Vent, Stockage et VE Unis dans une Percée pour la Planification des Réseaux Nouvelle Génération
Dans la course effrénée pour décarboner les systèmes électriques, un changement silencieux mais majeur est en cours dans l’intégration des énergies renouvelables au réseau. Il ne s’agit pas d’investissements infrastructurels massifs, mais d’une coordination plus intelligente entre les parcs éoliens, le stockage d’énergie partagé et les flottes de véhicules électriques (VE). Une étude récemment publiée dévoile un cadre de planification qui considère les VE non pas comme des charges passives, mais comme des actifs de réseau dynamiques et pilotables—capables de répondre en temps réel à l’imprévisibilité notoire du vent tout en réduisant le besoin de coûteuses installations de batteries autonomes.
Ce qui distingue ces travaux, ce n’est pas seulement leur nouveauté technique, mais leur ancrage dans des contraintes réelles : les variations saisonnières de température dans les régions arides, les taux d’adoption des VE fragmentés et les réalités économiques auxquelles sont confrontés les développeurs de stockage tiers. Oubliez les simulations idéalisées où des millions de VE se connectent au réseau du jour au lendemain. Ici, le modèle prend en compte une pénétration modeste des VE—des salariés branchant leur véhicule durant la journée au Xinjiang, en Chine—et parvient tout de même à des gains mesurables en flexibilité, en coût et en fiabilité. Et le plus remarquable ? Il y parvient sans submerger les systèmes de contrôle de millions de commandes individuelles. Au lieu de cela, il utilise une méthode ingénieuse de « regroupement adaptatif selon l’état de charge »—essentiellement en regroupant les VE par niveau de batterie—pour transformer le chaos en cohérence.
Il ne s’agit pas de spéculation théorique. Les chercheurs ont validé leur approche en utilisant des données éoliennes réelles provenant de cinq parcs éoliens opérationnels, sur deux saisons contrastées—des étés venteux et volatils et des hivers plus calmes et glaciaux. Les résultats ? Lorsque les VE se joignent au stockage partagé pour soutenir l’intégration de l’éolien, l’investissement total dans le stockage d’énergie diminue de plus de 10 %, les revenus des parcs éoliens augmentent et le déversement—l’acte redouté qui consiste à gaspiller une énergie par ailleurs propre—se maintient à seulement 0,5 %, bien en deçà des seuils réglementaires. En d’autres termes, le trio vent, stockage et VE ne coexiste pas simplement—il coopère, au bénéfice de tous.
Au cœur des difficultés croissantes du réseau moderne réside un paradoxe : l’énergie éolienne est désormais l’une des sources d’électricité les moins chères, mais sa variabilité la rend coûteuse à gérer. Les opérateurs de réseau exigent le respect des programmes de production—trop de déviations, et les pénalités s’accumulent. Pour se conformer, les parcs éoliens sur-procurent traditionnellement du stockage par batterie, gonflant les coûts en capital et allongeant les périodes de retour sur investissement. Le stockage d’énergie partagé est apparu comme une solution partielle : au lieu que chaque parc éolien construise sa propre batterie, une installation centralisée, indépendante, dessert plusieurs générateurs, répartissant les coûts et boostant l’utilisation. Imaginez un modèle de stockage en cloud pour des mégawatts.
Mais même le stockage partagé rencontre des rendements décroissants. Les batteries se dégradent. Leur économie dépend du nombre de cycles, de la profondeur de décharge et—crucialement dans les climats nordiques—de la température. Dans des endroits comme le Xinjiang, où les températures hivernales descendent régulièrement en dessous de zéro, la capacité des batteries lithium-ion peut chuter de près de 20 %. Cela signifie que les planificateurs qui ignorent les effets thermiques sous-dimensionnent les systèmes, risquant une sous-performance juste au moment où le backup est le plus nécessaire.
Entrez le VE. Souvent salué comme la « batterie distribuée » du réseau, son potentiel a été entravé par la complexité du contrôle. Coordonner des milliers de véhicules—chacun avec des heures d’arrivée uniques, des besoins de départ et des états de batterie différents—semble être un cauchemar pour les opérateurs de réseau. La plupart des modèles académiques supposent des flottes de VE massives et homogènes ou reposent sur un dispatch centralisé qui exige une communication bidirectionnelle constante. Aucune de ces approches ne reflète la réalité d’aujourd’hui, où la possession de VE est encore disparate et le comportement de recharge très personnel.
La percée ici est double : premièrement, comment ils modélisent l’incertitude ; deuxièmement, comment ils domestiquent l’essaim de VE.
Commençons par le vent. La plupart des outils de planification traitent les erreurs de prévision comme un bruit aléatoire—normalement distribuées, indépendantes d’un pas de temps à l’autre. C’est mathématiquement pratique mais physiquement inexact. Les erreurs réelles de prévision éolienne persistent. Si un modèle surestime la production à 10h, il la surestime probablement encore à 11h. Cette « persistance d’erreur » crée des rampes ou des plateaux prolongés dans la production réelle vs. prévue—des modèles que l’échantillonnage conventionnel de Monte Carlo ne capture pas du tout. L’équipe a résolu ceci en construisant un modèle de probabilité de persistance basé sur des données historiques, puis en l’intégrant dans un processus raffiné d’échantillonnage hypercube latin. Le résultat ? Des ensembles de scénarios qui conservent la « mémoire » du comportement éolien réel—y compris ces têtus enchaînements d’erreurs de plusieurs heures qui stressent les réserves du réseau.
Avec de meilleurs scénarios en main, le défi suivant était d’orchestrer la réponse. Les chercheurs n’ont pas simplement ajouté plus d’équations au problème. Ils ont repensé la philosophie de contrôle. Au lieu d’attribuer des consignes de puissance unique à chaque VE, ils ont introduit une intégration adaptative à l’état de charge—une méthode qui fusionne dynamiquement les véhicules avec des niveaux de batterie similaires en groupes pilotables.
Imaginez : à 10h, 200 VE arrivent sur un parking d’entreprise. Leurs états de charge (SOC) varient de 40 % à 70 %, suivant à peu près une courbe en cloche. Au lieu de suivre 200 SOC individuels, le système les trie—disons, tous les VE entre 52,3 % et 52,7 % sont groupés comme « SOC 52,5 % ». Au fur et à mesure que la charge ou la décharge progresse, les SOC dérivent naturellement. Quand les centres de deux groupes adjacents se rapprochent à moins de 0,4 % l’un de l’autre ? Ils fusionnent. Un seul signal de contrôle régit maintenant ce qui était autrefois des dizaines de véhicules.
Il ne s’agit pas seulement de réduire le trafic de signaux. Cela permet une convergence plus rapide. En priorisant la livraison de puissance aux véhicules au SOC le plus bas pendant la charge (et en puisant dans ceux au SOC le plus élevé pendant la décharge), l’algorithme réduit activement l’étalement du SOC à travers la flotte. En quelques minutes, l’ensemble du cluster se resserre autour d’une valeur centrale—le faisant se comporter comme une seule et grande batterie très réactive. Dans les simulations, la flotte a atteint 50 % d’utilisation agrégée en moins de 5 % de la fenêtre de contrôle totale. Cette vitesse compte, surtout pour répondre aux chutes ou aux surtensions soudaines du vent.
Point crucial, cette méthode respecte les besoins des utilisateurs. Chaque VE est garanti de repartir avec une charge ≥90 %. Le modèle inclut une physique réaliste de la batterie : le passage du courant constant à la tension constante à mesure que le SOC augmente, les pertes d’efficacité, et—essentiel pour les climats froids—la déclassation de la capacité utilisable en fonction de la température. L’hiver n’est pas une réflexion après coup ; il est intégré dans les contraintes.
Le vrai test, bien sûr, est économique. Cette coordination peut-elle réellement économiser de l’argent et booster les revenus ?
Les chiffres disent oui—de manière retentissante.
Lorsque l’équipe a comparé deux scénarios—stockage partagé seul versus stockage partagé + flotte de VE—les avantages de l’inclusion sont devenus évidents. Dans des conditions hivernales multi-scénarios (déjà le cas le plus difficile en raison du déclassement thermique), l’ajout de VE a permis au système de stockage partagé de réduire sa capacité énergétique de 13 %—de 26 MWh à 23 MWh—tout en améliorant les performances globales. Pourquoi ? Parce que les VE ont fourni une puissance de courte durée et à réponse élevée pendant les périodes critiques, permettant à la batterie plus grande de gérer l’équilibrage de plus longue durée.
Les économies de coûts ont profité directement aux opérateurs de parcs éoliens. L’achat de services de soutien au réseau auprès du pool hybride de « stockage généralisé » (stockage + VE) a coûté 20 % de moins que de s’appuyer uniquement sur la batterie partagée. Sur une journée d’exploitation typique, cela s’est traduit par des économies de plus de 8 600 ¥ (environ 1 200 $)—non pas grâce à des subventions ou des ajustements politiques, mais grâce à une pure optimisation opérationnelle.
Plus convaincant encore fut l’impact sur le déversement. Dans la fenêtre de 10h à 18h, lorsque les VE étaient en ligne et participaient activement, le système a géré la surproduction de manière transparente : l’excédent éolien a d’abord satisfait l’équilibrage interne du parc éolien, puis a chargé les VE et le stockage en parallèle, proportionnellement à leur capacité disponible. Ce n’est que lorsque les deux étaient pleinement chargés qu’un déversement minimal est survenu—et même alors, il n’a jamais dépassé 0,5 % de la production totale.
Les conditions estivales ont raconté une histoire similaire, bien qu’avec des moteurs différents. Une plus grande volatilité éolienne signifiait qu’une capacité de puissance globale plus importante (mais pas nécessairement énergétique) était nécessaire. Une fois de plus, la flotte de VE a supporté une partie de la charge. Parce que les VE de bureau se chargent principalement en milieu de journée—une période de pic solaire et souvent de vent fort—leur flexibilité a aidé à lisser les rampes de mi-journée, reportant l’investissement dans des mises à niveau d’onduleurs à réponse rapide (et coûteuses).
Important, le mécanisme de tarification a assuré l’équité. Le modèle utilise une règle d’allocation coût-plus, profit constant : l’opérateur de stockage partagé et l’agrégateur de VE reçoivent la même marge bénéficiaire cible sur leurs coûts de service respectifs (dégradation de la batterie, usure des infrastructures, coût d’opportunité de l’utilisation de la batterie). Cela évite la tricherie : aucune des parties n’a intérêt à sous-fournir ou à surestimer les coûts, puisque leurs rendements sont directement liés à des dépenses vérifiables. Lorsque les décisions de dispatch sont prises, les ressources à moindre coût sont prioritaires—généralement les VE, en raison d’une usure marginale plus faible pendant les cycles V2G contrôlés par rapport au cyclage profond des batteries.
Alors, pourquoi cela n’a-t-il pas été fait auparavant ?
En partie parce que les pièces ont mûri à des vitesses différentes. Le stockage partagé n’en est encore qu’à ses débuts commerciaux—ce n’est que récemment que les cadres réglementaires ont permis à des tiers de posséder et d’exploiter des batteries à l’échelle du réseau en tant que participants indépendants au marché. L’adoption des VE, bien qu’accélérant, reste inégale ; en dehors des mégalopoles, les flottes sont encore petites. Et les outils computationnels pour modéliser les trois—l’incertitude éolienne avec persistance, la dégradation des batteries avec la température, et le comportement des VE avec des contraintes utilisateur—n’étaient tout simplement pas intégrés jusqu’à présent.
Cette étude comble ces lacunes non pas avec un nouveau matériel radical, mais avec une orchestration intelligente. Elle prouve que vous n’avez pas besoin d’un million de VE pour faire la différence. Quelques centaines, intelligemment coordonnés pendant des routines quotidiennes prévisibles, peuvent améliorer sensiblement la résilience du réseau.
Pour les décideurs politiques, les implications sont claires : permettre le vehicle-to-grid (V2G) ne se résume pas à acheter des chargeurs bidirectionnels. Il s’agit de concevoir des règles de marché qui permettent aux agrégateurs de VE de concurrencer équitablement le stockage traditionnel. Il s’agit de reconnaître les batteries des VE comme des actifs de réseau—pas seulement des biens de consommation. Et il s’agit de mettre à jour les normes d’interconnexion pour que les clusters de « stockage généralisé » puissent s’enregistrer comme des unités pilotables uniques.
Pour les développeurs éoliens, le message est tout aussi direct : le prochain dollar de flexibilité pourrait être moins cher s’il est dépensé en partenariats qu’en mégawatt-heures. Un contrat de stockage partagé plus un accord avec un agrégateur de VE pourrait offrir la même fiabilité à un risque en capital moindre.
Et pour les propriétaires de VE ? Ce modèle protège leur intérêt principal—la mobilité—tout en transformant tranquillement leur voiture garée en source de revenus. Pas de matériel supplémentaire. Pas de changement de comportement. Juste un logiciel plus intelligent travaillant en arrière-plan.
Looking ahead, the researchers acknowledge one key variable still in flux: unplanned EV departures. Their current model assumes fixed plug-in durations—realistic for workplace charging, less so for public or residential settings. Future work will introduce stochastic arrival/departure patterns, testing how much flexibility remains when drivers pull out early or arrive late.
Mais même dans sa forme actuelle, le cadre offre un plan scalable. Il a été validé dans l’un des environnements d’intégration des renouvelables les plus difficiles au monde—une forte pénétration éolienne, des températures extrêmes et une flexibilité limitée du réseau existant. Si cela fonctionne ici, cela peut fonctionner ailleurs.
L’ère des actifs énergétiques en silos se termine. Le réseau du futur ne sera pas construit uniquement sur de plus grosses batteries ou de plus grandes éoliennes. Il sera construit sur des connexions—entre la production et le stockage, entre les véhicules et le contrôle de la tension, entre les données et le dispatch. Cette étude ne propose pas seulement cette vision. Elle démontre, en termes opérationnels et économiques concrets, comment y parvenir—en commençant par les voitures déjà sur le parking.
Yann Fan¹, Weiqing Wang¹ (auteur correspondant), Shan He¹, Hailing Zhao¹,², Jing Cheng¹
¹ Engineering Research Center of Education Ministry for Renewable Energy Power Generation and Grid Connection, Xinjiang University, Urumqi 830047, Chine
² State Grid Xinjiang Electric Power Co., Ltd., Urumqi 830063, Chine
High Voltage Engineering, 2023, 49(7): 2685–2697
DOI: 10.13336/j.1003-6520.hve.20220610001