Véhicules Électriques et Centrales Thermiques : Une Alliance pour la Fréquence
L’essor des véhicules électriques (VE) ne se limite plus à la simple substitution des moteurs à combustion. Ces nouveaux modes de transport, dotés de puissantes batteries, sont en train de redéfinir leur rôle au sein du système énergétique. Ils ne sont plus de simples consommateurs d’électricité, mais des acteurs clés et dynamiques d’un réseau électrique plus intelligent, plus résilient et plus durable. À mesure que la part des énergies renouvelables, notamment l’éolien et le solaire, augmente dans le mix énergétique, le défi de la stabilité du réseau s’intensifie. La nature intermittente de ces sources propres signifie que la production d’électricité peut varier rapidement, créant des fluctuations de fréquence. Ce paramètre critique, qui doit être maintenu à 50 Hz dans les réseaux européens, est le pouls même de la stabilité électrique. Lorsqu’il est déséquilibré, même pour des fractions de seconde, il peut endommager des équipements sensibles et, dans les cas extrêmes, provoquer des pannes massives. Traditionnellement, cette responsabilité de correction des déséquilibres repose sur les centrales thermiques, qui ajustent leur production pour compenser les variations. Toutefois, cette méthode a un coût opérationnel et environnemental élevé. Forcer une centrale à s’éloigner de son point de fonctionnement optimal augmente la consommation de combustible, accélère l’usure de ses équipements et, de manière paradoxale, fait grimper ses émissions de carbone. Un progrès significatif dans ce domaine a été présenté par des chercheurs du Laboratoire clé de Yichang pour le fonctionnement intelligent et la défense de la sécurité des systèmes électriques (Université des Trois Gorges), en collaboration avec State Grid International Development Co., Ltd. Dans un article publié dans la prestigieuse revue Power System Protection and Control, ils proposent une stratégie de contrôle optimisé qui transforme les véhicules électriques en alliés stratégiques des centrales thermiques, créant un système de régulation de fréquence plus rapide, plus efficace et, fait surprenant, plus lucratif pour tous les acteurs impliqués.
Le cœur du problème réside dans la volatilité croissante introduite par la forte pénétration des énergies renouvelables. Alors qu’une centrale au charbon ou au gaz peut ajuster sa production d’énergie de manière continue et prévisible, la génération éolienne et solaire est régie par les conditions météorologiques. Un coup de vent peut générer un excès d’énergie, faisant grimper la fréquence du réseau, tandis qu’un nuage peut provoquer une baisse soudaine de la production, la faisant chuter. Le système a besoin d’une réponse rapide et précise pour contrebalancer ces perturbations. Les centrales thermiques, bien que puissantes, sont des systèmes mécaniques massifs et donc lents à réagir. Leur inertie les rend adaptées à la gestion des changements à long terme, mais elles sont incapables de répondre aux fluctuations de haute fréquence caractéristiques de la production renouvelable. Ce manque de réactivité crée un besoin urgent de nouvelles sources de régulation de fréquence, plus agiles. C’est ici que le potentiel transformateur des véhicules électriques entre en jeu. Avec plus de dix millions de véhicules électriques purs sur les routes chinoises fin 2022, la capacité agrégée de leurs batteries représente une réserve d’énergie mobile et distribuée d’une ampleur colossale. La technologie clé pour débloquer ce potentiel est le Véhicule vers le Réseau (V2G). Le V2G permet un flux d’énergie bidirectionnel entre le véhicule et le réseau. Lorsqu’un VE est connecté à une borne de recharge V2G, il peut non seulement charger sa batterie, mais aussi renvoyer de l’énergie au réseau. Un seul véhicule a un impact limité, mais une flotte coordonnée de milliers de véhicules, gérée par un agrégateur intelligent, peut agir comme une centrale virtuelle de stockage. Cette centrale virtuelle peut réagir en quelques millisecondes, en ajustant sa charge ou sa décharge pour stabiliser la fréquence, un temps de réponse que aucune centrale thermique ne peut égaler. La recherche menée par le professeur Cheng Shan fournit un cadre opérationnel et économique solide pour transformer cette vision futuriste en une réalité tangible et évolutive.
La stratégie proposée par l’équipe de l’Université des Trois Gorges est une solution en deux niveaux qui combine l’optimisation économique et un contrôle opérationnel intelligent, conçue pour maximiser les avantages pour tous les participants. La première étape, appelée « optimisation de la proportion d’allocation », constitue le cerveau stratégique du système. Lorsque le centre de contrôle du réseau détecte un écart de fréquence et calcule le « Besoin de Régulation de la Zone » (ARR), ce signal est envoyé à un fournisseur de services de régulation, ou « agent de régulation ». Plutôt que d’attribuer une part fixe de la tâche à une centrale thermique ou à une station de recharge de véhicules électriques, l’agent utilise un algorithme d’optimisation sophistiqué, calculé à chaque minute, prenant des décisions en quasi-temps réel. Son objectif est simple et puissant : maximiser le bénéfice total de l’agent de régulation. Ce bénéfice provient des revenus du marché des services auxiliaires, qui incluent les paiements pour la capacité de réserve et pour l’énergie effectivement fournie (connue sous le nom de « kilométrage »), moins les coûts opérationnels encourus. Le coût d’utilisation d’une centrale thermique est modélisé comme une fonction quadratique de son écart de puissance, reflétant la réalité selon laquelle éloigner une centrale de son point d’efficacité optimal est coûteux en termes de combustible et d’usure. Le coût d’utilisation des véhicules électriques est plus subtil et se concentre sur la dégradation de la batterie. Chaque cycle de charge et de décharge contribue au vieillissement de la batterie. Le modèle intègre un coût de compensation pour cette dégradation, garantissant que l’analyse économique soit réaliste et durable à long terme. En équilibrant constamment ces revenus et coûts, l’algorithme peut dévier dynamiquement la charge de régulation vers la ressource qui est la plus économique à ce moment précis, favorisant souvent la réponse plus rapide et moins coûteuse des véhicules électriques pour les ajustements fréquents et de petite ampleur.
La deuxième étape, la « réponse de la station de recharge des véhicules électriques », est le lieu où la décision stratégique se traduit par des actions concrètes au niveau de chaque véhicule individuel. C’est ici que la stratégie démontre sa sophistication et son respect des besoins de l’utilisateur. Les chercheurs ont compris qu’un programme V2G réussi ne peut pas compromettre la fonction principale d’un véhicule électrique : être prêt pour le prochain trajet de son propriétaire. Pour garantir cela, ils ont mis en œuvre une méthode de « zonage et de priorisation » basée sur l’état de charge (SOC) de chaque véhicule. Les véhicules sont classés en trois zones distinctes. La première zone comprend les véhicules dont le SOC est inférieur à un seuil minimum critique. Ces véhicules sont en état de charge d’urgence et sont exclus de tout service de régulation de fréquence afin de garantir qu’ils puissent satisfaire les besoins de conduite de leurs propriétaires. La deuxième zone inclut les véhicules dont le SOC est supérieur au minimum, mais inférieur à un niveau « attendu » défini par l’utilisateur. Pour ces véhicules, le seul service disponible est la modulation de leur puissance de charge. Ils peuvent réduire leur vitesse de charge (réduisant ainsi la demande du réseau) ou l’augmenter (augmentant la demande du réseau) dans des limites sécurisées, mais ils ne peuvent pas se décharger. Cela fournit un moyen sûr et non intrusif de contribuer à la stabilité du réseau. La troisième zone est destinée aux véhicules dont le SOC est supérieur au niveau attendu. Ces véhicules disposent d’une « marge » de charge supplémentaire et peuvent participer à la régulation ascendante et descendante. Ils peuvent réduire leur charge, l’arrêter ou même se décharger dans le réseau (V2G), offrant une réponse plus puissante et plus souple. L’aspect crucial est que le système de contrôle est programmé pour garantir que, même lors de la décharge, le SOC du véhicule ne descendra pas en dessous du niveau attendu au moment où il quittera la station de recharge.
Ce système de zonage est couplé à une hiérarchie claire des priorités de réponse, essentielle à un fonctionnement efficace et prévisible. Lorsque le réseau a besoin de réduire la puissance (une commande de régulation descendante), le système regarde d’abord les véhicules de la troisième zone, en leur demandant de réduire leur puissance de charge. Si une réduction supplémentaire est nécessaire, il demande ensuite aux véhicules de la deuxième zone de réduire leur charge. Seulement si ces mesures ne sont pas suffisantes, le système demandera aux véhicules de la troisième zone de se décharger activement dans le réseau. Cette priorité garantit que le service le plus précieux — la génération réelle d’énergie à partir de la batterie — n’est utilisé que lorsqu’il est absolument nécessaire, minimisant ainsi la dégradation de la batterie. La priorité inverse s’applique à la régulation ascendante : le système arrête ou réduit d’abord toute décharge de la troisième zone, puis augmente la puissance de charge de la deuxième zone, et enfin augmente la puissance de charge de la troisième zone. Au sein de chaque zone, l’ajustement de puissance requis est réparti proportionnellement entre les véhicules participants en fonction de leur flexibilité disponible, garantissant une charge équilibrée et équitable pour la flotte. Ce contrôle granulaire, géré par un agrégateur central qui communique avec chaque borne de recharge V2G intelligente, permet une modulation extrêmement sensible et précise du profil de puissance de l’ensemble de la station de recharge.
Pour valider l’efficacité de cette stratégie en deux étapes, l’équipe de recherche a construit un modèle de simulation détaillé d’un système électrique interconnecté à deux zones, un point de référence standard dans l’analyse des systèmes de puissance. Ce modèle incluait une unité thermique et une station de recharge de véhicules électriques dans chaque zone, soumise à des fluctuations de charge et de puissance éolienne réalistes pour simuler les perturbations de fréquence courantes dans un réseau à forte pénétration d’énergies renouvelables. La simulation a comparé trois scénarios différents. Le premier, un scénario de base, utilisait uniquement les unités thermiques pour la régulation. Le deuxième utilisait une répartition fixe de 50/50 de la tâche de régulation entre les unités thermiques et les stations de véhicules électriques. Le troisième était la stratégie d’optimisation dynamique et en roulement proposée. Les résultats ont été concluants. Le scénario utilisant uniquement des unités thermiques a montré les plus grands écarts de fréquence, avec une oscillation de crête à crête de plus de 0,18 Hz. Le scénario de répartition fixe a amélioré cela de manière significative, mais la stratégie dynamique proposée a atteint les plus petits écarts de fréquence, avec une marge nette. La valeur RMS (racine carrée moyenne) de l’erreur de fréquence, une métrique clé pour la performance globale, a été réduite de plus de 50 % par rapport au scénario de base et de 25 % supplémentaires par rapport à la méthode de répartition fixe. De même, les écarts de puissance circulant entre les deux zones interconnectées — une mesure critique de la stabilité du réseau — ont également été minimisés avec la nouvelle stratégie. Cette performance technique supérieure découle de la capacité des véhicules électriques à répondre presque instantanément aux composantes de haute fréquence de l’écart de fréquence du réseau, une tâche pour laquelle leur électronique de puissance est idéale, tandis que les unités thermiques plus lentes gèrent les ajustements de long terme et à grande échelle.
L’analyse économique présentée dans l’étude est tout aussi convaincante. La simulation a calculé les revenus totaux pour le fournisseur de services de régulation selon chaque stratégie. Le scénario de base, reposant exclusivement sur la centrale thermique, a obtenu le bénéfice le plus faible. Le scénario de répartition fixe, en intégrant des véhicules électriques et en réduisant ainsi les coûteux ajustements de la centrale thermique, a augmenté le bénéfice total. Cependant, la stratégie d’optimisation dynamique proposée a généré le bénéfice le plus élevé de tous. Cela s’explique par le fait que l’algorithme cherche constamment la manière la plus économique de répondre à la demande de régulation. En priorisant la réponse moins coûteuse des véhicules électriques pour les ajustements fréquents et de petite ampleur, il réduit considérablement le coût d’écart de puissance de la centrale thermique. Les données ont montré une réduction spectaculaire de ce coût avec la nouvelle stratégie. Bien que la stratégie entraîne également un coût de compensation pour la dégradation de la batterie plus élevé — car les véhicules électriques sont utilisés de manière plus intensive et intelligente — les économies réalisées du côté de la centrale thermique dépassent largement cette dépense. Le résultat net est une augmentation substantielle du bénéfice total, démontrant que cette solution n’est pas seulement techniquement supérieure, mais aussi financièrement solide pour les participants au marché. Cet incitatif économique est crucial pour encourager l’adoption de telles stratégies par les entreprises de services publics et les agrégateurs.
Au-delà des avantages techniques et économiques immédiats, cette recherche a des implications profondes pour l’avenir de la mobilité et de l’énergie. Elle représente un pas significatif vers un écosystème énergétique véritablement intégré. En démontrant que les véhicules électriques peuvent être une source fiable et rentable de services réseau, elle renforce la proposition de valeur de la mobilité électrique. Elle déplace le débat au-delà de la simple réduction des émissions d’échappement vers un scénario où le véhicule électrique devient un actif actif et générateur de revenus pour son propriétaire et un composant critique de l’infrastructure réseau. Pour les propriétaires de véhicules électriques, la promesse d’une compensation financière pour la dégradation de la batterie fournit un incitatif tangible à participer à des programmes V2G, en s’attaquant à un obstacle majeur à l’adoption par les utilisateurs. Pour les opérateurs du réseau, cela offre un nouvel outil rapide pour gérer la volatilité de l’énergie renouvelable, améliorant la fiabilité du réseau et retardant potentiellement le besoin d’infrastructures de transmission ou de génération nouvelles et coûteuses. L’accent mis par la stratégie sur les besoins de l’utilisateur, en protégeant le SOC minimum et attendu, est fondamental pour sa praticabilité et sa durabilité à long terme. Elle garantit que les services réseau sont fournis sans causer d’inconvénients au propriétaire du véhicule, une exigence fondamentale pour tout déploiement à grande échelle du V2G.
Le succès de cette stratégie dépend de la maturité de plusieurs technologies habilitantes. Le déploiement généralisé de bornes de recharge V2G intelligentes et bidirectionnelles est un prérequis. Ces bornes doivent être capables de recevoir des signaux de contrôle d’un agrégateur, de gérer avec précision le courant de charge du véhicule et de communiquer le SOC du véhicule et sa flexibilité disponible au système central. Un réseau de communication robuste et sécurisé est également essentiel pour gérer le flux de données en temps réel entre des milliers de véhicules, des stations de recharge et l’opérateur du réseau. Le rôle de l’agrégateur de véhicules électriques est central dans ce modèle. Cette entité agit comme un intermédiaire, gérant la flotte, exécutant les complexes algorithmes d’optimisation et soumettant des offres sur le marché des services auxiliaires au nom des propriétaires des véhicules. La recherche de l’Université des Trois Gorges fournit une base algorithmique puissante pour un tel agrégateur. À mesure que la technologie des batteries continuera à s’améliorer, avec des durées de vie plus longues et des capacités de charge plus rapides, l’économie du V2G deviendra encore plus attrayante. La recherche future, comme le suggèrent les auteurs, se concentrera probablement sur l’affinage des modèles économiques pour créer des schémas de partage des revenus encore plus équitables entre l’agrégateur et les propriétaires de véhicules électriques, stimulant davantage la participation.
En conclusion, le travail de Cheng Shan et de ses collègues présente une solution complète et hautement efficace à l’un des défis les plus pressants du réseau électrique moderne. Leur stratégie d’optimisation en deux étapes, qui attribue dynamiquement les tâches de régulation de fréquence entre les unités thermiques et les flottes de véhicules électriques tout en respectant scrupuleusement les besoins de charge de l’utilisateur, constitue une avancée significative dans le domaine. Elle démontre avec succès que les véhicules électriques ne sont pas seulement une charge sur le réseau, mais une ressource puissante, souple et économiquement précieuse. En réduisant le biais de réponse de fréquence et en augmentant les bénéfices économiques pour les fournisseurs de services, cette stratégie ouvre la voie à un avenir énergétique plus résilient, plus efficace et plus durable. C’est un exemple clair de la manière dont des systèmes de contrôle intelligents peuvent libérer le potentiel caché de technologies existantes pour résoudre des problèmes complexes, transformant le défi de l’intégration des énergies renouvelables en une opportunité d’innovation.
Cheng Shan, Li Fengyang, Liu Weiwei, Li Mao, Wang Can, Yichang Key Laboratory of Intelligent Operation and Security Defense of Power System(China Three Gorges University), State Grid International Development Co., Ltd., Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.230747