressivement réduite, permettant un verrouillage beaucoup plus précis et stable sur le point de puissance maximale. Les simulations ont démontré que cette amélioration a augmenté la vitesse de suivi de 18,3 % et réduit les fluctuations de puissance de 35,4 %, rendant le système plus réactif aux changements des conditions météorologiques et plus efficace dans l’ensemble.
La faisabilité et l’efficacité de cette stratégie de contrôle coordonné ont été rigoureusement testées. L’équipe a d’abord construit un modèle de simulation détaillé dans MATLAB/Simulink, exécutant des scénarios de 24 heures pour cinq types de conditions météorologiques : ensoleillé, nuageux, pluvieux, couvert et neigeux. Les résultats ont été impressionnants. Dans tous les cas, la tension du bus de courant continu est restée stable, avec des fluctuations inférieures à 5 %, et le système a basculé sans problème entre les six modes de fonctionnement comme prévu. Par une journée ensoleillée, le système a passé beaucoup de temps en Mode II, vendant de l’énergie solaire excédentaire au réseau. Par une journée neigeuse, avec les panneaux recouverts de neige, le système a fortement dépendu du réseau en Mode V, mais la logique de contrôle a fonctionné parfaitement.
Pour aller au-delà de la simulation et valider la stratégie dans un contexte réel, les chercheurs ont mené des expériences de type « matériel dans la boucle » (HIL) en utilisant un simulateur en temps réel Yuankuan MT6020. Cette plateforme avancée permet au matériel de contrôle physique d’interagir avec un modèle virtuel du système électrique, offrant un environnement de test extrêmement précis. Les expériences se sont concentrées sur les moments critiques où le système change de mode, comme lorsque le soleil apparaît après un nuage ou lorsqu’un nouveau VE commence à charger.
Les résultats HIL ont confirmé les découvertes de la simulation. Pendant une transition du Mode IV au Mode V, lorsque le système se connecte au réseau pour répondre à une augmentation soudaine de la demande, la tension du bus de courant continu a connu une chute temporaire de 7,53 %, mais s’est rétablie à sa valeur nominale en 0,25 seconde. Toutes les autres transitions ont montré une résistance similaire, les écarts de tension étant corrigés rapidement. Cela démontre que la stratégie de contrôle n’est pas seulement un concept théorique, mais une solution pratique et robuste capable de gérer les dynamiques rapides d’un système électrique réel.
La partie finale et la plus cruciale de l’étude a été l’analyse économique. Les chercheurs ont calculé le coût journalier de recharge dans les cinq scénarios météorologiques, en tenant compte des coûts d’investissement des systèmes photovoltaïques et des batteries, de leur durée de vie prévue (20 ans pour le photovoltaïque, 5 ans pour la batterie) et des tarifs électriques locaux à Zhejiang, en Chine. Ces tarifs incluent un tarif de pointe de 0,588 yuan/kWh de 8h00 à 22h00 et un tarif de nuit plus bas de 0,288 yuan/kWh pour le reste de la journée.
Les résultats ont été comparés à deux points de référence : la méthode proposée dans une étude de 2018 de Li Lina et al. et l’algorithme d’optimisation Whale Optimization d’un article de 2019 de Diab et al. La nouvelle stratégie a surpassé les deux dans tous les scénarios. Par une journée pluvieuse, elle a réduit les coûts de 27,89 % par rapport à la méthode de Li et de 26,03 % par rapport à l’Optimisation Whale. Même par une journée ensoleillée, où les différences étaient plus faibles, elle a encore obtenu une amélioration de 0,34 %. Le résultat le plus significatif est qu’en comparaison avec le coût de recharge dans une station de recharge publique typique, qui suit une structure tarifaire différente et généralement plus élevée, les économies ont été énormes, atteignant 62,4 %. Cela signifie que, pour de nombreux propriétaires de VE, investir dans un système intelligent solaire plus stockage pourrait être rentabilisé en quelques années, puis fournir une recharge quasi gratuite pour toute la durée de vie du véhicule.
Cette recherche représente un bond significatif dans le domaine de la gestion intelligente de l’énergie. Elle va au-delà des simples contrôles basés sur des règles ou des algorithmes d’optimisation intensifs en calcul qui nécessitent de longs temps de calcul. Elle propose plutôt une stratégie de coordination en temps réel, basée sur des modèles physiques, qui est à la fois très efficace et pratique à mettre en œuvre. En gérant intelligemment le flux d’énergie entre le soleil, la batterie, le réseau et la voiture, elle transforme le VE d’un simple consommateur d’électricité en un participant actif d’un écosystème énergétique plus intelligent, résilient et économique.
Les implications de ce travail sont vastes. Pour les consommateurs individuels, elle offre un chemin clair pour réduire considérablement leurs coûts de transport. Pour les compagnies d’électricité, l’adoption généralisée de tels systèmes pourrait aider à aplanir la courbe de demande, réduisant la pression sur le réseau pendant les heures de pointe. Pour les décideurs politiques, elle fournit un outil puissant pour atteindre les objectifs de réduction des émissions de carbone en maximisant l’utilisation des énergies renouvelables et en minimisant la consommation de combustibles fossiles.
Bien que l’étude ait été menée dans un contexte chinois, les principes sont universellement applicables. Alors que le monde poursuit sa transition vers la mobilité électrique, des stratégies comme celle-ci seront essentielles pour rendre les VE non seulement un choix écologiquement correct, mais aussi un choix financièrement intelligent. Le travail de Wang Chaoliang, Xiao Tao, Chen Songsong, Zhang Hongzhi et Chen Ke, publié dans Electric Drive (DOI: 10.19457/j.1001-2095.dqcd25241), est un exemple du pouvoir de l’innovation en ingénierie pour résoudre des problèmes du monde réel et conduire un progrès durable.