Véhicules électriques et réseaux intelligents : vers une gestion énergétique optimisée
L’intégration des véhicules électriques (VE) dans les réseaux électriques constitue un enjeu majeur dans la transition vers une économie décarbonée. Cette intégration présente des défis techniques et économiques particulièrement accentués dans les parcs industriels, où la concentration de VE peut perturber significativement l’équilibre du réseau local. Une étude récente propose un modèle innovant de gestion énergétique qui pourrait révolutionner l’approche traditionnelle de la planification des systèmes énergétiques intégrés.
La croissance exponentielle du parc de véhicules électriques représente un défi de taille pour la stabilité des réseaux électriques. Avec 13,1 millions de VE en Chine en 2022 et des projections atteignant 220 millions d’unités à l’échelle mondiale d’ici 2030, l’impact sur la demande électrique et l’élargissement des écarts entre les pics et les creux de consommation nécessitent des solutions de gestion innovantes. Les approches conventionnelles, qui ne prennent pas suffisamment en compte la dynamique comportementale des utilisateurs de VE, montrent leurs limites face à cette nouvelle réalité.
Le modèle développé par les chercheurs repose sur un système de tarification dynamique en temps réel qui s’adapte aux fluctuations de la demande électrique. Contrairement aux tarifs horaires classiques qui fixent des prix prédéterminés pour différentes périodes de la journée, ce système ajuste le coût de l’électricité en fonction de la charge instantanée du réseau. Cette approche incite les propriétaires de VE à recharger leurs batteries durant les heures creuses et à restituer de l’énergie au réseau pendant les pics de consommation, lissant ainsi la courbe de charge et réduisant la pression sur l’infrastructure électrique.
Le mécanisme tarifaire s’appuie sur un ratio entre la charge actuelle et la charge quotidienne moyenne, avec des ajustements de prix selon des seuils prédéfinis. Lorsque la charge descend en dessous de 80% de la moyenne, le prix diminue, tandis qu’un dépassement de 140% déclenche une majoration tarifaire. Cette stratégie est spécifiquement calibrée pour les particularités des parcs industriels, tenant compte du nombre de VE et de la proportion de leur charge par rapport à la charge totale.
Un aspect novateur de ce modèle réside dans la prise en compte de l’état de charge (SOC) des batteries et des coûts associés à leur dégradation. Les batteries de VE subissent une usure naturelle que les cycles de charge et décharge accélèrent. Pour encourager la participation aux programmes vehicle-to-grid (V2G), les chercheurs ont intégré un mécanisme de compensation financière pour la dégradation des batteries. Cette compensation est calculée sur la base du coût d’achat de la batterie, du kilométrage quotidien, de la profondeur de décharge et du nombre de cycles de décharge.
Au-delà des incitations économiques, le modèle intègre une dimension comportementale en modélisant la volonté de charge et décharge des utilisateurs. Cette modélisation considère des facteurs tels que le SOC actuel, le prix dynamique en temps réel et la disponibilité des incitations. Par exemple, un SOC inférieur à 30% déclenche un besoin de recharge, tandis qu’un SOC supérieur à 90% peut interrompre la charge. Durant la décharge, le SOC est maintenu à un minimum de 20% pour garantir la disponibilité du véhicule.
L’architecture à double niveau d’optimisation permet de concilier les objectifs du système et ceux des utilisateurs. Le niveau externe minimise le coût total du système énergétique, incluant les coûts d’achat d’énergie, de maintenance, de démarrage et d’arrêt, les coûts carbone et les revenus de vente d’électricité. Le niveau interne réduit les coûts de recharge pour les utilisateurs individuels, créant une situation mutuellement bénéfique.
La résolution de ce problème d’optimisation complexe utilise les conditions de Karush-Kuhn-Tucker (KKT), transformant le problème à double niveau en un modèle à niveau unique plus facile à résoudre. Cette approche garantit à la fois la stabilité et la faisabilité computationnelle du modèle, permettant son application dans des contextes réels.
Les simulations comparant trois scénarios différents ont démontré la supériorité du modèle amélioré. Le scénario de charge non coordonnée, où les VE se rechargent immédiatement à leur arrivée, génère un pic de demande matinal avec des coûts électriques élevés et une pression accrue sur le réseau. Le modèle traditionnel, bien que réduisant le pic de charge, montre des bénéfices limités en l’absence d’incitations économiques pour la dégradation des batteries.
Le modèle amélioré, combinant tarification dynamique et compensation pour dégradation, permet de déplacer significativement la charge vers les heures creuses, réduisant le pic de consommation et les coûts associés. Il encourage également une participation accrue aux opérations V2G, stabilisant le réseau durant les périodes de forte demande. Les résultats indiquent une réduction de 4,03% du coût total du système et une diminution de 15,02% des coûts de recharge pour les utilisateurs.
Cette recherche souligne l’importance cruciale d’aligner les incitations économiques avec les capacités techniques des systèmes énergétiques. La combinaison de la tarification dynamique et de la compensation pour dégradation crée une motivation puissante pour la participation aux programmes V2G, permettant une meilleure gestion des ressources et une réduction de la dépendance aux sources d’énergie externes. Elle démontre également le potentiel des VE à jouer un rôle essentiel dans les programmes de réponse à la demande, fournissant des services auxiliaires comme la régulation de fréquence et l’équilibrage de charge.
Les implications de cette étude dépassent le cadre des seuls parcs industriels. Les principes de tarification dynamique et de compensation pour dégradation pourraient s’appliquer à divers environnements, des zones résidentielles aux districts commerciaux. En créant un système énergétique plus flexible et réactif, ces technologies pourraient réduire le coût global de l’électricité, améliorer la fiabilité du réseau et promouvoir l’adoption des énergies renouvelables. Le succès du programme V2G dans cette étude suggère que des initiatives similaires pourraient être déployées à plus large échelle, transformant potentiellement la relation entre transport et énergie.
Cette avancée représente une contribution significative au domaine des systèmes énergétiques intégrés. Elle offre non seulement une solution pratique aux défis posés par la croissance du parc de VE, mais souligne également l’importance de considérer le comportement des utilisateurs et les incitations économiques dans la conception des technologies de réseaux intelligents. Alors que le monde poursuit sa transition vers un avenir énergétique durable, les enseignements de cette étude influenceront certainement les politiques et technologies qui définiront la prochaine génération de systèmes énergétiques.
Feng Yemu, Lyu Ganyun, Shi Mingming, Zhu Zhiying, Wang Haoyu, Chen Guangyu, School of Electric Power Engineering, Nanjing Institute of Technology ; Electric Power Engineering Technology ; DOI : 10.12158/j.2096-3203.2024.02.015