NSGA-II inspiré du quantique pour l’optimisation multi-objectifs des stations de recharge de véhicules électriques

Pourquoi des stations de recharge plus intelligentes comptent

À mesure que les voitures électriques se multiplient, les villes sont confrontées à un casse-tête : où installer les stations de recharge pour que les conducteurs puissent se brancher facilement, que les compagnies d’électricité maintiennent l’alimentation et que les coûts ne s’envolent pas ? Installer trop peu de bornes crée des files d’attente. En placer trop, ou au mauvais endroit, laisse du matériel coûteux inoccupé et pousse le réseau à ses limites. Cet article présente une nouvelle méthode de planification qui emprunte des idées à la physique quantique pour concevoir des réseaux de recharge moins chers, plus équitables et moins contraignants pour le réseau électrique.

Jongler entre coût, commodité et réseau électrique

Concevoir un réseau de recharge ne consiste pas à parsemer des prises sur une carte. Les opérateurs doivent peser au moins trois objectifs concurrents : maintenir faibles les coûts d’installation et d’exploitation, offrir aux conducteurs un bon accès dans la ville, et éviter une tension excessive sur le réseau électrique. Les outils de planification traditionnels se concentrent souvent sur un objectif à la fois ou peinent lorsque le problème devient vaste et désordonné, comme c’est le cas dans les villes réelles où la circulation, les prix et la production solaire fluctuent. Les auteurs formulent la planification des stations de recharge comme un véritable problème multi-objectifs et recherchent des ensembles complets de compromis plutôt qu’une unique « meilleure » solution.

Emprunter des tours du monde quantique

Pour explorer ce paysage complexe de possibilités, les chercheurs s’appuient sur une méthode d’optimisation évolutionnaire connue sous le nom de NSGA-II et l’enrichissent d’idées « inspirées du quantique ». Plutôt que de traiter chaque décision — placer ou non une borne sur un site candidat — comme un oui/non fixe, l’algorithme la représente par un qubit, un petit objet mathématique capable d’encoder des probabilités pour les deux choix simultanément. Des règles de mise à jour spéciales, inspirées de la façon dont les états quantiques tournent et peuvent se lier (intrication), permettent à la méthode d’explorer efficacement de nombreuses combinaisons tout en se concentrant sur les schémas prometteurs. Concrètement, cela lui permet de maintenir une diversité d’options tout en les améliorant progressivement.

Capturer les liens réels entre villes et réseaux

Une innovation clé est la manière dont la méthode relie les décisions corrélées. Installer une grande station dans un quartier peut réduire le besoin de stations à proximité et modifier la façon dont l’électricité circule dans les lignes locales. L’algorithme mime cette interdépendance en « intriquant » certaines paires de décisions de sorte que changer l’une tend à modifier l’autre. Il ajuste aussi ses pas de recherche en fonction de l’amélioration ou la détérioration d’une solution candidate, effectuant de grands bonds lorsque le gain est net et des ajustements plus faibles lorsque ce n’est pas le cas. De plus, une recherche locale ciblée affine les implantations les plus prometteuses en ajoutant, retirant ou échangeant des stations individuelles tout en vérifiant en permanence que les budgets et les limites de sécurité du réseau restent respectés.

Tests sur des données réelles de recharge et un réseau standard

Plutôt que de se limiter à de petits exemples simplifiés, les auteurs testent leur approche sur trois larges jeux de sessions de recharge réelles venant de Palo Alto, Boulder et d’un ensemble multi-régions de plus de 70 000 événements, parallèlement à un modèle largement utilisé d’un réseau de distribution à 33 nœuds. Dans ces cas, la méthode inspirée du quantique trouve systématiquement des implantations de stations réduisant les coûts d’installation totaux d’environ un tiers par rapport à une référence NSGA-II classique, tout en augmentant la part de la demande pouvant être satisfaite et en rendant les flux d’électricité plus équilibrés. Elle obtient une meilleure couverture des options de compromis, converge de manière plus fiable vers des solutions de haute qualité et maintient les tensions du réseau dans des limites sûres, le tout avec une augmentation modeste du temps de calcul.

Ce que cela signifie pour la mobilité électrique future

En termes simples, l’étude montre que des mathématiques plus intelligentes peuvent transformer le déploiement désordonné actuel des bornes en un système plus ordonné et efficace. En explorant simultanément de nombreuses configurations possibles et en conservant celles qui offrent différents équilibres entre coût, accès et santé du réseau, la méthode inspirée du quantique offre aux planificateurs un riche « menu » de choix plutôt qu’un plan unique et rigide. Les villes et les services publics pourraient utiliser de tels outils pour décider combien de stations construire, où les placer et comment les coordonner avec le solaire sur toiture et les batteries, tout en gardant les conducteurs en mouvement et le réseau stable. À mesure que les véhicules électriques se répandent et que les besoins de recharge deviennent plus complexes, des approches comme celle-ci offrent une voie pour étendre l’infrastructure sans surconstruire ni surcharger les lignes qui alimentent notre quotidien.

Citation: Kumar, L., Solanki, S., Jhariya, M.K. et al. Quantum-inspired NSGA-II for multi-objective optimization of electric vehicle charging stations. Sci Rep 16, 14666 (2026). https://doi.org/10.1038/s41598-026-44141-z

Mots-clés: recharge de véhicules électriques, planification des stations de recharge, stabilité du réseau électrique, optimisation multi-objectifs, algorithmes inspirés du quantique