Efficient Electric Vehicle Charging Allocation: A Two-Stage Optimization and Participation Analysis

1. Problématique

L'adoption rapide des véhicules électriques (VE) se heurte à un développement insuffisant des infrastructures de recharge. Contrairement aux véhicules à essence, la recharge des VE prend du temps (de dizaines de minutes à plusieurs heures), ce qui génère des goulots d'étranglement sévères lorsque la demande se concentre sur certaines stations.
Les décisions de recharge non coordonnées créent des externalités de congestion : un véhicule choisissant une station populaire augmente les délais pour les autres, tandis que des stations sous-utilisées restent inactives. La littérature existante aborde soit la congestion via des modèles de files d'attente, soit l'allocation via des mécanismes de tarification ou de routage, mais rarement les deux de manière unifiée. De plus, la participation volontaire des utilisateurs à un système coordonné pose le problème du « passager clandestin » (free-riding) et des coûts de coordination.

2. Méthodologie : Un Cadre d'Optimisation en Deux Étapes

Les auteurs proposent un cadre unifié en deux étapes pour gérer les réseaux de recharge, séparant le contrôle de la congestion au niveau du système de la maximisation du bien-être au niveau de l'utilisateur.

Étape 1 : Contrôle de la Congestion et Quotas d'Admission

• Objectif : Minimiser le délai maximal (pire cas) à travers toutes les stations pour éviter la saturation extrême.
• Modélisation :
  • Le système est discrétisé en intervalles de temps $k$.
  • Chaque station $i$ est modélisée comme une file d'attente $M/M/c_i$ (avec $c_i$ chargeurs).
  • Une approximation de flux de sortie saturant est utilisée pour rendre le problème traitable dynamiquement : $g_i(k) = c_i \mu_i \frac{x_i(k)}{1 + x_i(k)}$, où $x_i(k)$ est le nombre de véhicules.
  • Le taux d'arrivée $\lambda_i(k)$ est estimé via une moyenne mobile des flux historiques.
• Optimisation : Un coordinateur central détermine les quotas d'admission $f_i(k)$ (nombre de véhicules autorisés par station) en résolvant un problème de minimisation du délai maximal (formulation épigraphique), sous contrainte de conservation du flux total.

Étape 2 : Allocation Maximisant l'Utilité sous Contraintes

• Objectif : Allouer les véhicules aux stations dans le respect des quotas définis à l'étape 1, tout en maximisant l'utilité globale.
• Hétérogénéité : Chaque véhicule $n$ a une préférence de charge, une capacité de batterie (SoC), une distance à parcourir et un prix maximal acceptable ($p^{max}_n$).
• Calcul de la charge optimale : Pour chaque paire (véhicule, station), la quantité de charge optimale $E^*_{ni}$ est pré-calculée sous forme fermée en maximisant une fonction de bénéfice concave (comprenant le coût de la charge et la satisfaction de la demande), soumise à la contrainte de capacité de la batterie.
• Problème d'affectation : Le problème est formulé comme un problème de transport/affectation capacitaire (binaire). L'objectif est de maximiser la somme des utilités, où l'utilité inclut le bénéfice de charge, moins la disutilité de la distance et, optionnellement, un terme de coût de temps lié à la congestion ($\eta W_i(k)$).
  • Si $\eta = 0$, la congestion est gérée indirectement via les quotas (couche dure).
  • Si $\eta > 0$, la congestion est internalisée directement dans la fonction d'utilité (ajustement doux).

Modèle de Participation (Réduction de forme)

Pour analyser la viabilité économique du système, les auteurs introduisent un modèle de participation volontaire :

• Les utilisateurs choisissent entre rejoindre la plateforme coordonnée ($J$) ou non ($NJ$).
• Le modèle capture les bénéfices réseau ($A$), les externalités positives pour les non-participants ($G$, effet de passager clandestin), les coûts convexes de coordination ($B$) et les coûts fixes de participation ($c$).
• L'analyse détermine les seuils d'adoption nécessaires pour que la plateforme soit durable, mettant en évidence la nécessité d'incitations initiales pour surmonter le problème du « démarrage à froid » (cold-start).

3. Contributions Clés

1. Cadre Unifié : Séparation explicite du contrôle de la congestion (niveau système) et de l'optimisation du bien-être (niveau utilisateur), comblant un vide dans la littérature qui traite souvent ces aspects séparément.
2. Gestion de la Congestion par Quotas : Introduction de quotas d'admission par station ciblant spécifiquement les délais extrêmes (queueing tail), contrairement aux approches basées sur la réponse individuelle ou l'amélioration moyenne.
3. Efficacité Algorithmique : Formulation de l'étape 2 comme un problème d'affectation capacitaire résolvable efficacement (flux à coût minimal), évitant les mécanismes de rejet complexes des modèles d'appariement (matching) traditionnels.
4. Analyse Économique de la Participation : Caractérisation claire des seuils d'adoption et des incitations au free-riding, fournissant des insights sur la durabilité des plateformes de coordination.

4. Résultats Numériques

Les expériences de simulation comparent la méthode proposée à deux bases de référence :

• Choix libre (Free Choice) : Les véhicules vont à la station la plus proche.
• Appariement (Matching) : Basé sur des algorithmes de type Gale-Shapley.

Résultats principaux :

• Réduction de la congestion : Le mécanisme en deux étapes réduit considérablement les mesures de congestion au pire cas (longueur de file d'attente maximale, temps d'attente maximal) par rapport au choix libre.
• Impact sur l'utilité : L'impact sur l'utilité moyenne est modéré. Dans les petits réseaux, l'utilité reste proche de la base de référence (choix libre) en raison de contraintes de choix limitées. Cependant, à mesure que le nombre de stations augmente, l'allocation optimisée permet d'exploiter davantage les options disponibles, élargissant l'écart en faveur de l'allocation optimisée.
• Comparaison avec l'appariement : La méthode proposée surpasse souvent les approches basées sur l'appariement en termes d'efficacité d'allocation et de gestion de la congestion, car elle ne repose pas sur des comportements de rejet de la part des stations.

5. Signification et Limites

Signification :
Ce travail offre un cadre opérationnel prêt à l'emploi pour les gestionnaires de réseaux de recharge. Il démontre qu'une coordination centralisée, même avec des informations partielles (moyennes mobiles), peut atténuer efficacement les goulots d'étranglement sans sacrifier significativement le bien-être des utilisateurs. Il souligne également l'importance cruciale de gérer les incitations à la participation pour éviter l'effondrement du système dû au free-riding.

Limites et Perspectives :

• Approximation de file d'attente : L'utilisation d'une approximation de flux de sortie saturant et d'une interprétation quasi-stationnaire par intervalle est une simplification nécessaire pour la tractabilité.
• Paramètres exogènes : Le module de participation utilise des paramètres réduits ($A, G, B, c$) plutôt que de les dériver endogènement du modèle d'allocation.
• Démarrage à froid : La première période nécessite une initialisation proportionnelle faute de données historiques.
• Travaux futurs : Calibrage sur des données réelles, introduction de prix dynamiques et de mécanismes de réservation, et amélioration de l'efficacité computationnelle pour les déploiements à grande échelle.

En conclusion, l'article propose une solution robuste pour l'allocation de la recharge des VE, équilibrant l'efficacité opérationnelle (réduction des embouteillages) et l'efficacité économique (maximisation de l'utilité), tout en fournissant une analyse critique de la viabilité de l'adoption par les utilisateurs.