Exploitation rentable et durable des microréseaux à l’aide d’un algorithme d’optimisation de la baleine amélioré

Pourquoi nos futurs réseaux électriques ont besoin d’un nouveau « cerveau »

Maintenir l’éclairage devient plus complexe à mesure que davantage de foyers et d’entreprises fonctionnent au solaire et à l’éolien plutôt qu’au charbon et au gaz. Ces sources propres sont moins coûteuses et meilleures pour le climat, mais elles varient avec la météo. Cet article examine comment un « cerveau » numérique plus intelligent peut piloter de petits réseaux électriques locaux — appelés microréseaux — pour fournir une électricité fiable à moindre coût et avec moins d’émissions, même lorsque le réseau principal est coupé. Les auteurs montrent qu’un nouvel algorithme informatique, inspiré du comportement des baleines, peut réduire les coûts d’exploitation d’un microréseau test d’environ 40 % par rapport aux méthodes de planification courantes.

Petits réseaux électriques aux grandes ambitions

Les microréseaux sont des systèmes électriques compacts qui peuvent desservir un quartier, un campus ou un village. Plutôt que de dépendre uniquement de centrales éloignées, ils combinent des sources locales comme des panneaux solaires, des éoliennes, des piles à combustible, des groupes électrogènes diesel et des batteries. Les microréseaux peuvent se connecter au réseau principal lorsque celui-ci est disponible, mais ils peuvent aussi s’« insuler » et fonctionner de manière autonome lors d’orages, d’incendies de forêt ou de pannes. Cette flexibilité en fait un élément prometteur pour un système énergétique plus propre et plus résilient — mais complique aussi fortement leur gestion. Il faut, en permanence, décider quel équipement faire fonctionner, combien d’énergie puiser ou vendre au réseau principal et quand charger ou décharger les batteries.

Le rôle d’un gestionnaire d’énergie numérique

Pour gérer cette complexité, les microréseaux utilisent un système de gestion de l’énergie, ou EMS. L’EMS collecte des données sur les prévisions météorologiques, les prix de l’électricité, les limites des équipements, l’état de charge des batteries et la demande des consommateurs. Il envoie ensuite des commandes de contrôle — comme mettre les générateurs en marche ou à l’arrêt, ajuster la puissance et planifier l’utilisation des batteries — pour atteindre plusieurs objectifs simultanément. Parmi ces objectifs figurent l’équilibrage horaire offre-demande, la minimisation du coût total d’exploitation et la réduction des émissions des générateurs fossiles. En mode connecté au réseau, l’EMS décide aussi quand il est plus judicieux d’acheter de l’électricité bon marché au réseau principal ou de revendre l’excédent d’électricité renouvelable, transformant le microréseau en un acteur actif du marché.

Une méthode inspirée des baleines pour chercher de meilleurs plannings

Déterminer le meilleur planning pour chaque générateur et chaque batterie sur une journée complète est un casse-tête : les options sont nombreuses, les coûts sont non linéaires et la production renouvelable est incertaine. Les méthodes mathématiques traditionnelles ou les algorithmes de recherche classiques aboutissent souvent à des solutions médiocres. Les auteurs se tournent vers une famille moderne de recherches appelée métaheuristiques, vaguement inspirée des stratégies de chasse ou d’exploration animale. Leur algorithme d’optimisation de la baleine amélioré (IWOA) reprend une méthode antérieure inspirée des bancs de baleines à bosse qui encerclent leur proie en spirale. La version améliorée utilise un paramètre de « nage » finement ajusté, des poids adaptatifs et des sauts longs aléatoires appelés vols de Lévy pour explorer largement au départ puis converger vers les régions prometteuses sans se retrouver piégée dans des minima locaux.

Tester l’approche sur un microréseau réaliste

L’équipe a testé son EMS sur une référence bien connue : un microréseau basse tension combinant une pile à combustible, une microturbine, un générateur diesel, des panneaux solaires, une éolienne et une batterie connectée au réseau principal. Ils ont examiné à la fois l’exploitation en mode insulaire, où le microréseau doit satisfaire la demande uniquement avec des ressources locales, et le mode connecté au réseau, où il peut échanger de l’énergie avec le réseau externe. Dans les deux modes, l’algorithme cherchait à minimiser un coût combiné incluant le carburant et la maintenance de chaque appareil, le prix d’achat ou de vente d’électricité, et une pénalité pour les émissions de dioxyde de carbone et d’autres polluants. Les résultats montrent que l’EMS favorise naturellement les technologies plus propres et moins coûteuses, en utilisant la pile à combustible comme principal outil, la microturbine en secours et le diesel uniquement lorsque c’est absolument nécessaire.

Une utilisation plus intelligente des batteries et du réseau principal

Une conclusion clé est la manière dont l’algorithme amélioré exploite la batterie et la connexion au réseau comme leviers financiers et environnementaux. En mode insulaire, la batterie lisse les variations de production solaire et éolienne, se déchargeant en cas de forte demande et se rechargeant lors d’un excédent d’énergie renouvelable, ce qui réduit la dépendance au diesel. En mode connecté, l’EMS apprend une stratégie d’« arbitrage énergétique » : il charge la batterie lorsque l’électricité du réseau est bon marché et la décharge lors des pics de prix, tout en exportant l’excédent renouvelable quand la demande locale et les limites de la batterie le permettent. Sur de nombreuses journées simulées, l’algorithme d’optimisation de la baleine amélioré a réduit les coûts d’exploitation du microréseau d’environ 39,66 % par rapport aux algorithmes génétiques traditionnels, aux méthodes d’essaim de particules et à l’algorithme de la baleine standard, tout en maintenant des émissions plus faibles.

Ce que cela signifie pour les utilisateurs quotidiens d’énergie

Pour les non-spécialistes, l’essentiel est simple : exploiter un système électrique local propre et fiable ne se résume plus à acheter du matériel — cela dépend fortement d’un logiciel intelligent. En dotant les microréseaux d’un « pilote automatique » plus capable, cet algorithme inspiré des baleines leur permet d’étirer chaque kilowattheure, de s’appuyer davantage sur les renouvelables et de réduire le recours aux groupes de secours polluants et aux importations coûteuses depuis le réseau. Déployés à grande échelle, de tels gestionnaires d’énergie intelligents pourraient rendre les quartiers plus résilients aux coupures, aider les opérateurs à intégrer l’essor du solaire et de l’éolien sans coûteuses mises à niveau, et soutenir les objectifs climatiques en favorisant automatiquement l’énergie la plus propre disponible et abordable.

Citation: El-Zaher, S.M., Ahmed, A.M., Ahmed, E.M. et al. Cost-effective and sustainable operation of microgrids using Improved Whale Optimization Algorithm. Sci Rep 16, 4811 (2026). https://doi.org/10.1038/s41598-026-35529-y

Mots-clés: microréseaux, système de gestion de l’énergie, énergie renouvelable, algorithme d’optimisation, stockage par batterie