Cet article explore comment la distorsion du profil de charge due à la recharge des VE à haute tension impacte le réseau électrique et présente des solutions aux défis qu’elle engendre.
L’adoption des véhicules électriques (VE) augmente dans le monde entier, que ce soit dans les segments des voitures compactes, des SUV ou des véhicules commerciaux, stimulée par les avancées technologiques et la prise de conscience environnementale. Avec de plus en plus de VE sur les routes, les stations de recharge haute puissance délivrant plus de 150 kW deviennent de plus en plus importantes pour répondre à la demande croissante. Cependant, ces stations de recharge haute puissance posent des défis au réseau électrique, en particulier en termes de distorsion du profil de charge.
Figure 1. Charge d’un VE depuis une station de recharge. Image utilisée avec l’aimable autorisation de Pixabay
Distorsion du Profil de Charge
Lors de la recharge haute puissance de VE, le réseau est confronté à un défi qui affecte son efficacité, sa stabilité et sa fiabilité. Ce défi, appelé distorsion du profil de charge, résulte de l’imprévisibilité et de la variabilité du schéma de demande de puissance introduit par les stations de recharge haute puissance pour VE. L’augmentation de la demande en électricité depuis le réseau résulte de charges soudaines et élevées.
Lorsque ces stations de recharge haute puissance tirent 50 kW ou plus du réseau, une augmentation notable de la demande de puissance peut être créée. Lorsque plusieurs chargeurs de VE fonctionnent simultanément, la courbe de charge de pointe peut encore s’élever. Pour mieux visualiser ce concept de demande de puissance, considérons l’exemple suivant : plusieurs stations de recharge de 50 kW fonctionnent simultanément à une tension de 400 V.
Le courant tiré du réseau par un seul chargeur de 50 kW à 400 V est :
\[I=\frac{P}{V}\]
\[I=\frac{50000}{400}=125\,A\]
La puissance totale supposant que 10 stations de recharge de VE fonctionnent simultanément :
\[P_{total}=n\times P\]
Où n est le nombre de chargeurs de VE fonctionnant en même temps.
\[P_{total}=10\times50000\]
\[P_{total}=500000=500\,kW\]
Les calculs d’exemples ci-dessus montrent que plusieurs chargeurs tirent simultanément beaucoup de puissance du réseau. Cette montée soudaine de puissance peut fatiguer les réseaux de distribution d’énergie locaux, entraînant des chutes de tension, des surcharges ou même des pannes de courant si elle n’est pas correctement gérée.
Variabilité et Imprévisibilité de la Charge
Un autre aspect de la distorsion du profil de charge affectant le réseau est la variabilité et l’imprévisibilité des charges résultant des schémas de recharge intermittents. Cela rend la prévision et la gestion des charges par les opérateurs de réseau difficiles. La recharge des VE varie selon les besoins de charge, l’heure et le comportement des utilisateurs. Comparée aux schémas prévisibles des charges traditionnelles, la recharge des VE peut affecter le profil de charge du réseau en provoquant des pics et des creux aléatoires. En fin de compte, ces fluctuations fatiguent le réseau. Pour une meilleure analyse de la prévisibilité et de la variabilité, des mesures statistiques comme l’écart-type peuvent être utilisées par les opérateurs de réseau pour gérer les pics aléatoires et les schémas de charge intermittents. Pour mieux illustrer le concept, considérons le tableau ci-dessous avec des données horaires de charge enregistrées sur 24 heures représentant la demande de puissance en kW.
Tableau 1. Exemple de données de demande de puissance chaque heure
| Heure | Charge (kW) |
| 1 | 100 |
| 2 | 120 |
| 3 | 130 |
| 4 | 110 |
| 5 | 115 |
| 6 | 150 |
| 7 | 200 |
| 8 | 250 |
| 9 | 300 |
| 10 | 350 |
| 11 | 400 |
| 12 | 450 |
| 13 | 300 |
| 14 | 250 |
| 15 | 200 |
| 16 | 150 |
| 17 | 100 |
| 18 | 150 |
| 19 | 200 |
| 20 | 250 |
| 21 | 300 |
| 22 | 350 |
| 23 | 400 |
| 24 | 450 |
La variabilité et la dispersion des données de charge peuvent être déterminées à partir des données d’exemple ci-dessus en calculant la moyenne de charge \((\mu)\) et l’écart-type de la charge.
La demande de puissance moyenne due à la recharge des VE, charge moyenne \((\mu)\) :
\[\mu=\frac{1}{24}\sum^{24}_{i=1}Pi=\frac{1}{24}(100+120+…\,+450)=250\,kW\]
Écart-type \((\sigma)\) :
\[\sigma=\sqrt{\frac{1}{24}\sum^{24}_{i=1}(Pi-250)^{2}}\]
Substituez les valeurs de charge :
\[\sigma=\sqrt{\frac{1}{24}\Big((100-250)^{2}+(120-250)^{2}+…+(450-250)^{2}\Big)}\]
\[\sigma=\sqrt{\frac{1}{24}(22500+16900+…\,+40000)\approx120\,kW}\]
Avec un écart-type de 120 kW, nous pouvons conclure que le profil de charge est significativement variable, ce qui indique la nature imprévisible et intermittente de la recharge des VE. Étant donné les pics et les creux aléatoires, le graphique du profil de charge des VE montre que la recharge ne suit pas un schéma fluide ou prévisible.
Figure 2. Le graphique montre le schéma imprévisible de la recharge des VE en 24 heures. Image utilisée avec l’aimable autorisation de Bob Odhiambo
En considérant l’approche d’analyse similaire illustrée par l’exemple ci-dessus, la mise en œuvre de paramètres réels des systèmes de recharge haute puissance des VE sur une période donnée peut aider les opérateurs de réseau et les ingénieurs en énergie à décider de la manière d’aborder la variabilité de la charge pour un système de réseau stable.
Stratégies de Mitigation de la Distorsion du Profil de Charge
Voici quelques méthodes pouvant être mises en œuvre pour atténuer la distorsion du profil de charge résultant de la recharge haute puissance des VE.
Contrôle Direct de la Charge
Le contrôle direct de la charge est une stratégie de mitigation de la distorsion du profil de charge pouvant être utilisée comme un programme de réponse à la demande pour contrôler à distance la consommation d’électricité des chargeurs de VE et des appareils des consommateurs. Les services publics peuvent aplanir la courbe de charge en déplaçant les charges vers les périodes de faible demande. Après la réponse à la demande, la nouvelle charge de pointe peut être évaluée à l’aide de la formule ci-dessous, dans laquelle (f) est la fraction de la charge déplacée.
\[P_{new\,peak}=P_{peak}\times(1-f)\]
Intégration Véhicule-au-Réseau
La technologie véhicule-au-réseau (V2G) permet la connexion entre les VE et le réseau pour agir comme une ressource énergétique distribuée (DER) qui renvoie l’énergie au réseau pendant les périodes de forte demande. Le V2G peut être mis en œuvre pour renforcer la stabilité du réseau en stockant l’excédent d’énergie et en le restituant au réseau lorsque cela est nécessaire, éliminant ainsi le besoin de centrales de pointe. Pour mieux visualiser la contribution potentielle du V2G au soutien du réseau, nous pouvons considérer l’analyse des données d’échantillon initiales du profil de recharge des VE sur une période de 24 heures dans laquelle nous intégrons le V2G dans le processus de recharge pendant les périodes de pointe. En supposant que nous ayons 100 VE fournissant 5 kW de retour au réseau, la contribution en puissance du V2G (PV2G) serait :
\[P_{V2G}=n\times P_{EV}\]
\[P_{V2G}=100\times5=500\,kW\]
Cette contribution de 500 kW peut être observée dans le graphique ci-dessous, où l’intégration du V2G a aplati le pic du profil de charge en fournissant une alimentation supplémentaire au réseau.
Figure 3. Graphique du profil de charge lorsque le V2G contribue 500 kW au réseau. Image utilisée avec l’aimable autorisation de Bob Odhiambo
Infrastructure de Mesure Avancée et Gestion du Réseau
Une approche pour relever le défi de la distorsion du profil de charge est l’infrastructure de mesure avancée (AMI). Cela inclut les systèmes de mesure intelligents qui fournissent des données en temps réel sur la consommation d’électricité afin d’aider à mieux gérer et surveiller les profils de charge des chargeurs de VE. Cela est utile pour initier des programmes de réponse à la demande car l’AMI facilite la communication bidirectionnelle entre le consommateur et le service public, améliorant la prévision de la charge et aidant les ingénieurs et les opérateurs à prendre des décisions sur la gestion du réseau en fonction des données de charge en temps réel pour un réseau plus efficace et fiable. Certaines de ces décisions incluent l’intégration de systèmes de stockage d’énergie qui stockent l’énergie pendant les périodes de faible demande et la libèrent lorsque la demande énergétique est élevée.
En ce qui concerne la gestion et l’optimisation du réseau, la distorsion du profil de charge peut être atténuée en utilisant des algorithmes d’apprentissage automatique pour permettre aux services publics de fournir une prédiction de charge en temps réel basée sur le temps (t). Avec la prévision basée sur la condition actuelle et les données historiques du profil de charge, une gestion proactive du réseau peut être effectuée, et pour optimiser le réseau et minimiser le coût global de la production et de la distribution d’énergie, les ingénieurs en énergie peuvent résoudre le problème d’optimisation :
\[\sum\limits_{i}Ci(Pi)\]
sous contrainte de :
\[\sum_{i}Pi=P_{demand}\]
Où (i) représente la source d’alimentation, (Pi) représente la puissance générée, et (Ci) représente la fonction de coût.
Impact sur le Réseau
La distorsion du profil de charge affecte le réseau en provoquant des fluctuations de tension, un déséquilibre entre l’offre et la demande d’électricité, et une augmentation des coûts opérationnels du réseau. Avec le monde luttant pour la prise de conscience environnementale, le nombre de VE et les infrastructures de recharge augmentent. Cela augmente le potentiel de distorsion du profil de charge, et il est donc essentiel pour les ingénieurs en énergie de répondre à la demande sans affecter négativement le système de réseau électrique. En mettant en œuvre les stratégies de mitigation mentionnées ci-dessus, les effets de la distorsion du profil de charge peuvent être efficacement neutralisés pour un système de réseau stable et fiable tout en soutenant la croissance des VE.