Défense publique de Dirk Lauinger - "Vehicle-to-Grid: Sur les Pannes de Courant, le Droit et les Maths"

Les futures sociétés à bas taux de carbone devront pouvoir stocker des quantités importantes d'électricité pour équilibrer les réseaux électriques et pour alimenter les véhicules électriques. La technologie vehicle-to-grid permet aux propriétaires de véhicules électriques et aux gestionnaires de réseaux de partager les coûts de stockage de l'électricité en mettant les batteries de ces véhicules à disposition pour les besoins de stockage du réseau. En pratique, les propriétaires de véhicules planifient les créneaux horaires pour lesquels leur voiture peut-être à disposition du réseau. Les agrégateurs de véhicules électriques décident ensuite comment engager ces véhicules pour les services de réseau.

Le vehicle-to-grid aura du succès uniquement si les propriétaires de véhicules et les gestionnaires de réseaux peuvent faire confiance aux agrégateurs, à savoir que les véhicules doivent pouvoir être disponibles pour la mobilité d’une part et pour les services de réseau d’autre part quand les agrégateurs le promettent. Dans cette thèse de doctorat, nous résolvons un problème de prise de décision qui garantit des engagements fiables de la part des agrégateurs pour le service réseau connu sous le nom de « réglage fréquence primaire », considéré comme l'une des applications les plus favorables du vehicle-to-grid. Mathématiquement, nous formulons d'abord un problème d'optimisation robuste avec des incertitudes fonctionnelles qui maximise le bénéfice attendu de la vente du réglage primaire aux opérateurs de réseau tout en garantissant que les propriétaires de véhicules peuvent respecter leurs engagements de marché pour toutes les trajectoires de déviation de fréquence dans un ensemble d'incertitudes qui correspond aux réglementations applicables de l'Union européenne. Les incertitudes fonctionnelles garantissent que les propriétaires de véhicules et les gestionnaires de réseau peuvent faire confiance aux décisions des agrégateurs à tout moment. La modélisation fidèle des pertes de conversion d'énergie lors des cycles de charge et de décharge des batteries rend le problème d'optimisation non-convexe. En exploitant une propriété d'unimodularité totale de l’ensemble d'incertitudes proposé et une reformulation exacte par une règle de décision linéaire, nous prouvons que le problème d'optimisation robuste non-convexe avec des incertitudes fonctionnelles est équivalent à un programme linéaire efficacement soluble. De manière un peu contre-intuitive, le problème déterministe sous-jacent pour une trajectoire de déviation de fréquence connue ne se réduit pas à un programme linéaire mais plutôt à un programme linéaire mixte en nombres entiers à grande échelle, même si le temps est discrétisé. Nous pensons avoir ainsi découvert la première classe de problèmes d'optimisation intéressants sur le plan pratique qui deviennent considérablement plus faciles à résoudre grâce à une robustification.

Basé sur des expériences numériques approfondies utilisant des données du monde réel, nous quantifions la valeur économique du vehicle-to-grid et discutons les incitations économiques des propriétaires de véhicules, des agrégateurs, des fabricants d'équipements et des régulateurs. En particulier, nous constatons que les pénalités en vigueur dans l’UE pour la non-livraison de la puissance de réglage promise sont trop faibles pour inciter les agrégateurs à honorer leurs promesses envers les gestionnaires de réseaux.