A Coalitional Game for Demand-Side Management in a Micro-Grid with Multiple Electricity Retailers

Dans le réseau électrique moderne, le flux d'énergie n'est plus une rue à sens unique allant d'une centrale électrique massive vers un foyer passif. Au niveau de la distribution, là où les câbles se connectent aux quartiers, une nouvelle dynamique est apparue. Les consommateurs deviennent des participants actifs, capables de déplacer leurs périodes de consommation d'électricité en fonction des signaux de prix, tandis que les détaillants d'énergie locaux rivalisent pour attirer ces utilisateurs. Cette interaction, connue sous le nom de gestion de la demande, repose sur l'idée que si les prix changent, les gens ajusteront leurs habitudes, aidant ainsi à équilibrer le réseau. Cependant, une question critique demeure : comment plusieurs détaillants concurrents décident-ils quels clients servir, et comment ces clients décident-ils quel détaillant choisir ? Dans un monde où les sources d'énergie renouvelables comme l'éolien et le solaire introduisent l'incertitude, l'hypothèse traditionnelle selon laquelle ces relations sont fixes ne tient plus. Le défi est de trouver un moyen pour que ces groupes concurrents s'organisent efficacement, garantissant que chacun obtienne un accord équitable tout en maintenant la stabilité du réseau.

Une équipe de chercheurs a abordé ce problème complexe de coordination en considérant l'interaction entre les détaillants d'électricité et leurs clients comme un jeu de formation de coalitions. Au lieu de traiter l'affectation des clients aux détaillants comme un fait statique, ils l'ont traitée comme une décision qui peut être optimisée parallèlement au prix de l'électricité et à la quantité d'énergie consommée. Ils ont imaginé un scénario où plusieurs détaillants sont en compétition dans un micro-réseau local, un réseau à petite échelle capable de fonctionner indépendamment ou aux côtés du réseau principal. Dans cette configuration, chaque détaillant cherche à maximiser son profit, tandis que chaque consommateur cherche à maximiser son propre bénéfice, qui est la valeur qu'il retire de l'utilisation de l'électricité moins le coût qu'il paie. Les chercheurs ont réalisé que ces deux objectifs sont profondément liés ; le prix qu'un détaillant fixe dépend de ses clients, et le choix du détaillant par les clients dépend du prix.

Pour résoudre cela, les auteurs ont développé un cadre mathématique qui traite le regroupement des détaillants et des consommateurs comme un « jeu coalitionnel ». Dans ce jeu, une coalition est simplement un détaillant et l'ensemble spécifique de clients qu'il a attirés. Les chercheurs ont proposé un algorithme qui permet à ces groupes de se former et de se reformer de manière itérative. Le processus fonctionne comme une série de petits ajustements : un client peut passer d'un détaillant à un autre si cela améliore le résultat global pour tous les participants impliqués dans ce groupe spécifique. L'algorithme vérifie si un tel mouvement augmente le bien-être combiné du détaillant et des consommateurs. Si c'est le cas, le changement s'opère. Si aucun client ne peut changer de détaillant pour améliorer la situation, le système atteint un état stable. Les chercheurs ont prouvé que ce processus ne dure pas éternellement ; il est garanti de s'arrêter après un nombre fini d'étapes, se stabilisant dans une configuration où aucun participant n'a intérêt à modifier son arrangement.

L'étude a révélé que cette méthode identifie avec succès un ensemble d'arrangements stables où les objectifs concurrents de profit et de bien-être des consommateurs sont équilibrés. En effectuant des simulations sur un réseau théorique comprenant trois détaillants et cinq consommateurs, l'équipe a démontré que l'algorithme converge systématiquement vers ces états stables. Ils ont montré que les arrangements finaux représentent une « frontière de Pareto », un concept signifiant que l'on ne peut améliorer la situation d'une personne sans détériorer celle d'une autre. Dans leurs simulations, l'algorithme a produit différents résultats stables selon le poids accordé aux profits des détaillants par rapport aux économies des consommateurs, cartographiant ainsi les divers compromis disponibles sur le marché. Cela offre un moyen clair et traitable d'analyser comment la concurrence et la coopération peuvent coexister dans un marché de l'énergie complexe.

Au-delà de la simple recherche d'un prix et d'une liste de clients stables, les chercheurs ont également exploré la manière dont ce système gère le risque. Dans le monde réel, la quantité d'énergie qu'un groupe de personnes utilise n'est pas parfaitement prévisible ; elle fluctue. L'équipe a étendu son modèle pour inclure cette incertitude, utilisant une mesure statistique connue sous le nom de valeur à risque conditionnelle pour tenir compte de la possibilité que le groupe utilise plus de puissance que le détaillant ne peut en fournir en toute sécurité. Ils ont constaté que lorsque les consommateurs s'unissent au sein d'une coalition, le risque statistique de surcharge du système diminue. Cela se produit parce que les fluctuations aléatoires de la consommation individuelle ont tendance à s'annuler lorsqu'elles sont moyennées sur un groupe. L'algorithme a montré que même lorsque le risque est un facteur, le système évolue naturellement vers une partition stable où le risque de violation de capacité est minimisé, et où aucun consommateur ne peut réduire davantage le risque du groupe en changeant de détaillant de son propre chef.

Les résultats de ce travail offrent une nouvelle façon de concevoir les marchés de l'énergie. Ils dépassent l'idée que les prix et l'affectation des clients sont fixes ou déterminés par une autorité centrale. Au contraire, ils montrent qu'un processus décentralisé, où les détaillants et les consommateurs interagissent et ajustent leurs relations, peut naturellement mener à des résultats efficaces et stables. L'étude suggère que dans un futur composé de nombreux fournisseurs d'énergie concurrents et de sources renouvelables incertaines, le marché peut s'auto-organiser en groupes qui partagent les risques et optimisent les coûts sans qu'une entité unique ait besoin de dicter chaque mouvement. Les simulations confirment qu'un tel système est non seulement théoriquement fondé, mais aussi pratiquement calculable, fournissant un outil robuste pour concevoir la prochaine génération de réseaux énergétiques intelligents où la compétition et la collaboration travaillent main dans la main.