📈 economics

Profit-Oriented Planning and Multi-Market Operation Model for Hybrid Energy Storage Systems

Ce papier propose un cadre d'optimisation bi-niveau qui détermine conjointement le dimensionnement optimal de la capacité et les stratégies d'offre multi-marchés pour un système hybride de stockage d'énergie faisant prix, permettant une allocation stratégique de composants de stockage hétérogènes entre l'arbitrage énergétique et les marchés de réserve afin de maximiser la rentabilité.

Auteurs originaux : Lizhong Zhang, Junqi Liu, Jianxiao Wang, Lei Zhu

Publié 2026-05-19

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Lizhong Zhang, Junqi Liu, Jianxiao Wang, Lei Zhu

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le réseau électrique comme un immense et animé marché où l'électricité est achetée et vendue chaque seconde. Autrefois, ce marché était principalement géré par de grandes centrales électriques (comme les générateurs au gaz) et quelques sources prévisibles (comme l'éolien et le solaire). Mais à mesure que nous ajoutons plus d'éolien et de solaire, ce marché devient plus sauvage et plus difficile à prévoir, tel une mer déchaînée. Pour maintenir l'éclairage, nous avons besoin de « amortisseurs » appelés Systèmes de Stockage d'Énergie (SSE) — essentiellement d'énormes batteries capables de stocker l'excédent d'énergie lorsqu'elle est bon marché et de la libérer lorsqu'elle est chère.

Ce document propose une nouvelle méthode plus intelligente pour gérer ces batteries, spécifiquement lorsqu'un exploitant possède deux types de batteries différents travaillant en équipe (un Système de Stockage d'Énergie Hybride, ou SSEH).

Voici la décomposition de leur idée à l'aide d'analogies simples :

1. Le Problème : L'Erreur du « Taille Unique »

La plupart des études précédentes traitaient toutes les batteries de la même manière, ou supposaient qu'elles n'étaient que des acteurs passifs contraints d'accepter le prix fixé par le marché (comme un client dans une épicerie qui ne peut pas négocier).

Cependant, dans la réalité, un grand exploitant de batteries est comme un grossiste. S'il décide de vendre une énorme quantité d'énergie d'un coup, il peut en réalité modifier le prix du marché. Il est un « faiseur de prix », et non un « preneur de prix ».

De plus, toutes les batteries ne sont pas construites de la même façon.

Batterie A (Le Coureur de Marathon) : Dispose d'un immense réservoir (haute énergie) mais d'un tuyau étroit (faible puissance). Elle est excellente pour retenir beaucoup d'eau, mais ne peut pas la déverser rapidement.
Batterie B (Le Sprinter) : Dispose d'un petit réservoir mais d'un tuyau de lance-incendie (haute puissance). Elle peut déverser l'énergie incroyablement vite, mais elle s'épuise rapidement.

L'article soutient que l'on ne devrait pas traiter ces deux éléments comme une masse floue unique. Il faut une stratégie permettant au « Coureur de Marathon » d'accomplir des tâches de longue distance et au « Sprinter » d'effectuer des tâches rapides et à haute vitesse.

2. La Solution : Un Plan de Jeu à Deux Niveaux

Les auteurs ont créé un « jeu » mathématique à deux niveaux pour déterminer la meilleure stratégie :

Niveau 1 (Le Patron - Planification des Capacités) : Le Patron décide de la taille des réservoirs pour le Coureur de Marathon et le Sprinter. Il décide également comment soumettre des offres sur le marché. Le Patron souhaite maximiser ses profits.
Niveau 2 (L'Arbitre - Équilibrage du Marché) : L'Arbitre (l'exploitant du système) examine toutes les offres du Patron, des parcs éoliens et des centrales à gaz. La tâche de l'Arbitre est d'équilibrer le réseau au coût le plus bas possible. L'Arbitre fixe les prix finaux en fonction de ce que chacun a proposé.

La Magie : Le Patron joue en premier, mais il est assez intelligent pour prédire exactement comment l'Arbitre réagira à ses offres. Cela permet au Patron de placer stratégiquement ses paris pour maximiser ses profits.

3. La Stratégie : Spécialisation et Travail d'Équipe

Les résultats montrent que la meilleure façon de gérer cette équipe hybride est de se spécialiser :

Le Sprinter (Haute Puissance) : Cette batterie est utilisée pour l'Arbitrage. Elle se charge rapidement lorsque les prix sont bas et déverse son énergie rapidement lorsque les prix s'envolent. Elle intervient également sur le marché « Temps Réel » (le marché d'urgence) pour corriger les erreurs soudaines dans les prévisions éoliennes.
Le Coureur de Marathon (Haute Capacité) : Cette batterie est utilisée pour les Réserves. Elle maintient une quantité d'énergie constante prête à être appelée pour stabiliser le réseau. Elle n'a pas besoin de bouger vite ; elle doit simplement être présente quand nécessaire.

Le Secret : Transferts Internes
L'article introduit une fonctionnalité intéressante : le Transfert de Puissance Interne. Imaginez que les deux batteries se trouvent dans le même bâtiment. Si le Sprinter est plein mais que le Coureur de Marathon est vide, et que la connexion au réseau est encombrée (comme un embouteillage sur la route menant à la ville), le Sprinter peut transférer son excédent d'énergie directement au Coureur de Marathon à l'intérieur du bâtiment. Cela maintient la flexibilité de l'équipe même lorsque le monde extérieur est bloqué.

4. Les Résultats : Qui Gagne de l'Argent ?

Lorsqu'ils ont fait les calculs :

Le Sprinter a gagné le plus d'argent. Parce qu'il pouvait bouger vite, il a capturé les plus fortes hausses de prix sur le marché de l'énergie.
Le Coureur de Marathon a gagné de l'argent stable et fiable en fournissant des services de réserve.
Le Marché Temps Réel était piégeux. Souvent, les prix sur le marché d'urgence (temps réel) étaient inférieurs à ceux du marché planifié (jour à l'avance). Ainsi, les batteries ont souvent fini par se charger sur le marché temps réel (en achetant bon marché) plutôt que de vendre, ce qui est l'inverse de ce que l'on pourrait attendre.

5. Pourquoi Cela Compte

Ce document prouve que si vous possédez un mélange de différentes technologies de batteries, vous ne devriez pas simplement les regrouper. En les traitant comme des personnages distincts ayant des forces différentes et en leur permettant de « communiquer » entre eux en interne, vous pouvez générer des profits nettement plus élevés.

C'est comme gérer une entreprise de livraison : vous n'utilisez pas un camion lent et lourd pour livrer une seule lettre urgente, et vous n'utilisez pas une moto rapide et coûteuse pour déplacer une tonne de meubles. Vous utilisez l'outil approprié pour le bon travail, et vous laissez coordonner leurs itinéraires pour éviter les embouteillages. Ce document fournit le règlement pour faire cela avec l'électricité.

Résumé Technique : Modèle de Planification Orientée Profit et d'Opération Multi-Marchés pour les Systèmes de Stockage d'Énergie Hybrides

Énoncé du Problème
La pénétration croissante des sources d'énergie renouvelables variables nécessite une flexibilité accrue des systèmes électriques, favorisant le déploiement d'opérateurs indépendants de stockage d'énergie (ESO). Bien que la littérature existante aborde largement le dimensionnement de la capacité pour des systèmes de stockage « preneurs de prix » ou la coordination opérationnelle de ressources distribuées agrégées, il existe un vide dans l'optimisation conjointe de la planification de la capacité et des offres multi-marchés pour un ESO « faiseur de prix » gérant un Système de Stockage d'Énergie Hybride (HESS). Les modèles actuels échouent souvent à préserver l'hétérogénéité technologique des composants intégrés, agrégeant fréquemment des technologies de stockage diverses en une seule entité d'offre, ce qui masque les avantages opérationnels individuels. De plus, les modèles d'optimisation existants supposent généralement que les transferts d'énergie se produisent uniquement entre les unités de stockage et le réseau principal, négligeant la flexibilité opérationnelle fournie par le routage interne d'énergie entre des systèmes hétérogènes co-localisés.

Méthodologie
Les auteurs proposent un cadre d'optimisation bi-niveau pour optimiser conjointement les décisions orientées profit concernant la planification de la capacité et l'opération multi-marchés pour un ESO gérant deux systèmes de stockage hétérogènes ( $s_1$ et $s_2$ ).

Problème de Niveau Supérieur (ULP) : L'ESo agit en tant que faiseur de prix, maximisant le profit total en déterminant les capacités nominales optimales ( $E_s$ ) et en soumettant des offres prix-quantité sur le marché couplé jour-ahead énergie-réserves et le marché d'équilibrage temps réel. L'ULP modélise explicitement le mécanisme de transfert de puissance interne entre les deux systèmes de stockage, permettant une gestion coordonnée de l'énergie lorsque l'accès au réseau est contraint. La fonction objectif inclut les revenus issus de l'arbitrage d'énergie, de la fourniture de réserves et de l'équilibrage temps réel, moins les coûts opérationnels marginaux et les coûts d'investissement amortis.
Problèmes de Niveau Inférieur (LLP) : Ils représentent les processus d'ajustement du marché par l'Opérateur de Système (SO).
- LLP 1 (Jour-Ahead) : Un problème de minimisation des coûts qui optimise conjointement les capacités d'énergie et de réserve montante/descendante sur la base des offres soumises par l'ESo, les générateurs éoliens et les générateurs à gaz. Il détermine les prix d'ajustement ( $\lambda$ ) et les plannings.
- LLP 2 (Temps Réel) : Un problème de minimisation des coûts qui ajuste le marché d'équilibrage pour rétablir l'équilibre du système suite aux écarts de prévision éolienne. Il utilise les réserves acquises précédemment en jour-ahead et de nouvelles offres temps réel, avec un déploiement strictement contraint par les engagements jour-ahead.
Technique de Résolution : Le modèle bi-niveau est reformulé comme un Programme Mathématique Unique avec Contraintes d'Équilibre (MPEC). Pour traiter les non-convexités et les termes bilinéaires (produits de prix et quantités endogènes), les auteurs emploient une reformulation Big-M et des enveloppes de McCormick pour linéariser le problème en un Programme Linéaire en Nombres Entiers Mixtes (MILP). En raison de l'échelle importante du MILP résultant, un algorithme de décomposition de Benders est utilisé. Cette approche sépare les variables d'investissement à long terme (capacités) des décisions opérationnelles à court terme, générant des coupes d'optimalité distinctes pour chaque jour type afin de préserver l'information et d'accélérer la convergence.

Contributions Clés

Cadre Bi-niveau pour HESS Faiseur de Prix : L'article propose un cadre novateur qui optimise conjointement la planification de la capacité pour deux systèmes de stockage hétérogènes et leur participation aux marchés jour-ahead et temps réel, modélisant explicitement l'ESo comme un faiseur de prix dont les offres influencent les prix d'ajustement du marché.
Stratégies d'Offre Différenciées par Système : Contrairement aux modèles qui agrègent le stockage, ce cadre permet à l'ESo de soumettre des offres prix-quantité indépendantes pour chaque technologie par marché. Cela exploite les caractéristiques complémentaires du stockage diversifié (par exemple, haute densité énergétique vs haute densité de puissance) pour adapter la participation au marché.
Modélisation Explicite de la Transmission de Puissance Interne : Le modèle formule le mécanisme de transfert de puissance entre les systèmes de stockage hétérogènes. Cela permet une gestion coordonnée de l'énergie interne, fournissant un tampon critique pour maintenir la participation au marché et la rentabilité lorsque les capacités d'échange avec le réseau sont restreintes.

Résultats
Les expériences numériques utilisant des données du Marché National Électrique Australien (jour-ahead) et de l'AESO Canadien (éolien) démontrent ce qui suit :

Allocation Optimale de la Capacité : Le modèle détermine un portefeuille d'investissement mixte où le système ayant un rapport puissance/capacité élevé ( $s_2$ ) est dimensionné pour capturer des profits d'arbitrage via des transferts rapides et à haut volume dans des fenêtres de prix volatiles. À l'inverse, le système ayant un rapport puissance/capacité faible ( $s_1$ ) est optimisé pour se spécialiser dans la fourniture de marges de réserve de base sur le marché jour-ahead.
Impact sur le Marché : En tant que faiseur de prix, l'ESo déplace stratégiquement l'équilibre du marché. Lors de la décharge, il insère de la capacité dans l'ordre de mérite pour capturer une part de marché auprès des générateurs à gaz marginaux sans déclencher de tranches de prix inférieures. Lors de la charge, il offre stratégiquement pour épuiser la capacité des générateurs moins chers, évitant l'activation d'unités plus coûteuses qui élèveraient le prix marginal d'ajustement.
Distribution des Profits : Le marché jour-ahead sert de flux de revenus principal. Le système haute puissance ( $s_2$ ) génère la majorité du profit opérationnel conjoint, en particulier dans l'arbitrage d'énergie, tandis que le système basse puissance ( $s_1$ ) contribue significativement aux revenus de réserve. Les profits du marché temps réel sont généralement négatifs, car l'ESo a tendance à charger en temps réel pour équilibrer les écarts de prévision éolienne lorsque les prix temps réel sont inférieurs aux prix jour-ahead.
Valeur de la Transmission Interne : Dans les scénarios d'accès limité au réseau (congestion), la transmission de puissance interne est activée. Ce mécanisme permet à l'opérateur de réalocater la puissance au sein du système hybride, atténuant les contraintes du réseau et influençant les décisions optimales de planification de la capacité.

Signification
L'article affirme que son cadre fournit des stratégies d'offre différenciées et une flexibilité de participation au marché pour les HESS, améliorant la rentabilité globale. En préservant l'hétérogénéité technologique et en modélisant la coordination interne, l'étude démontre que traiter les systèmes de stockage comme une entité unifiée et faiseuse de prix permet une planification stratégique plus efficace que de les agréger ou de les traiter comme des preneurs de prix. Les résultats valident la nécessité de variables de décision indépendantes pour les systèmes hétérogènes et soulignent la valeur de la coordination interne pour maintenir la participation au marché sous des contraintes physiques du réseau. Les auteurs notent que les travaux futurs investigueront l'impact des incertitudes de prévision de la génération renouvelable et de la charge, ainsi que des modèles de dégradation détaillés et l'équilibre du marché multi-opérateurs.