Une stratégie révolutionnaire de gestion de charge et de décharge pour les véhicules électriques : un tournant dans la technologie V2G
L’essor des véhicules électriques (VE) constitue un pilier majeur de la transition énergétique mondiale, offrant une solution prometteuse pour lutter contre la pénurie énergétique et la pollution environnementale. Cependant, l’intégration massive de ces véhicules dans les réseaux électriques soulève des défis significatifs, notamment l’augmentation de l’écart entre pics et creux de la charge journalière, la réduction du taux de charge et la dégradation de la stabilité du réseau. Une étude innovante, récemment publiée, propose une approche de gestion basée sur un modèle d’optimisation en deux couches qui équilibre les besoins du réseau électrique et des utilisateurs, marquant un progrès majeur dans la technologie Vehicle-to-Grid (V2G), qui permet aux VE d’échanger de l’énergie avec le réseau de manière bidirectionnelle.
En fin 2023, la flotte de véhicules à énergie nouvelle en Chine atteignait 20,41 millions d’unités, représentant 6,07 % de l’ensemble des véhicules, dont 15,52 millions étaient des véhicules entièrement électriques (76,04 % de la flotte). Selon les projections, leur part de marché dépassera 50 % d’ici 2026, ce qui rend urgente la mise en œuvre de stratégies efficaces pour gérer leur charge et leur décharge. Les méthodes actuelles présentent cependant des limites : les tarifs horaires traditionnels, bien qu’ils améliorent en partie les effets négatifs de la charge désordonnée, créent souvent de nouveaux pics de demande lorsque de nombreux utilisateurs se concentrent sur les périodes à bas prix. Les stratégies d’optimisation multiobjectif, quant à elles, peinent à définir des coefficients de pondération idéaux pour combiner les fonctions objectifs, aboutissant à des résultats insatisfaisants pour les deux parties. De plus, certaines approches utilisent des outils de résolution qui manquent de précision face à un nombre important de VE.
Pour surmonter ces défis, une équipe de chercheurs a développé une stratégie de gestion basée sur un modèle en deux couches, conçu pour prendre pleinement en compte les besoins à la fois du réseau et des utilisateurs. La première couche vise à minimiser la variance de la charge journalière du réseau, afin de réduire l’écart entre pics et creux et stabiliser la courbe de demande. La deuxième couche, quant à elle, cherche à minimiser les coûts de charge pour les propriétaires de VE et à garantir que l’état de charge de la batterie (SOC) répond à leurs besoins de déplacement. Ces deux couches interagissent : les résultats de l’optimisation de la deuxième couche sont renvoyés à la première, et le processus est répété jusqu’à atteindre une solution optimale finale.
Un élément clé de cette étude réside dans l’utilisation d’un algorithme hybride amélioré, combinant l’optimisation par essaim de particules (PSO) et la recuit simulé (SA). L’PSO est réputé pour sa vitesse de convergence vers des solutions proches de l’optimum, mais il tend à stagner dans des minima locaux. Le SA, quant à lui, excelle à échapper à ces minima, mais converge plus lentement. L’algorithme PSO-SA amélioré intègre les forces des deux méthodes : il utilise d’abord l’PSO pour obtenir rapidement une solution approximative, puis applique le SA pour perturber et optimiser davantage cette solution, évitant ainsi les minima locaux et recherchant une meilleure solution globale. Cette approche s’est révélée plus efficace et précise que chaque méthode prise séparément, notamment lorsqu’il s’agit de gérer la charge et la décharge de 1 500 VE répartis sur 96 intervalles de 15 minutes au cours de la journée.
Pour valider la stratégie proposée, les chercheurs ont effectué des simulations sur la plateforme Matlab, utilisant des données réelles d’une région de Chongqing (Chine). La méthode de Monte-Carlo a été employée pour modéliser les profils de charge des VE, en prenant en compte des paramètres tels qu’une capacité de batterie de 35 kWh, une consommation moyenne de 20 kWh pour 100 km, une puissance de charge de 7 kW et un rendement de 90 %. Les tarifs horaires utilisés sont basés sur ceux appliqués aux résidents de Chongqing, avec des périodes de pointe (11h00-17h00 et 20h00-22h00) à 0,64 yuan/kWh, des périodes moyennes (8h00-11h00, 17h00-20h00 et 22h00-00h00) à 0,54 yuan/kWh, et des périodes de creux (00h00-8h00) à 0,36 yuan/kWh.
Les résultats des simulations ont démontré la supériorité de la stratégie en deux couches par rapport aux approches existantes. Sur le plan du réseau électrique, l’écart entre pics et creux de la courbe de demande a été réduit de 48,24 % par rapport aux tarifs horaires et de 28 % par rapport à la stratégie multiobjectif. La variance journalière de la charge, qui mesure la volatilité de la demande, a chuté de 51,6 % par rapport aux tarifs horaires et de 19,75 % par rapport à la stratégie multiobjectif, indiquant une courbe de charge bien plus stable. De plus, contrairement aux tarifs horaires, qui provoquaient de nouveaux pics de demande — notamment entre 10h15 et 3h00 du matin suivant —, la stratégie en deux couches a lissé la courbe de charge de manière uniforme, évitant la création de nouveaux pics et allégeant la pression sur le réseau en tout moment.
Du point de vue des utilisateurs, les bénéfices sont tout aussi significatifs. Les coûts moyens de charge par VE sont passés de 12,01 yuan avec une charge désordonnée à 9,97 yuan avec la stratégie multiobjectif, puis à 9,05 yuan avec la stratégie en deux couches — une réduction de 24,63 % par rapport à la charge désordonnée et de 9,18 % par rapport à la stratégie multiobjectif. Cette économie substantielle non seulement profite aux utilisateurs individuels, mais stimule également leur participation aux programmes V2G, essentielle pour leur adoption à grande échelle. De plus, la stratégie intègre le coût de dégradation des batteries due aux cycles de charge et de décharge, garantissant que les économies ne soient pas annulées par des coûts supplémentaires liés à la réduction de leur durée de vie.
La structure de contrôle de gestion des VE adoptée dans l’étude comprend trois niveaux : le niveau de gestion du réseau de distribution, le niveau d’exploitation de la station de charge (niveau de contrôle) et le niveau utilisateur. Ces niveaux communiquent en temps réel via un réseau de communication robuste, permettant une coordination efficace. Le centre de gestion du réseau de distribution élabore des plans d’optimisation, les stations de charge transmettent des informations sur les véhicules à gérer et reçoivent les plans de gestion, tandis que les dispositifs de charge intelligents exécutent les opérations de charge et de décharge selon les instructions reçues.
Les simulations ont également mis en évidence que la stratégie en deux couches résout les défauts des méthodes existantes. Contrairement aux tarifs horaires, elle n’induit pas de nouveaux pics de charge ; contrairement aux stratégies multiobjectif, elle équilibre efficacement les besoins du réseau et des utilisateurs sans subir les limites des coefficients de pondération ; et contrairement à certaines approches utilisant des outils de résolution peu précis, elle garantit une excellente précision même avec un grand nombre de VE.
Cette étude souligne également l’importance de prendre en compte la durée de vie des batteries dans les stratégies de gestion V2G. En intégrant le coût de dégradation dans la deuxième couche de l’optimisation, le modèle assure que les cycles de charge et de décharge ne réduisent pas excessivement la durée de vie des batteries, ce qui est crucial pour maintenir la confiance des utilisateurs et la viabilité économique de la technologie à long terme.
Avec la progression continue du parc de VE — qui devrait atteindre plus de 50 % de la flotte mondiale d’ici 2026 —, des stratégies comme celle proposée dans cette étude deviendront essentielles pour garantir une intégration harmonieuse de ces véhicules dans les réseaux électriques. La capacité des VE à agir comme des stockages d’énergie distribués, via la technologie V2G, peut transformer ces véhicules en atouts pour le réseau, aidant à intégrer davantage d’énergies renouvelables et à améliorer l’efficacité globale du système électrique.
La stratégie en deux couches, associée à l’algorithme PSO-SA amélioré, représente donc une solution complète et efficace pour la gestion de charge et de décharge des VE. Elle améliore la stabilité du réseau, réduit les coûts pour les utilisateurs, évite la création de nouveaux pics de charge et intègre la durabilité des batteries, répondant ainsi à tous les défis majeurs de l’intégration des VE dans les réseaux électriques modernes.
Cette recherche a été menée par Ma Yongxiang, Wang Xixin, Yan Qunmin, Kong Zhizhan et Dan Wenguo, respectivement affiliés au College of Electrical Engineering de l’Université de Technologie du Shaanxi (Hanzhong), à la Compagnie Électrique de la Province du Shaanxi (Xi’an) et au Bureau Électrique d’Ulanqab (Mongolie-Intérieure). Elle a été publiée dans la revue Journal of Chongqing University of Technology (Natural Science) (Volume 38, Numéro 2, 2024), avec le DOI : 10.3969/j.issn.1674-8425(z).2024.02.029.