L'essor des véhicules électriques impose un déploiement rapide et efficace des infrastructures de recharge (IRVE) car les usagers de la route hésitent à « franchir le pas » tant que ce réseau est jugé insuffisant. Dans le même temps, les opérateurs peinent à investir sans garantie sur le retour financier. Or, l'adoption massive de la mobilité électrique, tout autant que l’adéquation offre/demande, impose de bien positionner les stations, notamment sur les grands axes autoroutiers.
Ce problème est rendu complexe par le fort degré de couplage des facteurs en jeu : besoins de recharge, choix d’itinéraire et congestion des stations. Ainsi, la demande influence les temps d’attente, qui modifient à leur tour les itinéraires et la répartition des flux de véhicules. Les approches existantes prennent rarement en compte cette interaction de manière cohérente, ce qui limite leur capacité à dimensionner efficacement le réseau (taille et répartition) des infrastructures de recharge.
La méthode proposée par IFPEN [1] introduit un modèle d’équilibre de la demande de recharge permettant d’estimer la demande énergétique spatiale et temporelle des véhicules électriques, et s’affranchir ainsi de la dépendance aux données propriétaires des opérateurs de recharge. Cette demande alimente un modèle de files d’attente (par ex. M/M/C)1, dont les paramètres sont déduits des besoins globaux de mobilité et de recharge, à l’échelle du territoire d’étude. Celui-ci permet d’évaluer les futurs temps d’attente (voir exemple en Figure 1) et de guider le dimensionnement ainsi que le placement optimal des infrastructures.
Les résultats pour un réseau optimisé (comme illustré en Figure 2) montrent non seulement une meilleure résilience du réseau face à l’augmentation de la demande mais aussi une amélioration du temps total de trajet.
Cette approche fournit un outil d’aide à la décision pour les aménageurs et exploitants d’IRVE en permettant d’identifier les points de congestion, d’évaluer différents scénarios de développement de l’électromobilité et d’orienter les investissements vers les zones les plus critiques.
Les travaux futurs visent à renforcer le caractère opérationnel de la méthode grâce à un modèle d’équilibre dynamique et à la mise à disposition d’un suivi en temps réel de la congestion aux stations. Le principal défi scientifique réside désormais dans la taille du problème d’optimisation et dans la capacité à développer des méthodes de résolution suffisamment « scalables » pour traiter des réseaux nationaux et des scénarios de mobilité de plus en plus complexes.
1 En théorie des files d'attente, M/M/c est un modèle de file d'attente à serveurs multiples. Il décrit un système dans lequel les arrivées forment une file d'attente unique et obéissent à un processus de Poisson, où il y a c serveurs et où les temps de traitement des tâches suivent une distribution exponentielle.
Référence :
[1] I. Ben Gharbia and G. De Nunzio, "Location Planning of Fast Charging Infrastructure for Electric Vehicles and System Resilience Analysis via a Demand-Based Queueing Model", 2024 IEEE 27th International Conference on Intelligent Transportation Systems (ITSC), Edmonton, AB, Canada, 2024, pp. 1606-1613,
>> DOI : 10.1109/ITSC58415.2024.10919557
Contacts scientifiques : Ibtihel Ben Gharbia, Giovanni De Nunzio