Techno-Economic Analysis of Shared Mobile Storage for Demand Charge Reduction

Résumé Technique : Analyse Techno-Économique du Stockage Mobile Partagé pour la Réduction des Frais de Puissance Maximale

Énoncé du Problème
Les utilisateurs commerciaux et industriels (C&I) sont souvent confrontés à des coûts d'électricité importants générés par les frais de puissance maximale (demand charges), qui sont basés sur la demande de puissance réelle maximale moyenne sur de courts intervalles. Bien que les systèmes de stockage d'énergie par batterie (BESS) stationnaires soient une solution conventionnelle, ils souffrent de coûts initiaux élevés et d'une rigidité spatiale. Les flottes de véhicules électriques (VE) partagés offrent une alternative de « stockage mobile » capable de servir plusieurs utilisateurs dans différents lieux. Cependant, la littérature existante repose souvent sur des modèles idéalisés qui négligent les contraintes logistiques et opérationnelles critiques. Plus précisément, les études antérieures omettent fréquemment le couplage spatio-temporel de la consommation d'énergie (frais de transit), les coûts de main-d'œuvre des conducteurs de VE, ainsi que les compromis complexes impliquant la dégradation des batteries et les capacités des infrastructures de recharge. Le problème central abordé est de déterminer la véritable valeur économique nette des flottes de VE partagées pour la réduction des frais de puissance une fois que ces facteurs granulaires et pratiques sont rigoureusement pris en compte.

Méthodologie
Les auteurs proposent un cadre de gestion de flotte à haute fidélité qui intègre des facteurs opérationnels et économiques souvent omis dans les études précédentes sur le stockage mobile.

1. Formulation Mathématique : Le problème de répartition est formulé comme un programme linéaire en nombres entiers mixtes (MILP). L'objectif est de minimiser conjointement les frais de puissance totale pour les utilisateurs C&I et les coûts opérationnels de la flotte de VE. Le modèle capture explicitement :

   • Le couplage spatio-temporel : La consommation d'énergie lors du transit entre la station de recharge centrale et les sites des utilisateurs.
   • Les coûts de main-d'œuvre : Modélisés comme un coût fixe par conducteur basé sur les heures de travail.
   • La dégradation de la batterie : Représentée par la dépréciation basée sur l'usage (coût par kWh cyclé) et la dépréciation liée à l'âge.
   • L'infrastructure de recharge : Les coûts et les capacités des chargeurs AC de niveau 2 et des chargeurs rapides DC tant aux sites des utilisateurs qu'à la station centrale.
   • Contraintes : La formulation inclut des contraintes pour l'état de charge (SOC), l'efficacité de la charge/décharge, les temps de transit (supposés durer un intervalle) et l'exigence qu'un VE doit être en transit pendant un intervalle avant de pouvoir commencer à décharger sur le site d'un utilisateur.

2. Développement d'Algorithme : En raison de la complexité computationnelle du MILP, qui croît exponentiellement avec le nombre d'utilisateurs et de VE, les auteurs développent un algorithme heuristique basé sur la valeur marginale.

   • L'algorithme identifie de manière itérative l'utilisateur « le plus valorisé » (réduction de la marge de puissance la plus élevée par service) et le VE disponible « le moins utilisé ».
   • Il déploie le VE sélectionné vers l'utilisateur si l'économie de la marge de puissance dépasse les coûts opérationnels incrémentiels (charge et dépréciation).
   • Cette approche atteint une performance quasi optimale avec un temps de calcul considérablement réduit par rapport à la résolution du MILP complet, ce qui la rend évolutive pour les opérations quotidiennes de la flotte.

3. Configuration de l'Étude de Cas : Le cadre est validé à l'aide de données réelles de compteurs intelligents provenant de 730 bâtiments commerciaux à San Francisco, Californie, desservis par PG&E. L'étude considère deux schémas tarifaires d'utilisateurs (B-10 et B-19) et évalue trois configurations d'infrastructure : Tout-AC, Tout-DC, et une configuration Échelonnée (mélangeant l'AC pour les petits utilisateurs et le DC pour les plus grands).

Principales Contributions
Le document présente trois contributions majeures :

1. Formulation MILP Unifiée : Il présente un modèle qui intègre explicitement l'énergie de transit, les coûts de main-d'œuvre et la dégradation de la batterie dans un objectif de répartition unique, garantissant la faisabilité opérationnelle et une évaluation économique précise.
2. Heuristique Efficace : Il propose un algorithme heuristique basé sur la valeur marginale qui résout le problème complexe de répartition en temps polynomial, atteignant des résultats quasi optimaux tout en gérant la charge de calcul des grandes flottes.
3. Évaluation Techno-Économique Complète : À travers une étude de cas, il identifie la main-d'œuvre comme le facteur dominant affectant les revenus et valide une stratégie de déploiement de chargeurs échelonnés. Cette stratégie, qui mélange des chargeurs rapides DC pour les grands utilisateurs et des chargeurs AC pour les plus petits, s'avère offrir des économies nettes supérieures aux configurations d'infrastructure uniformes.

Résultats
En utilisant les données de San Francisco, l'analyse révèle plusieurs conclusions clés :

• Viabilité Économique : Un nombre modeste de VE peut réaliser des économies de puissance significatives suffisantes pour couvrir les dépenses de propriété et d'exploitation.
• Variation Saisonnière : Les économies nettes sont nettement plus élevées en été (moyenne de 34 111 $ pour un seul VE) par rapport à l'hiver (18 025 $), sous l'effet de tarifs de puissance plus élevés et de charges de pointe durant les mois d'été.
• Impact de l'Infrastructure : La configuration d'infrastructure échelonnée produit systématiquement les économies nettes les plus élevées. Bien que les configurations Tout-DC offrent des économies plus importantes en été, le coût amorti élevé des chargeurs DC les rend moins viables pour les petits utilisateurs (Schéma B-10). L'approche échelonnée équilibre efficacement ces facteurs.
• Dimensionnement de la Flotte : Il existe un point de rendement décroissant. Pour la configuration échelonnée, la taille optimale de la flotte est de trois VE en hiver et de six VE en été. Au-delà de ces tailles, la réduction marginale de la puissance par VE supplémentaire diminue tandis que les coûts de main-d'œuvre continuent de croître linéairement, érodant finalement les économies nettes.
• Facteurs de Coût : La main-d'œuvre est identifiée comme le facteur dominant affectant la rentabilité. L'étude calcule un « coût de main-d'œuvre critique » (environ 120–210 $/h selon la saison) au-delà duquel le modèle économique devient déficitaire. Les coûts de main-d'œuvre actuellement estimés (19 $/h) sont bien en dessous de ce seuil.
• Sensibilité à l'Incertitude : Le modèle est sensible à l'incertitude des prévisions de charge. Les économies nettes diminuent de manière monotone à mesure que l'erreur de prévision augmente. Cependant, le modèle économique reste viable sous des niveaux d'incertitude modérés (jusqu'à 10–15 % d'erreur), particulièrement si l'on suppose une opération autonome (éliminant les coûts de main-d'œuvre).

Signification et Revendications
L'article affirme que sa principale importance réside dans le fait de combler le fossé entre le potentiel théorique du stockage mobile et la viabilité commerciale pratique. En modélisant explicitement les frictions du « monde réel » — spécifiquement l'énergie de transit, la main-d'œuvre des conducteurs et l'usure des batteries — les auteurs démontrent que le stockage mobile partagé n'est pas seulement théoriquement possible, mais économiquement attractif sous certaines conditions.

Les auteurs notent modestement que leur heuristique est une approche « myope » sans garantie d'approximation théorique universelle, mais elle démontre empiriquement une performance quasi optimale. Ils soulignent que les tailles de flotte optimales et les chiffres d'économies sont spécifiques à chaque cas, dépendant des structures tarifaires locales, des caractéristiques de charge et des hypothèses de coûts. Le travail fournit une base réaliste pour évaluer la viabilité commerciale du stockage d'énergie mobile partagé, allant au-delà des hypothèses idéalisées pour offrir un cadre qui prend en compte l'interaction complexe de la logistique, de l'énergie et de l'économie. Des travaux futurs sont suggérés pour incorporer la modélisation stochastique des variations de temps de trajet, de la disponibilité des VE et de la fiabilité des chargeurs.