Optimisation environnementale de la gestion des consommations électriques en temps réel

La production d'électricité a été responsable en 2013 de 42,5 % des émissions de gaz à effet de serre provenant des combustions d'énergies fossiles. Or, l'intégration d'une production moins carbonée tournée vers l'utilisation des énergies renouvelables intermittentes telles que le solaire et l'éolien demande une amélioration technique des réseaux électriques afin d'assurer stabilité, sécurité et efficacité de la distribution. Une des solutions les plus prometteuses pour assurer cette avancée repose sur l'utilisation des technologies d'information et de communication. À travers l'augmentation de la communication et du contrôle aux différents points du réseau, le consommateur devient acteur du marché d'électricité grâce à des programmes de gestion des consommations. Ces programmes se basent sur des principes de réduction et de décalage des consommations. Ils permettent d'augmenter la capacité d'adaptation du réseau en allégeant les demandes lorsque le niveau de production est élevé. Cependant la performance environnementale des programmes de gestion des consommations sur le court et le long terme reste à être démontrée. En effet, les indicateurs utilisés pour décider du décalage des consommations sont très majoritairement économiques et ne prennent pas en compte des aspects environnementaux. L'analyse de cycle de vie (ACV) est une approche systémique qui évalue les impacts potentiels d'un service sur toutes les phases de son cycle de vie. Appliquée à la consommation d'électricité, l'ACV doit relever de nombreux défis comme celui de dissocier en temps réel les impacts de la production de ceux de la consommation lesquels sont aussi liés aux importations et exportations. D'autres défis concernent l'étude en temps réel des conséquences environnementales des technologies affectées par des variations de consommations. L'objectif de ce mémoire est de développer des indicateurs environnementaux utilisant l'approche cycle de vie qui permettent l'optimisation des consommations énergétiques et l'évaluation environnementale des programmes de gestion des consommations. L'étude de cas de ce mémoire est la France entre 2012 et 2015. Les indicateurs développés reposent sur deux approches d'analyse de cycle de vie des consommations électriques. La première approche, appelée attributionnelle, étudie à chaque instant les équilibres des réseaux en considérant les importations et les exportations afin d'établir des coefficients d'impacts révélateurs de la qualité de l'énergie consommée. Les impacts de la production d'électricité des pays principaux exportateurs à la France, soit la Grande – Bretagne, l'Allemagne, la Belgique, l'Italie et l'Espagne, sont considérés avec une résolution temporelle de 30 minutes. Ainsi entre 2012 et 2014, les émissions moyennes de l'énergie consommée en France ont été 21,8 % plus émettrices de GES que les émissions moyennes de l'énergie produite en France. Ces augmentations sont respectivement de l'ordre de 3,6 %, 4,3 % et 1,7 % pour les catégories d'impacts de la santé humaine, la qualité des écosystèmes ou l'utilisation des ressources. Les solutions des stratégies de gestion des consommations utilisant les indicateurs de l'approche attributionnelle réduisent les impacts environnementaux des consommations flexibles jusqu'à 38,5 % pour la catégorie changement climatique. De plus, les indicateurs basés sur les émissions de GES et les impacts sur la santé humaine offrent les solutions avec les meilleurs compromis d'optimisation sur les autres catégories d'impacts. Finalement, les solutions visant la réduction du prix de l'électricité achetée ne sont que 11 % du temps les mêmes que celles visant la réduction de l'empreinte carbone des consommations. Ainsi, l'optimisation environnementale va à l'encontre d'une optimisation économique de l'électricité consommée. Incorporer le prix carbone, qui représente le coût d'1 kg de CO2, au prix d'achat de l'électricité permet d'améliorer l'efficacité environnementale sur la catégorie changement climatique des solutions économiques. La deuxième approche d'analyse de cycle de vie utilisée dans cette étude est appelée conséquentielle. Elle étudie les conséquences environnementales de consommations supplémentaires sur le réseau électrique. L'approche est développée dynamiquement en étudiant les technologies affectées à très court terme par des variations de consommations. Deux modèles sont développés à partir de données globales. Le premier considère que l'ensemble des technologies de production contrôlables par l'opérateur du réseau sont les conséquences des variations des consommations. Le deuxième modèle suppose que certaines technologies de production sont des imprévus et ne peuvent être considérées comme des technologies affectées. Entre 2012 et 2014, en France, en Italie et en Espagne l'hydroélectricité est la technologie qui a le plus adapté sa production aux variations des consommations. Les programmes de gestion des consommations utilisant les indicateurs de l'approche conséquentielle permettent de réduire jusqu'à 98 % des émissions de GES associées aux technologies affectées par des consommations. Cependant, les deux modèles utilisant l'approche conséquentielle offrent des solutions différentes. Ceci montre que l'utilisation de l'approche conséquentielle dynamique au niveau global souffre d'un manque de considération des conséquences technologiques locales des consommations. Pour devenir performantes écologiquement, les stratégies de gestion des consommations doivent travailler avec les opérateurs des réseaux et intégrer les conséquences économiques et environnementales des stratégies sur le long terme. Ce travail met en exergue les rôles des approches conséquentielle et attributionnelle dans l'analyse de cycle de vie. Une approche couplant les conséquences à long terme de l'implémentation d'un programme utilisant des données dynamiques moyennées serait révélatrice des performances environnementales des programmes de gestion des consommations.

Abstract

Smart technologies such as smart metering provide new alternatives to mitigate the impacts of electricity generation. For instance, demand-side management (DSM) programs enhance the integration of intermittent renewable energy sources through changes in consumption patterns. However, changes are led by economic incentives and environmental benefits are not maximized. Life cycle assessment (LCA) is a standardized methodology that aims to assess the environmental impacts of a product or a service over its entire life cycle. The primary objective of our project is to develop environmental indicators to assess the environmental benefits of DSM programs and to provide new alternatives of changes in consumption patterns. Two distinct approaches were used in order to develop the indicators. The first one, called attributional, aimed to assess the potential impacts of real-time electricity use in France including generation, imports and exports with a life cycle approach. The second approach, called consequential, aimed to assess the environmental consequences of electricity use through changes in the technologies producing the energy. Then, based on both approaches, we evaluated the environmental performances of simple DSM strategies using environmental and economic indicators based on historic and day-ahead data. The real-time LCA of electricity generation in France, Germany, Great Britain, Italy, Belgium and Spain were conducted every 30 minutes between 2012 and 2014 in order to compute in France the real-time LCA of electricity consumption considering imports and exports. We found that the use of French generation impact factors compared to the use of French consumption impact factors underestimated on average by 21.8 %, 3.6 %, 4.3 % and 1.7 % the impacts of electricity consumption on the four environmental indicators: Climate Change, Human Health, Ecosystem Quality and Resources respectively. A use of 1 kWh was optimized every day between 2012 and 2014 based on the four environmental indicators previously developed and the price of the electricity. Each optimum scenario minimized every day the impacts or the price of the electricity use. We compared the five optimum scenarios with the help of the five indicators to five worst case scenarios. Each worst case scenario depicted the maximum of impacts or price achievable every day. The environmental indicator Climate Change had the widest range of mitigation compared to the worst case scenario, i.e. up to 38.5 %. If each environmental indicator was considered equally important, the optimizations based on the Climate Change and Human Health indicators offered the most effective solutions on all the environmental indicators. In addition, the optimization based on the price of the electricity was compared to the environmental optimization based on the Climate Change indicator. The environmental optimization cost 1.4 € per kg CO2 eq. saved for a mitigation of 12 % of greenhouse gases (GHG) emissions compared to the economic optimization. If a carbon price of 100€ per tonne of CO2 was applied, the new economic optimization would cost 0.04 € per kg CO2 eq. saved for a mitigation of 2.5 % of the GHG emissions compared to the previous economic optimization. Finally, a day-ahead optimization model was developed based on forecasts of European generation factors. Despite uncertainties related to electricity generation and consumption, we achieved a mitigation of 27 % of GHG emissions compared to the worst case scenario with the use of a realistic optimization model a day-ahead. For the consequential approach, two different models were used in order to define the dynamic technologies affected by the consumption from global data. The first one considered that all the controllable technologies, i.e. all the technologies except those from intermittent sources, were affected by the consumption and the second considered that only the controllable technologies which fluctuated in the same direction than the global consumption were affected by the consumption. Between 2012 and 2014, in France, Italy and Spain, hydroelectric plants were the main affected technologies for the two models. The DSM programs based on the indicators using the consequential approach reduced up to 98 % the GHG emissions of the technologies affected by the consumption. However, the two models had different optimal solutions. Hence, the assumptions made on the global data affected the results of the model. The consequential approach suffered from a lack of local considerations. To become environmentally efficient, DMS programs need to work with system operators of electrical network in order to assess the real local consequences of changes in use patterns.