Prospective énergétique : l’exemple de SWITCH, un modèle de planification du système électrique made in UC Berkeley

, Partager

Les enjeux énergétiques auxquels sont aujourd’hui confrontés les états relèvent tout à la fois de la nécessité de réduire drastiquement les émissions de gaz à effet de serre et d’aérosols, d’assurer la pérennité de ces pays et la préservation de leur indépendance énergétique, et d’anticiper la diminution des ressources naturelles aux échelles locale et transnationale. Aux Etats-Unis comme dans le reste du monde, à l’heure où les investissements nécessaires dans les infrastructures électriques sont estimés à moyen terme à plusieurs milliers de milliards de dollars [1], les débats en matière de choix énergétique s’intensifient.

Le développement de modèles prospectifs se multiplie afin d’alimenter ces réflexions. Leur but ? Déterminer les niveaux d’investissements nécessaires à l’application de politiques énergétiques données tout en évaluant leurs impacts économiques, technologiques, environnementaux voire sociétaux. Mis au point par la sphère publique et académique comme par des acteurs privés - issus notamment du monde de l’énergie ou de la finance, ils prennent la forme d’outils d’appui stratégique et d’aide à la décision. Cet élan prospectif n’est pas anodin, bien qu’anticiper le futur ait toujours été un effort et un mouvement nécessaires à la planification énergétique. La valeur ajoutée des modèles actuels réside dans la capacité d’élaborer des scénarios à moyen et long termes de plus en plus sophistiqués, d’identifier les points critiques de la mise en place des politiques étudiées, de comparer différentes options et de souligner des tendances de développement micro et macro-économiques. La réflexion prospective est en effet soumise à des évolutions et mutations perpétuelles. L’intégration de politiques climatiques ambitieuses et de contraintes socio-culturelles de plus en plus complexes, la multiplication des acteurs impliqués dans la composition du mix énergétique de demain et les tensions relatives à la récente contraction économique mondiale justifient tout à la fois le développement de modèles et d’outils plus performants.

On distingue deux grandes approches : les modèles bottom-up (technico-économiques) et les modèles top-down (économiques), qui diffèrent essentiellement en raison des hypothèses technologiques et économiques sous-jacentes. Les modèles top-down sont construits sur une approche descendante. Partant d’une représentation agrégée de l’économie, un modèle top-down propose une vision globale et descendante du système énergétique considéré. Les variables utilisées sont de nature macro-économique (le capital, le travail et l’énergie consommée par exemple). Les modèles sont construits sur des estimations économétriques permettant des résultats fiables à court terme, et sont complétés par des constructions microéconomiques qui permettent une meilleure vue à long terme. Cette approche privilégie l’intégration économique globale : en revanche, son degré de raffinement technologique est faible, l’empêchant par exemple d’évaluer l’essor d’une technologie de rupture. A l’inverse, les modèles bottom-up sont construits sur une description technico-économique beaucoup plus détaillée. Pour chaque technologie prise en compte, la structure des investissements et des coûts, les capacités de production ou les rendements sont estimés. Ces modèles permettent donc d’arbitrer différentes filières énergétiques concurrentes en optimisant le coût total du système considéré. Leur limite principale est sans doute leur focus essentiel sur le système électrique : le reste de l’économie est négligée.

On comprend bien que l’idéal serait de combiner les avantages des deux approches, en ajoutant un module technologique à un modèle top-down ou un bouclage macro-économique à un modèle bottom-up. Une solution alternative est de coupler deux modèles différents, en injectant les résultats du premier dans le second de manière récursive. L’avantage de ces solutions "hybrides" est d’évaluer simultanément les coûts directs et indirects d’une politique énergétique donnée. Les différences structurelles entre les deux approches expliquent pourquoi l’évaluation du coût d’une politique peut varier considérablement en fonction de l’approche utilisée pour sa modélisation.

SWITCH, un outil de planification du secteur électrique

Si des outils de prospective et de planification des systèmes électriques sont aujourd’hui disponibles, peu s’attaquent réellement à l’établissement de synergies intégrant toute la gamme des moyens de production électrique mis à disposition. Dans cette optique, SWITCH est un outil de planification du développement des capacités de production et de stockage d’électricité d’une région donnée : l’optimisation est économique sous la contrainte d’hypothèses techniques et de politiques publiques - notamment environnementales - déterminées au préalable. SWITCH fait notamment le lien analytique entre le coût marginal de la tonne de dioxyde de carbone émise et la composition du système électrique associé : le but est de décrire l’ensemble de la chaîne de causalité dans une approche intégrée, de manière à étudier les interactions environnement-énergie.

Développé par l’équipe du professeur Daniel M. Kammen à l’UC Berkeley (au sein du RAEL, Renewable & Appropriate Energy Laboratory), l’outil SWITCH, utilise le langage de programmation AMPL. Il étudie le développement des capacités de production et de stockage d’électricité ainsi que des réseaux de transport et de distribution d’électricité à moyen terme (à l’horizon 2030 à 2050). Le modèle identifie les décisions d’investissement optimales répondant à une demande électrique future donnée. Il prend en compte les caractéristiques des mix et réseaux électriques existants, les conditions climatiques telles que l’ensoleillement, la pluviosité et l’intensité du vent, les technologies déjà développées ou prometteuses (systèmes de production et de stockage), le coût des carburants et les taxes environnementales mises en place. SWITCH est un programme linéaire mixte-entier dont l’une des particularités est un fin maillage spatial et temporel permettant d’intégrer la variabilité de la production renouvelable et les contraintes du réseau (et donc le dispatching quotidien). Construit sur une approche bottom-up, SWITCH est notamment utilisé pour identifier les technologies économiquement optimales pour satisfaire des niveaux prédéfinis de demande électrique et des objectifs climatiques. S’appuyant sur des niveaux futurs prédéterminés d’émissions de gaz à effet de serre, le modèle est également une aide à l’élaboration de politiques énergétiques permettant de répondre à ces objectifs.


Cadre simplifié du modèle SWITCH
Crédits : MS&T


L’exemple du WECC (partie ouest de l’Amérique du Nord)

Dans la première version de SWITCH, dont les résultats ont été publiés en février 2012, les chercheurs de Berkeley ont utilisé l’outil pour construire le modèle optimal sur la période 2012-2030 du système électrique du WECC (Western Electricity Coordinating Council), une région composée de onze états de l’Ouest américain, d’une partie du Mexique et de deux provinces canadiennes. Cette vaste région électriquement interconnectée constitue un cas d’étude particulièrement intéressant du fait de la grande quantité de production intermittente injectant sur le réseau et, en dépit de ces moyens de production "propres", de l’importance considérable des émissions de gaz à effet de serre.

Ces travaux montrent qu’avec l’application des politiques énergétiques et climatiques actuelles (notamment RPS, Renewable Portfolio Standards) et sans mesures supplémentaires (c’est le cas de base : BAU, Business As Usual), l’électricité sera produite avec un coût moyen de 95 $/MWh à l’horizon 2030 pour un niveau d’émissions de gaz à effet de serre représentant 200% des émissions de 1990 (année prise pour référence dans le protocole de Kyoto). Afin de diviser par deux ces émissions (scénario 450 ppm du GIEC), l’étude préconise un coût du carbone relativement élevé : autour de $90/tCO2. Dans ces conditions, plusieurs compositions de mix électrique à l’efficience économique similaire permettent d’atteindre ces objectifs : dans l’ensemble de ces scénarios, les émissions de CO2 en 2030 sont imputées aux centrales à gaz dont la part dans le mix de production s’étirerait de 21 à 36%. Ce système électrique permettrait d’accueillir 17 à 29% de production intermittente en parallèle de la production gaz et de l’hydroélectricité. Le coût marginal du kW électrique serait alors supérieur d’environ 20% au cas BAU.

Les résultats obtenus peuvent ensuite être présentés sous forme de graphe pour plus de lisibilité, et renseignent notamment sur la répartition géographique du mix énergétique et des réseaux de transmission, ainsi que sur le dispatching par énergie et par période d’investissement.


Production d’électricité et transmission moyennes dans la région WECC sur la période 2026-2029 en respectant les contraintes imposées par le RPS ainsi qu’un coût carbone de 60$/tCO2 et un coût de construction des centrales nucléaires de 4$/W
Crédits : Renewable and Appropriate Energy Lab, UC Berkeley / Anne-Perrine Avrin & D.M. Kammen



Dispatching horaire du système électrique optimal sur la période 2014-2017 sous les contraintes imposées par le RPS et un coût carbone de 60$/tCO2
Crédits : Renewable and Appropriate Energy Lab, UC Berkeley / Anne-Perrine Avrin & D.M. Kammen



Dispatching horaire du système électrique optimal sur la période 2018-2021 sous les contraintes imposées par le RPS et un coût carbone de 60$ par tonne de CO2. Le mix énergétique a notamment évolué via la construction d’un nouveau réacteur nucléaire pendant la période précédente (2014-2017)
Crédits : Renewable and Appropriate Energy Lab, UC Berkeley / Anne-Perrine Avrin & D.M. Kammen


Deux points sont particulièrement intéressants à souligner : d’une part, toujours dans l’optique de respecter les objectifs climatiques fixés par le protocole de Kyoto, l’installation de nouvelles capacités au charbon devrait être totalement prohibée (rappelons que les Etats-Unis sont l’un des plus gros producteurs mondiaux de charbon, et possèdent d’importantes réserves). Cela n’empêche pas de continuer l’exploitation de certaines centrales actuelles jusqu’en 2030 (mais intégrant des procédés de dépollution avancés). D’autre part, les politiques climatiques américaines actuelles sont insuffisantes pour atteindre ces cibles ambitieuses : c’est un état de fait pour la Californie, qui est pourtant un leader national dans le développement des énergies renouvelables. Un large éventail de mécanismes incitatifs a été mis en place pour favoriser l’émergence des projets de toutes les tailles, avec différents schémas de propriété possibles. L’objectif principal porté par le gouvernement de l’état est le Renewable Portfolio Standard (RPS) : d’après la loi, les compagnies d’électricité ont l’obligation d’ici à 2020 de s’assurer que 33% de l’électricité qu’elles distribuent soient produits à partir d’énergies renouvelables (l’énergie provenant des grandes installations hydrauliques n’est pas considérée comme renouvelable). Malgré cette ambition, l’effort pour atteindre les résultats escomptés en matière de réduction des émissions doit être plus important.

L’application de SWITCH au reste du monde : le cas de la Chine

Les pays actuellement en pleine expansion, tels les BRIC, font face à des problèmes dont les solutions paraissent à première vue antagonistes. Par exemple, la conciliation de la production d’électricité à un coût abordable avec la réduction des émissions polluantes et le respect des objectifs fixés par la communauté internationale en matière d’environnement. L’équilibre entre ces différents enjeux requiert une analyse croisée et complexe de données hétérogènes qui peuvent difficilement se faire sans l’aide d’un outil tel que SWITCH. De nouvelles versions de l’outil sont en cours de développement pour les autres régions du monde. Pour chaque pays, le laboratoire RAEL établit des liens avec les universités et institutions gouvernementales concernées afin d’obtenir des données de qualité, qui permettent à terme d’optimiser les simulations.

Prenons le cas de la Chine. Le pays, dont la production d’électricité utilise majoritairement des sources polluantes et dont l’efficacité énergétique est cinq fois inférieure à celle de l’Europe, est l’un des pays qui a fait de l’optimisation de son mix énergétique l’une de ses priorités. Son douzième plan quinquennal, qui s’étend de 2011 à 2015, prévoit de réduire le montant de l’énergie produite et la quantité de CO2 émis par unité de PIB de 16 et 17% respectivement. La consommation d’énergie primaire repose à 68% sur le charbon, présent en abondance et facilement exploitable sur le territoire chinois. Mais les coûts associés, que ceux-ci soient logistiques (nécessité de transporter le charbon sur des centaines de kilomètres des mines au Nord-Ouest jusqu’aux pôles urbains au Sud-Est), environnementaux ou humains (accidents dans les mines et maladies pulmonaires), contraignent le pays à revoir en profondeur son système de production d’électricité. Une version de SWITCH appliquée au cas chinois est en développement dans cette optique. Elle prend en compte les objectifs du plan quinquennal, les grands axes énergétiques déjà empruntés (développement de l’énergie nucléaire par exemple) ainsi que les caractéristiques inhérentes au pays (localisation des ressources énergétiques, séismologie, densité de population, accès à l’eau en quantité suffisante, etc.).

Les premières versions de SWITCH s’attachent à développer un modèle dont les résultats sont cohérents. D’autres cas sont étudiés, notamment pour l’Inde, le Chili et Singapour. Dans les futures versions, le maillage sera affiné et les données seront complétées. A terme, l’objectif de SWITCH est de devenir un outil fiable d’aide à l’investissement afin d’inciter les gouvernements à contrôler voire diminuer leurs émissions polluantes et la vitesse de consommation de leurs ressources, et ainsi de lutter contre la dégradation environnementale et le changement climatique.

Sources :


- [1] The Brattle Group (2008). Transforming America’s Power Industry : The Investment Challenge 2010-2030. http://www.brattle.com/newsevents/newsdetail.asp?recordid=568
- [2] Fripp, M. (2008). Optimal Investment in Wind and Solar Power in California. PhD thesis, University of California, Berkeley. http://gradworks.umi.com/33/88/3388273.html
- [3] Nelson, J., et al. (2012), High-resolution modeling of the western North American power system demonstrates low-cost and low-carbon futures. Energy Policy. doi:10.1016/j.enpol.2012.01.031 http://rael.berkeley.edu/sites/default/files/nelsonetal2012.pdf

Pour en savoir plus, contacts :

Le site web de RAEL (page internet concernant SWITCH) : http://rael.berkeley.edu/switch
Code brève
ADIT : 71765

Rédacteurs :


- Pierrick Bouffaron (pierrick.bouffaron@consulfrance-sanfrancisco.org) ;
- Anne-Perrine Avrin (anne-perrine.avrin@berkeley.edu) ;
- Suivez le secteur des Eco-technologies sur http://sf.france-science.org - Retrouvez toutes nos activités sur http://france-science.org.

Voir en ligne : http://www.bulletins-electroniques….