Qu’il s’agisse de l’éolien ou du solaire, les énergies renouvelables sont par nature intermittentes, avec de fortes variations de production au cours de la journée. Partant de ce constat, l’idée d’une équipe internationale de chercheurs dont Andrea Simonetto d’ENSTA Paris a été de regarder comment pourrait fonctionner un système d’incitation à la recharge des véhicules en fonction de la production instantanée, les batteries des véhicules étant les meilleurs sites de stockage possibles.
L’algorithme testé dans ces simulations proposait de maximiser les objectifs des fournisseurs d’électricité, des chauffeurs de véhicules et des passagers en autopartage. Il repose sur un modèle pro-actif : dès que l’électricité est disponible en abondance, l’information est envoyée à la flotte de véhicules.
En retour, les chauffeurs disposent de leur propre algorithme qui permet de déterminer si c’est effectivement le bon moment de recharger, en fonction de leur position, de l’état de leur batterie, du prix de l’électricité et de la prévision de la demande de trajets dans l’intervalle de temps nécessaire à la recharge.
Selon ces différents paramètres, l’algorithme, résolvant un problème d’optimisation, conseille d’accepter la proposition de recharge ou recommande d’attendre plutôt une nouvelle course afin de contribuer au maintien de l’offre de trajets.
Il ressort de ces différentes simulations qu’un système d’incitation au rechargement lors des pics de production permettrait d’optimiser la fourniture d’électricité tout en maintenant une qualité de service satisfaisante, mesurée principalement par le nombre de demandes de trajets effectivement satisfaites.
Ces résultats plaidant déjà en faveur du déploiement d’une solution optimisant l’utilisation d’une électricité d’origine 100% renouvelable devraient rencontrer un terrain encore plus favorable avec l’amélioration prévisible des performances des batteries de véhicules.
Références :
Renewable-based charging in green ride-sharing
Perotti, Ospina, Bianchin, Simonetto & Dall’Anese
Scientific Report (2023) 13-15425