Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation

Résumé Technique : Recharge de Véhicules Électriques Sensible aux Échéances avec Atténuation de la Surcharge des Transformateurs de Distribution

Énoncé du Problème
L'adoption rapide des véhicules électriques (VE) exerce une pression significative sur les infrastructures de distribution, en particulier sur les transformateurs résidentiels et commerciaux qui ne sont pas conçus pour de fortes charges de recharge simultanées. Bien que la recharge des VE soit intrinsèquement flexible dans le temps, le regroupement des arrivées et l'hétérogénéité des échéances de départ peuvent provoquer des surcharges de courte durée mais sévères. Ces surcharges accélèrent le vieillissement de l'isolation du transformateur et augmentent le risque de défaillance prématurée de l'actif.

Les schémas de coordination existants imposent généralement des échéances strictes et des limites de transformateur rigides, supposant implicitement qu'une capacité suffisante existe pour satisfaire toutes les demandes. Sous une forte pénétration des VE ou des infrastructures contraintes, ces formulations deviennent infaisables. À l'inverse, les stratégies sensibles au transformateur qui plafonnent strictement la charge tendent à restreindre la recharge de manière uniforme, sans tenir compte de l'urgence hétérogène de différents VE (par exemple, les usagers quotidiens avec des départs fixes par rapport à la recharge nocturne flexible). Cela crée une lacune opérationnelle critique : comment allouer la capacité limitée du transformateur entre les VE ayant des échéances variables lorsque satisfaire toutes les demandes sans surcharger le transformateur est impossible.

Méthodologie
L'article propose un cadre de recharge de VE sensible aux échéances qui arbitre explicitement entre le vieillissement thermique du transformateur et la qualité du service de recharge. L'approche est développée en trois étapes :

1. Formulation Déterministe Hors Ligne :
   Les auteurs formulent d'abord un problème d'optimisation déterministe supposant une connaissance complète des arrivées de VE, des demandes et des charges de base.

• Vieillissement du Transformateur : Le stress est modélisé par un proxy de surcharge convexe, $\Phi(P_t) = (P_t / P_{rated})^\alpha$, où $\alpha > 1$. Cela capture l'augmentation rapide du vieillissement à mesure que la charge approche de la capacité nominale.
• Échéances Souples : Au lieu de contraintes strictes, le modèle utilise un terme de l'énergie non satisfaite pondéré par un coefficient au moment du départ. Chaque VE $j$ possède un coefficient $\pi_j$ reflétant sa flexibilité de recharge (un $\pi_j$ plus élevé pour les véhicules critiques en temps). L'objectif minimise la somme du vieillissement cumulé du transformateur et des pénalités d'énergie non satisfaite normalisées.

2. Formulation MDP Stochastique :
   Pour traiter l'incertitude du monde réel (arrivées, départs et évolution de la charge de base aléatoires), le problème est étendu à un processus de décision de Markov (MDP) à horizon fini.

• État : Comprend la charge de base et l'énergie restante/les échéances des VE connectés.
• Coût : Le coût par étape combine le proxy de vieillissement instantané du transformateur et la pénalité pour l'énergie non satisfaite des véhicules partant.
• Défi : Résoudre la récursion de Bellman de manière exacte est computationnellement intraitable en raison de l'espace d'états de haute dimension.

3. Politique En Ligne à Faible Complexité :
   En s'appuyant sur des informations structurelles du MDP, les auteurs développent une politique de recharge en temps réel basée sur un Indice d'Urgence Sensible au Coût Marginal.

• Mécanisme : À chaque étape de temps, l'algorithme calcule le coût marginal de vieillissement ($g_t$) de l'augmentation de la charge du transformateur. Il calcule ensuite un indice d'urgence $U_j(t)$ pour chaque VE connecté, défini comme le ratio du bénéfice de service marginal (basé sur l'énergie restante, le temps jusqu'à l'échéance et le coefficient de flexibilité) sur le coût de vieillissement marginal.
• Allocation : Les VE sont triés par $U_j(t)$ par ordre décroissant. La puissance de recharge est allouée séquentiellement jusqu'à ce que la capacité du transformateur soit épuisée ou que le bénéfice marginal de servir le VE suivant tombe en dessous du coût de vieillissement marginal ($U_j(t) < 1$). Cela garantit que la capacité est allouée préférentiellement aux VE critiques uniquement lorsque le coût pour la santé de l'actif est justifié.

Résultats Clés
L'approche proposée a été évaluée via des études de cas sur un transformateur de distribution de 100 kW selon quatre scénarios allant d'une faible à une forte pénétration de VE et de congestion :

• Arbitrage Vieillissement vs Service : La prise en compte explicite du vieillissement du transformateur dans la fonction objectif a systématiquement réduit le stress thermique dans tous les scénarios. Cependant, à mesure que la congestion augmente, le vieillissement et l'énergie non satisfaite augmentent tous deux, soulignant le compromis inhérent.
• Performance En Ligne vs Hors Ligne : La politique en ligne a entraîné un vieillissement équivalent du transformateur légèrement supérieur par rapport à la référence hors ligne (qui possède une connaissance parfaite du futur) mais a obtenu une énergie de recharge non satisfaite plus faible. Cela indique que la politique en ligne alloue la puissance de manière plus agressive pour répondre à la demande réalisée, améliorant ainsi l'achèvement du service au prix d'un coût modeste pour la durée de vie de l'actif.
• Sensibilité à l'Exposant de Vieillissement ($\alpha$) : Augmenter l'exposant de vieillissement $\alpha$ rend le coût de vieillissement plus convexe, incitant l'optimiseur à éviter plus agressivement la recharge pendant les heures de pointe. Cela réduit le vieillissement mais augmente l'énergie non satisfaite, confirmant que $\alpha$ contrôle efficacement l'agressivité de la protection de l'actif.
• Différenciation de Service : Dans les scénarios impliquant des VE "critiques" (coefficients de pénalité élevés), la politique a réussi à prioriser ces véhicules, démontrant la capacité du cadre à gérer l'hétérogénéité du service sous une congestion sévère.

Signification et Revendications
L'article affirme traiter une lacune opérationnelle fondamentale dans la coordination de la recharge des VE lorsque les contraintes strictes échouent lors de la congestion. Ses principales contributions sont :

1. Faisabilité sous Congestion : En assouplissant les échéances via l'énergie non satisfaite pondérée par des pénalités, le cadre reste faisable même lorsque la capacité du transformateur est insuffisante pour satisfaire toutes les demandes, contrairement aux approches à contraintes strictes.
2. Priorisation Sensible à l'Actif : La politique en ligne proposée permet un arbitrage fondé sur des principes entre la protection des actifs de distribution (via les coûts de vieillissement marginaux) et le maintien de la qualité de service (via les indices d'urgence), permettant une allocation préférentielle aux VE critiques en temps.
3. Applicabilité en Temps Réel : La politique en ligne à faible complexité approxime les performances de la référence hors ligne en utilisant uniquement des informations locales et en temps réel, ce qui la rend adaptée à un déploiement pratique sans nécessiter de connaissance future.

Les auteurs concluent qu'il est essentiel de prendre explicitement en compte la santé des actifs et la flexibilité des échéances pour la coordination de la recharge des VE sous congestion, offrant une voie pour équilibrer la préservation de la durée de vie des transformateurs avec les attentes de recharge des clients. Des travaux futurs sont notés pour étendre ce cadre aux contraintes de niveau de départ et à la coordination multi-transformateurs.