Cadre basé sur les expectiles pour une évaluation crédible et calibrée du risque de capacité des centrales virtuelles sous incertitudes de prévision éolienne et PV

Pourquoi cela compte pour les réseaux électriques du futur

À mesure que les foyers et les entreprises dépendent davantage des éoliennes et des panneaux solaires sur les toits, les réseaux doivent gérer une électricité qui monte et descend avec le climat. Cet article explore comment des groupes d’appareils propres, regroupés en une « centrale virtuelle », peuvent garantir une puissance fiable au réseau même lorsque le vent faiblit ou que des nuages arrivent. Les auteurs présentent une nouvelle façon de décider quelle quantité d’électricité une telle centrale peut promettre en toute sécurité, en équilibrant revenus et risque de ne pas tenir l’engagement.

Des appareils dispersés à une centrale intelligente unique

Une centrale virtuelle réunit de nombreuses ressources différentes, comme des parcs éoliens, des centrales solaires de grande taille, des batteries et des consommateurs flexibles, et leur permet d’agir comme une grande centrale unique sur le marché. Les gestionnaires de réseau veulent que ces centrales fassent des engagements fermes sur la puissance qu’elles livreront. Toutefois, la production éolienne et solaire peut varier rapidement et de façon corrélée lors d’une tempête ou d’une période calme. Les outils de planification traditionnels ignorent soit ces variations conjointes, soit utilisent des marges de sécurité trop simplistes, ce qui peut rendre les opérateurs excessivement prudents ou les exposer à des déficits inattendus.

Voir le risque dans les queues des distributions météorologiques

L’étude se concentre sur les situations rares mais graves où la production éolienne et solaire est exceptionnellement basse en même temps. Plutôt que de traiter toutes les erreurs de prévision de la même façon, les auteurs utilisent un concept appelé expectile pour accorder un poids supplémentaire aux mauvais scénarios tout en conservant une formulation mathématique lisse et gérable pour des calculs à grande échelle. Ils construisent des modèles météorologiques détaillés qui saisissent la manière dont l’éolien et le solaire de sites différents évoluent ensemble, y compris lors d’événements extrêmes tels que de longues accalmies éoliennes ou une couverture nuageuse étendue. En mélangeant les données de prévision normales avec des schémas extrêmes simulés, ils créent des jeux de scénarios qui reflètent mieux le risque réel de pénurie conjointe.

Laisser le stockage et la prévision coopérer

Le cadre relie ensuite ces scénarios météorologiques à un modèle d’ordonnancement qui décide, heure par heure, de la puissance que la centrale virtuelle doit promettre et de la façon dont ses batteries doivent se charger et se décharger. Les batteries sont modélisées avec des limites pratiques sur les niveaux de charge, les taux de variation et l’usure, de sorte que le plan reste réaliste. Plutôt que d’utiliser des marges de sécurité fixes, la capacité crédible de la centrale émerge directement de l’optimisation : le modèle trouve le niveau d’engagement qui atteint un objectif de fiabilité choisi tout en utilisant le stockage pour absorber les surplus et soutenir le système lorsque la production renouvelable chute.

Ce que révèlent les simulations sur des données réelles

Les auteurs testent leur approche sur un ensemble réel comprenant cinq parcs éoliens, quatre centrales solaires et deux grandes batteries dans l’est de la Chine, en utilisant une année complète de données météorologiques et de puissance à intervalles de 15 minutes. Ils comparent leur méthode à des approches plus courantes qui utilisent des quantiles ou une mesure de risque populaire en finance. La méthode basée sur les expectiles produit des plages d’engagement plus serrées, ce qui signifie que la centrale peut promettre davantage d’électricité sans prendre de risque excessif. Dans les essais numériques, les événements de déficits sont réduits jusqu’à 73 % par rapport aux méthodes basées sur les quantiles, tandis que la centrale virtuelle conserve jusqu’à 95 % des revenus possibles maximaux. Les résultats montrent également que l’utilisation optimale des batteries se déplace naturellement vers les périodes où les statistiques signalent un plus grand danger de pénurie, comme les rampes rapides du matin et du soir.

Ce que cela signifie pour la fiabilité des énergies propres

Pour un non-spécialiste, le message principal est que l’article propose une manière plus intelligente pour les centrales virtuelles de décider quelle quantité d’électricité elles peuvent promettre de façon fiable en s’appuyant fortement sur l’éolien et le solaire. En se concentrant sur les événements à faible production les plus dommageables et en les coordonnant avec le comportement des batteries, la méthode aide les opérateurs de réseau à obtenir une capacité fiable à partir de renouvelables variables sans sacrifier trop de revenus potentiels. Ce type de planification consciente du risque peut faciliter la participation des portefeuilles d’énergies propres aux marchés de capacité et de réserve, aidant les systèmes électriques futurs à rester à la fois verts et fiables.

Citation: Hua, D., Zeng, J., Lin, Q. et al. An expectile-based framework for risk-calibrated credible capacity evaluation of virtual power plants under wind and PV forecast uncertainties. Sci Rep 16, 15253 (2026). https://doi.org/10.1038/s41598-026-44559-5

Mots-clés: centrale virtuelle, éolien et solaire, stockage d’énergie, risque système électrique, prévision renouvelable