Une équipe de chercheurs de l’Université de Coimbra (UC) a développé un modèle intelligent qui optimise de 30 à 40 % la recharge des flottes de bus électriques et réduit les coûts d’exploitation.
Dans un communiqué de presse envoyé à Lusa lundi, l’UC explique que l’étude – intitulée « Stratégie de recharge coordonnée des bus électriques tenant compte du V2G et de la dégradation des batteries » – montre que le modèle contribue également à augmenter le cycle de vie des batteries.
L’étude a été publiée dans le magazine Energy et a été menée à l’Institut d’ingénierie des systèmes et des ordinateurs de Coimbra (INESC Coimbra) de l’Université de Coimbra, financée par la Fondation pour la science et la technologie (FCT).
Cités dans le communiqué, les chercheurs Jônatas Augusto Manzolli, João Pedro Trovão et Carlos Henggeler Antunes expliquent que la décarbonisation des transports publics est essentielle pour accroître l’efficacité énergétique, atténuer le changement climatique et réduire la pollution urbaine.
Cependant, « il reste encore des défis à surmonter pour permettre l’adoption massive de ces véhicules dans les villes – à savoir des limitations au niveau de l’infrastructure et de l’exploitation ».
« Actuellement, le réseau électrique n’est pas prêt pour une électrification complète des transports publics. Par conséquent, il est nécessaire de trouver des solutions qui surmontent ces obstacles ».
Le modèle propose une approche mixte « prenant en compte la vente d’énergie au réseau via la technologie V2G (vehicle to grid) et la dégradation des batteries ».
Carlos Henggeler Antunes et João Pedro Trovão, également professeurs à la Faculté des sciences et technologies de l’UC (FCTUC) et à l’Institut polytechnique de Coimbra (IPC), respectivement, soulignent : « ce qui distingue ce modèle est précisément le fait qu’il prend en compte de la dégradation des batteries ».
« La principale nouveauté du modèle est d’inclure un cadre de vieillissement des batteries pour évaluer les coûts de dégradation, ce qui augmente le cycle de vie des batteries, qui sont actuellement encore chères », expliquent-ils, ajoutant que “tous les véhicules n’ont pas besoin d’être complètement chargés pour fonctionner quotidiennement ».
« Cet aspect est pertinent car il réduit le coût de la charge et joue un rôle dans l’amélioration du cycle de vie des batteries ».
Pour évaluer l’efficacité du modèle, l’équipe a mené une étude de cas en utilisant des données réelles de la flotte de minibus électriques circulant à Coimbra.
Plusieurs analyses ont également été effectuées pour comprendre comment le modèle fonctionnerait de manière optimale dans la gestion de la flotte.
Les résultats obtenus ont montré que « en comparant le pire scénario possible – par exemple, recharger la flotte au moment où l’énergie est la plus chère et recharger tous les bus en même temps, sans aucune sorte de coordination – avec le modèle, une amélioration de 30 et 40% ont été atteints, un pourcentage très élevé, ce qui montre que, si la tarification est coordonnée, la réduction des coûts est très importante », a souligné Jônatas Augusto Manzolli.
L’équipe a également effectué des tests d’analyse de sensibilité pour évaluer les possibilités d’échange d’énergie avec le réseau électrique et a constaté qu’actuellement, cela ne serait pas avantageux, mais dans un proche avenir, cela pourrait être économiquement rentable.
Les chercheurs ont expliqué que le système évalue les « possibilités de transactions énergétiques avec le réseau, en tenant compte de scénarios de prix de remplacement des batteries et de variations du prix de l’électricité ».
« En ce qui concerne la dégradation des batteries et les ventes d’énergie, notre étude indique qu’en 2030, les coûts d’exploitation peuvent être inférieurs de 38 %. Par conséquent, l’approche présentée dans ce travail fournit un outil que les opérateurs de transport public peuvent utiliser pour aider à la prise de décision concernant l’électrification des flottes de bus ».
L’UC a également mentionné que la prochaine phase de recherche se concentrera sur le développement d’une version plus détaillée du modèle d’optimisation, permettant une prévision en quelques minutes pour réagir, par exemple, lorsqu’un accident se produit et force une réorganisation de l’ensemble de la flotte et de sa recharge.
Source : LUSA
