Une Stratégie Intelligente pour des Villes à Faibles Émissions
La transition vers la mobilité électrique est en marche, et les véhicules électriques (VE) sont au cœur de cette transformation. Pourtant, alors que la demande de VE augmente de façon exponentielle, une question cruciale demeure : comment les infrastructures qui alimentent ces véhicules, à savoir les stations de recharge, peuvent-elles être planifiées non seulement pour être économiquement viables, mais aussi pour devenir un outil efficace dans la lutte contre le changement climatique ? Une nouvelle approche, publiée dans la revue Zhejiang Electric Power, propose une réponse innovante. Une équipe de recherche dirigée par Xuan Yi de la State Grid Hangzhou Power Supply Company a développé une méthode révolutionnaire qui redéfinit la planification des stations de recharge en intégrant les objectifs environnementaux non pas comme une réflexion a posteriori, mais comme une force motrice centrale dans le processus de planification.
Les modèles traditionnels pour le choix de l’emplacement des stations de recharge se sont concentrés principalement sur deux facteurs : la minimisation des coûts de construction et la maximisation de la rentabilité pour les investisseurs. Ces approches conduisent souvent à une stratégie logique, mais à long terme myope : construire là où le terrain est le moins cher, généralement en périphérie des villes. Ce modèle ignore toutefois les effets plus profonds et systémiques qu’une station de recharge a sur le comportement des conducteurs et sur les émissions totales d’une zone urbaine. « Nous avons compris qu’une station de recharge est bien plus qu’un simple point où brancher un câble », explique Xuan Yi, auteur principal de l’étude. « C’est un levier stratégique. Son emplacement influence directement la distance qu’un automobiliste doit parcourir pour se recharger, augmentant ainsi les émissions lorsqu’il cherche une place libre. Il influence également l’attractivité d’un VE en tant qu’option d’achat. Notre méthode considère la station de recharge comme un maillon dans une chaîne plus longue, qui contribue directement à la réduction de l’empreinte carbone de la ville. »
Le cœur de l’innovation réside dans la création d’un nouvel « indice de transport à faibles émissions de carbone ». Cet indice n’est pas une valeur abstraite simple, mais un système d’évaluation complexe et multidimensionnel qui combine quatre facteurs cruciaux : la réduction directe des émissions de carbone, le changement de la structure énergétique du transport, la pureté de l’électricité utilisée pour la propulsion et le taux d’utilisation des stations de recharge elles-mêmes. Cette vision holistique permet de quantifier l’impact environnemental de chaque site potentiel et de l’intégrer au processus décisionnel.
Le premier et fondamental pilier de cet indice est la réduction des émissions de carbone. L’équipe de recherche a développé un modèle hautement détaillé des émissions de trafic existantes, basé sur une grille géographique fine qui divise la ville en plusieurs zones. Ils prennent en compte la flotte de véhicules existante – camions, bus, taxis et voitures particulières – et analysent leur consommation de carburant, leurs distances moyennes parcourues et l’intensité carbone intrinsèque de l’essence et du diesel. Ce modèle crée une base précise, une image détaillée du « scénario avant » à l’installation des stations de recharge. Le modèle simule ensuite le scénario « après », projetant comment l’introduction de nouvelles stations de recharge modifierait ce tableau. Deux changements comportementaux clés sont pris en compte. Premièrement, la disponibilité d’une infrastructure de recharge pratique et fiable augmentera la probabilité que les consommateurs optent pour un VE lors de leur prochain achat, accélérant ainsi la transition des véhicules à combustion interne. Deuxièmement, l’emplacement physique d’une station influence directement le comportement de l’utilisateur. Une station bien positionnée, en centre-ville ou dans des zones à forte densité de trafic, réduit considérablement la distance qu’un automobiliste doit parcourir pour trouver un point de recharge disponible. Cela élimine les émissions générées par la « recherche », où les automobilistes parcourent des kilomètres supplémentaires en cercle à la recherche d’une prise libre. En quantifiant ces réductions d’émissions, le modèle transforme un objectif environnemental vague en un paramètre de planification concret et mesurable.
Le deuxième pilier, la structure énergétique du transport, déplace l’attention des émissions elles-mêmes à la source d’énergie. Il mesure le pourcentage d’énergie consommée par le système de transport de la ville qui provient de l’électricité, par rapport aux carburants fossiles. Un pourcentage plus élevé indique un système de transport plus électrifié et donc plus propre. Cet indicateur est calculé en analysant la consommation énergétique totale de tous les types de véhicules et en déterminant la part attribuable à l’électricité. Cela offre une vision claire de la façon dont le réseau de recharge change le « régime énergétique » de la ville. Par exemple, une station située dans un quartier résidentiel avec de nombreux véhicules privés aura un impact différent d’une station située dans une zone industrielle avec une flotte de bus électriques. Cet indicateur permet aux planificateurs de prioriser les investissements dans des zones où le déploiement de VE aura le plus grand impact sur la transformation de la matrice énergétique du transport.
Le troisième pilier, la pureté de l’énergie électrique pour le transport, ajoute un niveau crucial de sophistication souvent négligé. Il reconnaît que toute l’électricité n’est pas égale du point de vue des émissions. L’avantage environnemental d’un VE dépend directement de la manière dont l’électricité qu’il consomme est générée. Si le réseau électrique de la ville est dominé par des centrales à charbon, les émissions indirectes associées à la recharge d’un VE peuvent être significatives. À l’inverse, si l’électricité provient de sources renouvelables comme l’éolien ou le solaire, les émissions sont pratiquement nulles. L’indice de l’étude intègre le pourcentage d’électricité du réseau provenant de sources à forte teneur en carbone, comme les centrales thermiques. Cela signifie que le modèle peut identifier un risque potentiel : construire trop de stations de recharge dans une zone où le réseau local n’est pas en mesure de fournir de l’énergie propre, ce qui pourrait augmenter involontairement les émissions totales. Cette approche oblige à une planification plus stratégique, favorisant le développement conjoint de l’infrastructure de recharge avec des projets d’énergie renouvelable et la modernisation du réseau électrique.
Le quatrième et dernier pilier, le taux d’utilisation des stations de recharge, ramène l’analyse aux réalités opérationnelles et économiques. Une station constamment surchargée avec de longues files d’attente génère de la frustration chez les utilisateurs, ce qui peut décourager l’utilisation des VE et augmenter les émissions pendant que les automobilistes attendent. D’autre part, une station avec très peu d’utilisateurs représente un investissement de capital gaspillé, une forme d’inefficacité économique et environnementale. Le taux d’utilisation est calculé en fonction de la demande totale de recharge dans une zone par rapport à la capacité de recharge disponible. En optimisant pour un taux d’utilisation élevé mais non excessif, le modèle garantit que le réseau soit pratique pour les utilisateurs et économiquement viable pour les investisseurs. Cet équilibre est fondamental pour le succès à long terme de tout programme d’infrastructure VE.
Avec cet indice complet de transport à faibles émissions de carbone établi, l’équipe de recherche a construit son modèle d’optimisation. L’objectif principal est de maximiser le « bénéfice social annuel », une mesure holistique du bénéfice net pour la société. Ceci est défini comme le bénéfice des investisseurs des stations de recharge moins les coûts supportés par les utilisateurs (comme le temps perdu à attendre en file d’attente ou à conduire vers une station éloignée) plus le « bénéfice annuel équivalent à faibles émissions de carbone » pour le gouvernement. Ce dernier composant est une valeur monétaire attribuée à la réduction des émissions de carbone, basée sur le prix en vigueur sur un marché de commerce des émissions. Cette formulation élégante aligne les incitations financières des investisseurs privés avec les objectifs environnementaux du secteur public. Une station qui réduit significativement les émissions génère un bénéfice gouvernemental plus élevé, ce qui augmente le bénéfice social total, rendant les plans environnementalement supérieurs plus attrayants d’un point de vue financier.
Le modèle est soumis à une série de contraintes réalistes qui garantissent que les solutions sont pratiques et réalisables. Celles-ci incluent des limites sur le budget total d’investissement initial, des exigences minimales et maximales de capacité pour chaque station afin de s’assurer qu’elle puisse répondre à la demande sans être dispendieuse, et des distances maximales autorisées qu’un utilisateur doit parcourir pour trouver un chargeur. Le modèle intègre également des contraintes basées sur l’indice lui-même à faibles émissions de carbone, garantissant que tout plan proposé atteigne un niveau minimum de réduction du carbone dans des zones clés telles que le centre-ville, les zones industrielles et les quartiers résidentiels. Cela empêche un scénario où un plan est rentable mais ne tient pas ses promesses environnementales.
Pour tester leur méthode, l’équipe de recherche l’a appliquée à une étude de cas dans une grande ville chinoise. En utilisant des données réelles sur les modèles de trafic, la flotte de véhicules, les prix de l’électricité et les coûts des terrains, ils ont effectué des simulations pour comparer deux scénarios. Le premier était un modèle d’optimisation traditionnel qui se concentrait uniquement sur la maximisation du bénéfice social (bénéfice de l’investisseur moins coût de l’utilisateur), en ignorant l’indice à faibles émissions de carbone. Le deuxième scénario utilisait leur nouveau modèle, en intégrant les contraintes à faibles émissions de carbone.
Les résultats ont été frappants. Le modèle traditionnel, guidé exclusivement par l’économie, avait tendance à placer les stations de recharge dans des zones à coûts fonciers plus bas, souvent en périphérie de la ville. Bien que cela minimise la dépense initiale de l’investisseur, cela avait un coût significatif. Les utilisateurs devaient parcourir de plus longues distances pour se recharger, augmentant leur « coût de recherche », ce qui à son tour générait plus d’émissions et une moindre satisfaction de l’utilisateur. Le nouveau modèle, guidé par l’indice à faibles émissions de carbone, a priorisé les emplacements en centre-ville, même si le terrain était plus cher. Ce positionnement stratégique a eu un puissant effet domino. Il a considérablement réduit la distance que les conducteurs de VE devaient parcourir pour se recharger, réduisant directement les émissions. Il a également rendu les VE plus attractifs pour les résidents urbains, accélérant la transition des véhicules à combustion interne.
La comparaison économique a révélé une vérité contre-intuitive mais profonde. Malgré les coûts fonciers plus élevés en centre-ville, le plan généré par le modèle à faibles émissions de carbone a produit un bénéfice social annuel 6,5 % plus élevé que le plan traditionnel. Cela a été obtenu parce que les avantages ont largement surpassé les coûts. Les coûts pour les utilisateurs étaient plus bas grâce à des distances de trajet plus courtes et des temps d’attente réduits. Plus important encore, la réduction massive des émissions de carbone s’est traduite par un « bénéfice annuel équivalent à faibles émissions de carbone » substantiel pour le gouvernement, qui a considérablement augmenté le bénéfice social total. Cela démontre que la durabilité environnementale et l’efficacité économique ne sont pas des forces opposées ; elles peuvent être de puissants alliés lorsque les bonnes métriques et incitations sont utilisées.
Les implications de cette recherche vont bien au-delà d’une seule ville. Elle fournit un cadre robuste et basé sur les données que les urbanistes et les sociétés de services publics du monde entier peuvent adopter. Elle change la conversation d’un simple « construire plus de chargeurs » à une stratégie plus sophistiquée de « construire les bons chargeurs, aux bons endroits, à la bonne échelle ». Pour les responsables municipaux, elle offre un outil pour s’assurer que leurs investissements multimillionnaires dans l’infrastructure VE produisent des progrès tangibles et mesurables vers leurs objectifs climatiques. Pour les investisseurs, elle fournit une image plus claire de la valeur à long terme d’une station de recharge, qui inclut non seulement les ventes d’électricité mais aussi la valeur économique croissante de la réduction du carbone. Pour le citoyen moyen, elle promet un avenir où la transition vers les véhicules électriques n’est pas seulement plus propre, mais aussi plus pratique et économiquement solide.
Le travail de Xuan Yi et de ses collègues représente une avancée significative dans le domaine de la planification urbaine durable. Il reconnaît la complexité du défi et propose une solution sophistiquée mais pratique. En intégrant l’impact environnemental au cœur du processus de planification, leur méthode garantit que l’infrastructure du futur soit construite non seulement pour les besoins d’aujourd’hui, mais aussi pour un avenir plus propre et plus durable. Alors que les villes continuent de lutter contre les défis jumeaux de la congestion et du changement climatique, ce type de planification intelligente et holistique sera essentiel pour construire les métropoles résilientes et à faibles émissions de carbone du XXIe siècle.
Xuan Yi, State Grid Hangzhou Power Supply Company; Fan Libo, Sun Zhiqing, Jiang Jian, State Grid Hangzhou Power Supply Company; Chen Duowen, Deng Kai, Wang Mengyao, Shanghai University of Electric Power. Zhejiang Electric Power. DOI: 10.19585/j.zjdl.202406008