Economic and Technical Feasibility of V2G in Non-Road Mobile Machinery sector

Résumé technique : Faisabilité économique et technique du V2G dans le secteur des machines mobiles non routières

Problématique
L'article traite du potentiel d'intégration de la technologie Vehicle-to-Grid (V2G) dans le secteur des machines mobiles non routières (NRMM), en se concentrant spécifiquement sur les tracteurs électriques dans un modèle de service de location. Bien que le V2G soit largement exploré pour les véhicules particuliers et les flottes de bus électriques, son application aux NRMM reste sous-étudiée. Les auteurs avancent que les flottes de NRMM offrent des avantages uniques par rapport aux VE privés, notamment des calendriers d'utilisation prévisibles et des temps d'arrêt élevés, ce qui atténue les barrières courantes telles que l'anxiété liée à l'autonomie et l'incertitude de stationnement. Le problème central est de déterminer la faisabilité économique et technique de l'utilisation de ces actifs souvent à l'arrêt pour fournir des services à la grille, optimiser les coûts énergétiques grâce à une recharge sensible aux prix, et réduire les pointes de charge du réseau, tout en dimensionnant l'infrastructure énergétique nécessaire (PV, stockage stationnaire et équipement de recharge).

Méthodologie
L'étude utilise un cadre de simulation et d'optimisation innovant à deux couches pour évaluer une flotte de dix tracteurs électriques dans un contexte de concessionnaire de location en Allemagne, à Aldenhoven.

• Couche interne (Optimisation opérationnelle) : Cette couche simule l'opération quotidienne et hebdomadaire de la flotte à l'aide d'un solveur de programmation linéaire (LP) dans MATLAB. L'objectif est de minimiser les coûts annuels d'électricité en optimisant les programmes de charge et de décharge des tracteurs et d'un système de stockage d'énergie par batterie (BESS). Le modèle intègre :

  • Profils d'utilisation : Trois cas d'utilisation de location hebdomadaires distincts (locations hebdomadaires à long terme, locations quotidiennes et locations de week-end) garantissant que les tracteurs partent avec un état de charge (SoC) de 100 % et reviennent avec un SoC de 5 %.
  • Composants énergétiques : Un système photovoltaïque (PV), un BESS, des équipements de recharge pour véhicules électriques (EVSE) bidirectionnels et la charge du bâtiment de la concession.
  • Fonction de coût : Minimise la somme des coûts d'achat d'énergie (basés sur les prix dynamiques du marché de l'avant-veille) moins les revenus de l'injection d'énergie (fixés à 90 % du prix d'achat pour tenir compte des pertes et décourager les échanges inefficaces), sous réserve des limites de puissance et des contraintes de SoC.
  • Simplifications : Le modèle suppose une efficacité de 100 % des composants, une connaissance parfaite des prix futurs et des calendriers de véhicules (prévision parfaite) et néglige le vieillissement des composants pendant la simulation.

• Couche externe (Dimensionnement de l'infrastructure via l'optimisation bayésienne) : Un algorithme d'optimisation bayésienne (BO) recherche de manière itérative dans l'espace des paramètres multidimensionnel pour trouver le dimensionnement optimal de l'infrastructure énergétique. La BO optimise :

  • La puissance de pointe du système PV.
  • La capacité du BESS.
  • La puissance de raccordement au réseau maximale.
  • La configuration de l'EVSE (puissance nominale et capacité unidirectionnelle ou bidirectionnelle) pour chaque cas d'utilisation.
  • La BO minimise le coût total ($c_{Tot}$), qui est la somme des coûts d'électricité cumulés de la couche interne et des coûts en capital des composants (basés sur la dépréciation de la durée de vie). Un modèle d'erreur au sein de la BO pénalise les configurations qui violent la limite de puissance maximale du réseau, garantissant des solutions réalisables.

Principales contributions

1. Cas d'utilisation inédit : L'article introduit l'intégration du V2G spécifiquement pour les flottes de location de NRMM, soulignant l'aptitude de ce secteur grâce à la prévisibilité de la planification et à la recharge centralisée.
2. Cadre d'optimisation intégré : Il propose une méthodologie combinant un système de gestion de l'énergie (EMS) pour la stratégie opérationnelle avec l'optimisation bayésienne pour le dimensionnement de l'infrastructure. Cette approche évite le coût de calcul de l'entraînement de réseaux neuronaux ou d'un plan d'expériences (DoE) exhaustif tout en naviguant efficacement dans des espaces de paramètres complexes et non linéaires.
3. Analyse économique des modèles de location : L'étude quantifie le potentiel financier des flottes de NRMM électriques mutualisées, démontant comment des stratégies V2G coordonnées peuvent générer des revenus et réduire les coûts à travers différentes structures de propriété (location vs privé).

Résultats
La simulation, menée sur 51 semaines avec 100 itérations de BO, a produit les résultats suivants :

• Configuration optimale : La BO a identifié une configuration composée d'un système PV de 133,9 kWp, d'un BESS de 99,0 kWh, d'un raccordement au réseau de 69,4 kW et de chargeurs bidirectionnels de 11 kW pour tous les tracteurs.
• Performance des coûts : Le système optimisé a atteint un prix d'électricité moyen de 0,068 €/kWh. Sur l'année simulée, la concession a réalisé un profit net de 695 € provenant de l'échange d'énergie avec le réseau (revenus de la vente moins coût de l'achat), malgré l'investissement en capital dans le matériel bidirectionnel.
• Comportement opérationnel : L'EMS a utilisé avec succès les tracteurs (spécifiquement ceux du Cas d'utilisation 3) comme stockage temporaire, en les chargeant pendant les heures de faible prix/production PV et en les déchargeant pendant les heures de prix élevés, de manière similaire au BESS. Le système a maintenu le SoC requis de 100 % pour tous les départs.
• Avertissement réglementaire : Les auteurs notent que la viabilité économique repose sur l'hypothèse que les frais de réseau fixes et les taxes sur les énergies renouvelables (qui s'appliquent actuellement à la consommation d'électricité mais pas à l'injection) seront réformés. Sans la suppression de cette « double taxation », les bénéfices économiques du V2G pourraient être annulés.

Signification et affirmations
L'article affirme que l'électrification des NRMM est non seulement bénéfique pour l'environnement mais aussi économiquement viable lorsqu'elle est combinée au V2G et à une gestion intelligente de l'énergie. L'étude démontre que la prévisibilité des flottes de location en fait des candidats idéaux pour l'interaction avec le réseau, offrant potentiellement des avantages similaires aux flottes de bus électriques.

Cependant, les auteurs maintiennent un ton modeste concernant leurs conclusions. Ils précisent explicitement que l'étude est limitée par :

• L'absence de données opérationnelles réelles pour les NRMM électriques.
• Des modèles simplifiés qui ignorent le vieillissement des composants, les pertes de conversion et les incertitudes réglementaires.
• L'hypothèse d'une prévision parfaite concernant les calendriers des véhicules et les prix de l'énergie.

Par conséquent, l'article conclut que bien que la méthodologie et les résultats préliminaires soient prometteurs, des recherches supplémentaires sont nécessaires pour valider ces conclusions avec des données réelles, affiner les modèles pour plus de précision et aborder les défis réglementaires — spécifiquement la taxation des flux d'énergie bidirectionnels — qui entravent actuellement l'adoption généralisée du V2G dans ce secteur.