⚡ electrical engineering

When the Grid Overflows: A Novel Probabilistic Framework to Assess the Success of Storing Excess Electricity as Heat under Historical Surplus Regimes in High-Temperature ATES (HT-ATES) Systems

Cette étude introduit un nouveau cadre probabiliste qui utilise des simulations de Monte Carlo basées sur les données historiques d'excédents d'électricité pour évaluer dynamiquement le succès opérationnel des systèmes de stockage thermique par aquifère à haute température (HT-ATES), démontrant leur capacité à atteindre les objectifs de chaleur saisonniers à Neubrandenburg, en Allemagne, sous des conditions variables réalistes.

Auteurs originaux : Sepehr Sangin¹, Horst Rüter²

Publié 2026-06-25

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sepehr Sangin¹, Horst Rüter²

Article original sous licence CC BY 4.0 (https://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

La vue d'ensemble : Quand le réseau électrique est « plein »

Imaginez le réseau électrique comme une autoroute géante. Habituellement, les voitures (l'électricité) circulent de manière fluide. Mais parfois, surtout quand le vent souffle fort ou que le soleil brille intensément, il y a trop de voitures sur la route. Il n'y a pas assez de place pour toutes les faire circuler, donc les contrôleurs de trafic doivent empêcher certaines voitures d'entrer. C'est ce qu'on appelle le « délestage » (curtailment), et c'est comme gaspiller du carburant qui a déjà été produit.

Cet article pose une question simple : Et si nous pouvions capturer cet excédent d'électricité, le transformer en chaleur et le stocker sous terre comme une immense batterie thermique pour l'utiliser plus tard en hiver ?

Les chercheurs ont étudié un système réel à Neubrandenburg, en Allemagne, pour voir si cette idée fonctionne réellement dans le monde réel, et pas seulement sur le papier.

Le problème des anciennes règles

Traditionnellement, lorsque les ingénieurs veulent savoir si un projet géothermique fonctionnera, ils examinent la « géologie ». Ils demandent : La roche est-elle chaude ? L'eau circule-t-elle bien ? Ils traitent le sous-sol comme un seau statique.

La nouvelle idée de l'article :
Les auteurs disent : « Cela ne suffit pas. » Ce n'est pas parce que vous avez un grand seau que vous pouvez le remplir assez vite ou le vider assez vite quand vous en avez besoin.

Ils ont introduit une nouvelle façon de mesurer le succès appelée Probabilité de Succès (PoS). Au lieu de demander « Est-ce que la roche est bonne ? », ils demandent : « Quelles sont les chances que ce système puisse réellement livrer la quantité de chaleur promise à un quartier spécifique ? »

L'analogie : Le réservoir d'eau souterrain

Considérez l'aquifère souterrain (une couche de roche contenant de l'eau) comme un immense réservoir d'eau dans votre sous-sol.

L'entrée (Charge) : Vous avez un tuyau d'arrosage (l'électricité excédentaire) qui se transforme en eau chaude. Mais le tuyau ne s'allume que de manière aléatoire quand le vent souffle.
La sortie (Décharge) : Vous devez remplir une baignoire (votre système de chauffage) en hiver.
Le piège : Le tuyau a une vitesse maximale (débit) et le réservoir a une taille maximale (capacité).

Les chercheurs ont construit un modèle informatique (une simulation de Monte Carlo) qui a fait tourner le scénario 20 000 fois. À chaque passage, ils ont utilisé des données historiques réelles de 2015 à 2022 pour voir à quelle fréquence le « tuyau » s'allumait, quelle quantité d'eau il versait, et si le réservoir pouvait supporter cela.

Les résultats : Le « goulot d'étranglement »

Voici ce qu'ils ont trouvé, en utilisant le système de Neubrandenburg comme cas de test :

Les petits objectifs sont faciles : Si vous voulez seulement chauffer un petit bâtiment ou quelques maisons (environ 2,5 gigawattheures de chaleur), le système est presque 100 % fiable. Cela fonctionne à merveille.
Les objectifs moyens deviennent risqués : Si vous essayez de chauffer tout un quartier (environ 3,5 gigawattheures), le taux de réussite tombe à 50 %. C'est comme jouer à pile ou face ; parfois vous réussissez, parfois non.
Les grands objectifs échouent : Si vous essayez de chauffer toute la ville (plus de 50 gigawattheures) avec seulement une paire de puits (un « doublet »), le taux de réussite tombe à zéro.

Pourquoi cela échoue-t-il pour les grands objectifs ?
Ce n'est pas parce que le réservoir souterrain est trop petit. Le réservoir est énorme ! Le problème, c'est le tuyau.
Le système est limité par la vitesse à laquelle il peut pomper l'eau entrante et sortante. Même s'il y a une montagne d'électricité excédentaire disponible, la pompe ne peut déplacer qu'une certaine quantité d'eau par heure. Une fois que la pompe atteint sa limite de vitesse, l'électricité supplémentaire est simplement gaspillée car le système ne peut pas « boire » assez vite.

Les tests du « Et si ? »

Les chercheurs ont également testé si le changement d'équipement permettrait de régler le problème :

Pompes plus rapides : Si vous utilisez une pompe plus grande (débit plus élevé), vous pouvez stocker un peu plus de chaleur.
Eau plus chaude : Si vous rendez l'eau plus chaude (différence de température plus grande), vous pouvez stocker plus d'énergie dans la même quantité d'eau.

Le verdict : Ces changements aident, mais ils ne règlent pas le problème fondamental. Le système est toujours limité par la vitesse de la pompe. Pour chauffer une ville entière, vous n'auriez pas seulement besoin d'une seule grosse pompe ; il vous faudrait plusieurs pompes travaillant ensemble (plusieurs puits).

La conclusion principale

Cet article nous enseigne qu'avoir un grand espace de stockage sous terre ne suffit pas.

Pour stocker avec succès l'excédent d'électricité sous forme de chaleur, vous devez faire correspondre la vitesse de votre pompe à la vitesse du surplus d'électricité. Si vous voulez stocker beaucoup d'énergie pour une ville entière, vous ne pouvez pas compter sur un seul puits. Il vous faut tout un réseau de puits.

Les auteurs ont créé une nouvelle « fiche de score » (la Probabilité de Succès) qui aide les urbanistes et les ingénieurs à déterminer exactement quelle quantité de chaleur un système souterrain spécifique peut livrer de manière fiable avant même de creuser un trou, économisant ainsi du temps et de l'argent en évitant des projets trop ambitieux pour leur équipement.

Résumé technique : Quand le réseau déborde : Un nouveau cadre probabiliste pour évaluer le succès du stockage de l'électricité excédentaire sous forme de chaleur dans les systèmes HT-ATES (systèmes de stockage thermique dans les aquifères à haute température)

Énoncé du problème
L'expansion rapide de l'électricité renouvelable variable (ERV) dans les systèmes électriques européens, particulièrement en Allemagne et en France, a conduit à des périodes récurrentes de surplus d'électricité où la production excède la demande instantanée et la flexibilité du système. Bien que la conversion de ce surplus en chaleur via des technologies de Power-to-Heat (PtH) offre une voie pour utiliser cette énergie autrement décarbonée ou délestée, il existe un décalage temporel fondamental : les pics de production renouvelable (par exemple, l'éolien en hiver, le solaire en été) ne s'alignent souvent pas sur la demande de chauffage saisonnière. Un stockage thermique saisonnier (STES) est nécessaire pour combler ce fossé. Cependant, les évaluations de faisabilité traditionnelles pour les systèmes de stockage thermique dans les aquifères (ATES) reposent sur des métriques statiques de probabilité de succès (PoS) géologiques (par exemple, la température du réservoir, la transmissivité). Ces modèles statiques ne parviennent pas à capturer la dynamique opérationnelle de la conversion de l'électricité renouvelable fluctuante en chaleur utilisable au fil du temps, laissant un vide dans la compréhension de savoir si un aquifère géologiquement adapté peut réellement répondre à des objectifs de chaleur saisonniers spécifiques sous des régimes de surplus réalistes.

Méthodologie
L'étude propose une définition opérationnelle inédite de la PoS : la probabilité qu'un système ATES livre une cible de chaleur saisonnière prédéfinie dans des conditions de fonctionnement réalistes, plutôt que de simplement posséder la capacité géologique de stocker de la chaleur. La méthodologie utilise un modèle d'inventaire basé sur Monte Carlo appliqué au système HT-ATES de Neubrandenburg en Allemagne comme étude de cas.

Fondation des données : Le modèle utilise des données empiriques hebdomadaires de l'électricité excédentaire en Allemagne (2015–2022), une période caractérisée par la coexistence de la base nucléaire et de l'expansion des énergies renouvelables. Ces données sont discrétisées en treize bacs de 4 semaines pour préserver la variabilité saisonnière.
Logique d'inventaire : Le modèle simule des cycles de stockage annuels en utilisant une approche d'« inventaire commercial ». Il suit l'inventaire thermique de l'aquifère ( $S_b$ $S_{b}$ ) à travers des séquences temporelles, contraint par :
- Limites d'injection : Le minimum entre l'électricité excédentaire disponible (convertie en chaleur), les limites de débit hydraulique (débit $\times$ différence de température) et la capacité restante de l'aquifère.
- Limites de production : Le minimum entre la demande de chaleur saisonnière, les taux de production durables maximaux et l'énergie stockée disponible.
- Facteur de récupération : Une efficacité de récupération de 70 % est appliquée à l'énergie extraite.
Simulation : Le modèle exécute 20 000 réalisations de Monte Carlo. Dans chaque itération, les valeurs de l'électricité excédentaire sont échantillonnées de manière aléatoire à partir de l'ensemble de données historiques pour des fenêtres de charge spécifiques (printemps et fin d'été), tandis que la production est restreinte aux saisons de chauffage.
Critères de succès : Une simulation est jugée « réussie » si la chaleur cumulée livrée pendant le cycle de production hivernal atteint ou dépasse une cible spécifique (allant de 1 GWh à des échelles à l'échelle d'une ville).

Principales contributions

Cadre de PoS opérationnel : L'article déplace la définition du succès d'un projet des proxys géologiques statiques vers une métrique dynamique orientée vers la demande, qui intègre les contraintes du sous-sol avec les conditions stochastiques du système électrique.
Rééchantillonnage empirique : Contra�à l'approche reposant sur des distributions de probabilité ajustées, l'étude utilise un rééchantillonnage bootstrap non paramétrique des données de surplus historiques, préservant ainsi l'asymétrie, la variabilité et les motifs saisonniers observés du système électrique allemand.
Analyse Débit vs Capacité : Le cadre distingue explicitement le volume total de stockage d'un aquifère de la capacité de débit thermique effective (puissance), déterminée par les débits et les différences de température, identifiant cette dernière comme le principal goulot d'étranglement pour le stockage saisonnier.

Résultats
Appliquée à un système d'aquifère de grès profond représentatif à Neubrandenburg (capacité de 12 GWh, débit de 80 m³/h, différence de température de 20 K, facteur de récupération de 0,7), l'étude produit les conclusions suivantes :

Courbe de Probabilité de Succès (PoS) : Pour des cibles basses (jusqu'à environ 2,5 GWh), la PoS reste proche de 100 %. La PoS chute à environ 50 % pour une cible de 3,5 GWh et approche de zéro pour des cibles dépassant 4–5 GWh.
Limitations du système : Le déclin brutal de la PoS n'est pas dû à un manque de volume de stockage total (l'aquifère contient 12 GWh), mais est régi par les contraintes de débit thermique. Le système est « limité par la puissance » plutôt que « limité par le stockage » ; la vitesse à laquelle la chaleur peut être injectée et récupérée restreint l'énergie thermique totale qui peut être effectivement utilisée.
Limitations d'échelle : Une configuration de doublet unique ne peut répondre à des cibles de demande à l'échelle d'un quartier (50 GWh) ou d'une ville (128 GWh), entraînant une PoS de zéro pour ces échelles.
Analyse de sensibilité : L'augmentation des débits ou des différences de température déplace la courbe de PoS vers la droite, permettant des cibles plus élevées avant l'échec. Cependant, la forme fondamentale de la courbe reste inchangée, confirmant que le goulot d'étranglement du débit est une contrainte intrinsèque au système qui ne peut être éliminée par le simple ajustement des paramètres.

Signification et affirmations
L'article affirme que son cadre proposé fournit une méthodologie transférable et basée sur des scénarios pour évaluer la faisabilité des ATES, allant au-delà des évaluations de risques statiques traditionnelles. En redéfinissant le succès comme la probabilité d'atteindre un seuil de livraison de chaleur, l'étude offre une évaluation plus réaliste de la manière dont les systèmes ATES peuvent fonctionner au sein de systèmes énergétiques couplés par les secteurs.

Les auteurs soutiennent que l'adéquation géologique seule ne garantit pas le succès opérationnel ; au contraire, le succès est conjointement contraint par la capacité de stockage et la capacité de transfert. L'étude souligne que pour que les ATES servent de solution viable de stockage de longue durée pour l'électricité excédentaire, les conceptions de systèmes doivent donner la priorité à la scalabilité hydraulique (par exemple, des configurations multi-doublets) afin de surmonter les limitations de débit. En outre, le cadre suggère que, dans un contexte européen plus large, les systèmes ATES situés dans des régions géologiquement adaptées (comme le bassin de l'Allemagne du Nord) pourraient servir de tampons saisonniers pour les échanges d'électricité transfrontaliers, convertissant l'électricité excédentaire exportée en chaleur hivernale pilotable, à condition que le débit opérationnel soit suffisamment dimensionné. La méthodologie est présentée comme un outil d'aide à la décision permettant aux planificateurs d'évaluer la performance du stockage sous des conditions limites stochastiques et réalistes.