Étude du réseau de l’Anhui : comment la volonté économique redéfinit le clearing du marché en 2026

Hefei, Chine. Source :

La pénétration des énergies renouvelables atteint des niveaux sans précédent. Les réseaux électriques font face à un paradoxe critique. L’infrastructure physique laisse penser qu’une grande flexibilité est possible. Les ressources de marché réelles ne tiennent souvent pas cette promesse. Une étude majeure publiée en septembre 2026 par les chercheurs de l’Institut de recherche économique et technologique de State Grid Anhui Electric Power Co., Ltd. et de l’Université de technologie de Hefei propose une solution novatrice. La recherche introduit un modèle de clearing collaboratif multi-échelles temporelles. Ce modèle s’appuie sur la région de faisabilité économique (WFR). Cette approche change radicalement la façon dont les gestionnaires de réseau évaluent et utilisent les ressources de contrôle centralisé.

Les modèles de clearing traditionnels reposent fortement sur les régions de faisabilité physique (PFR). Ces régions définissent les limites techniques maximales des actifs comme les centrales thermiques, les parcs éoliens et les systèmes de stockage d’énergie. Cependant, ces modèles supposent que les propriétaires des ressources suivent inconditionnellement les instructions de dispatching. Cette hypothèse ignore les réalités économiques des marchés de l’électricité. Les participants sont guidés par la recherche de profit, l’aversion au risque et les coûts d’opportunité. Prenons l’exemple d’un parc éolien. Il peut physiquement fournir une capacité de réserve ascendante. Si la perte potentielle due à l’écart par rapport à sa production prévue dépasse le paiement pour la réserve, il refusera tout simplement de participer. Cette réticence à vendre conduit à surestimer les capacités de régulation. Elle augmente également les risques de déséquilibres offre-demande lors d’événements extrêmes.

Le modèle WFR proposé comble ce vide. Il transforme les frontières physiques en espaces de décision économique. En intégrant les coûts d’opportunité inter-marchés et les métriques de CVaR (Conditional Value at Risk), le modèle quantifie l’impact des signaux de prix et de l’incertitude. Il montre comment ces facteurs réduisent la capacité effective disponible pour chaque type de ressource. Les unités thermiques voient leurs limites se contracter de manière asymétrique selon qu’il s’agit des heures de pointe ou creuses. Les parcs éoliens affichent des réductions significatives de leur capacité utilisable en raison des erreurs de prévision et des risques de pénalité. Les systèmes de stockage présentent un couplage inter-temporel fort. Les contraintes de niveau de charge limitent leur disponibilité immédiate. Les ressources de réponse à la demande ne s’activent que lorsque les prix dépassent des seuils de compensation spécifiques.

Implémenté dans un cadre de contrôle prédictif (MPC), l’étude démontre un processus séquentiel de clearing anticipé et intraday. Les marchés à terme établissent des calendriers de base à partir de frontières de volonté statiques. Les optimisations roulantes intraday ajustent dynamiquement les écarts en temps réel. Des études de cas sur un système IEEE 24-bus amélioré révèlent que l’intégration des contraintes WFR réduit les risques de déséquilibre offre-demande. Elle améliore également la résilience du système face aux fluctuations renouvelables. Lors de scénarios extrêmes, comme une chute soudaine de la production éolienne, le modèle coordonne avec succès des ressources hétérogènes sur différentes échelles de temps. Il transfère la fourniture de réserve des unités thermiques conventionnelles vers le stockage d’énergie à réponse rapide et la flexibilité côté demande.

Cette approche améliore non seulement la précision de l’allocation des réserves. Elle favorise aussi un marché de l’électricité plus efficace et résilient. En alignant les instructions de dispatching sur la véritable volonté économique des participants, les gestionnaires de réseau peuvent exploiter une flexibilité latente. Cela garantit des opérations stables même lorsque la transition énergétique s’accélère. Les résultats soulignent la nécessité de dépasser les contraintes purement physiques. Ils appellent à intégrer les dimensions comportementales et économiques dans la planification moderne des systèmes électriques.