Une approche hybride
de la modélisation du système électrique
Recruté depuis novembre en tant que post-doctorant au sein du projet PowDev, Théotime Coudray travaille au développement de méthodes de modélisation visant à analyser et renforcer la résilience des systèmes électriques. Combinant modèles physiques et statistiques, son approche hybride vise à créer des outils plus précis d’aide à la décision, prenant en compte l’évolution des réseaux d’énergie, ainsi que les défis liés au changement climatique.
Par Théotime Coudray, post-doctorant à l’UMI SOURCE (Université de Versailles Saint-Quentin-en-Yvelines / IRD)
La transition énergétique transforme en profondeur le fonctionnement des systèmes électriques. L’augmentation rapide de la part des énergies renouvelables variables (solaire photovoltaïque et éolien en particulier) introduit une incertitude structurelle dans l’équilibre entre l’offre et la demande, historiquement assuré par des moyens pilotables centralisés. Dans ce nouveau contexte, la flexibilité du système électrique devient un enjeu central. Un système électrique flexible se caractérise donc par sa capacité à ajuster la production, la consommation et les échanges pour maintenir l’équilibre à toutes les échelles de temps et d’espace.
Cette problématique est renforcée par le changement climatique, qui modifie à la fois les profils de production renouvelable et les dynamiques de consommation, notamment lors d’événements extrêmes comme les vagues de chaleur ou les périodes de sécheresse. Ces phénomènes rendent les situations critiques plus fréquentes et plus difficiles à anticiper, mettant sous tension les outils classiques de planification et d’exploitation.
C’est dans ce contexte que s’inscrit mon parcours de recherche, à l’interface entre économie de l’énergie, optimisation mathématique et intelligence artificielle. Mon objectif initial est de mieux comprendre comment les mécanismes techniques et économiques du système électrique interagissent, et comment ils peuvent être améliorés pour intégrer davantage de renouvelables tout en garantissant sécurité d’approvisionnement et efficacité économique.
Progressivement, cette démarche m’a conduit à m’intéresser aux approches hybrides, combinant modèles physiques détaillés et méthodes d’apprentissage automatique, afin de dépasser les limites respectives de ces deux familles d’outils lorsqu’elles sont utilisées isolément.
Combiner les modèles physiques et statistiques
Au sein du projet PowDev, mes travaux portent sur le développement de méthodes de modélisation et d’aide à la décision visant à analyser et renforcer la résilience des systèmes électriques face aux contraintes climatiques, technologiques et institutionnelles à venir. L’axe central de cette recherche est l’étude de la flexibilité multi-échelles, entendue comme la capacité du système à coordonner conjointement différents leviers tels que la production pilotable, le stockage, l’effacement de la demande et les échanges d’électricité, depuis l’échelle locale jusqu’au système national interconnecté avec les pays voisins.
Cette approche multi-échelles est essentielle dans un contexte où les déséquilibres entre l’offre et la demande ne sont plus seulement ponctuels ou localisés, mais peuvent émerger simultanément à plusieurs niveaux du système, sous l’effet de la variabilité croissante des énergies renouvelables et de la multiplication des événements climatiques extrêmes. Elle implique toutefois de traiter des systèmes fortement couplés, dynamiques et non linéaires, ce qui pose des défis méthodologiques importants.
Une première difficulté réside dans la complexité combinatoire de ces systèmes. Les modèles d’optimisation capables de représenter fidèlement les contraintes physiques et opérationnelles, qu’il s’agisse des réseaux électriques, des temps de montée en charge, des engagements d’unités ou des contraintes temporelles liées au stockage et à l’effacement, sont par nature coûteux en temps de calcul. Cette complexité limite leur usage pour l’exploration massive de scénarios, pourtant indispensable lorsqu’il s’agit d’évaluer la robustesse du système face à une large gamme de conditions climatiques et de trajectoires énergétiques.
À l’inverse, les modèles purement statistiques ou fondés sur l’apprentissage automatique offrent une grande rapidité d’exécution et une forte capacité de généralisation, mais peinent à garantir le respect des contraintes physiques et économiques fondamentales du système électrique. Utilisés seuls, ils peuvent produire des solutions irréalistes ou difficilement interprétables du point de vue opérationnel. L’objectif principal de mon travail consiste donc à articuler ces deux approches, en mobilisant l’optimisation comme référence physique et économique, et l’intelligence artificielle comme outil d’approximation structurée et d’accélération.
Concrètement, l’objectif est de construire un pipeline hybride dans lequel un modèle d’optimisation soigneusement paramétré sert à générer des solutions de référence sur un large ensemble de scénarios climatiques et énergétiques.
Ces solutions servent ensuite de jeu de données d’entrainement pour un modèle d’intelligence artificielle capable d’apprendre les structures sous-jacentes du système, en particulier les relations spatiales, les dynamiques temporelles et certaines contraintes implicites, tout en conservant une cohérence avec les lois physiques. Ce modèle est enfin mobilisé pour explorer rapidement de nouveaux scénarios, identifier des situations critiques, tester des stratégies d’adaptation et fournir des ordres de grandeur exploitables pour la décision publique.
Les applications potentielles de ces travaux sont multiples. Elles incluent l’évaluation de la robustesse des mix électriques, l’analyse prospective des besoins en flexibilité, la comparaison de stratégies d’adaptation face aux événements climatiques extrêmes, ainsi que l’éclairage des arbitrages économiques entre investissements dans les infrastructures de production et de stockage, sobriété énergétique et pilotage du réseau. À terme, l’ambition est de contribuer à une planification plus robuste, plus transparente et mieux outillée du système électrique, en intégrant explicitement l’incertitude climatique sans sacrifier la cohérence physique ni la lisibilité économique.
Une réponse pluridisciplinaire à un problème complexe
Ce qui me motive particulièrement dans le cadre de PowDev et du PEPR TASE, c’est la possibilité de travailler à l’interface entre disciplines, en lien étroit avec des chercheurs aux profils complémentaires. Les enjeux abordés (transition énergétique, adaptation climatique, robustesse des systèmes) appellent des réponses qui dépassent les frontières académiques traditionnelles.
Le cadre du PEPR offre un espace propice à cette approche, en permettant de combiner travaux méthodologiques de long terme et questionnements très concrets liés aux politiques publiques et à l’exploitation des systèmes énergétiques. Cette articulation entre rigueur scientifique et utilité collective est, à mes yeux, essentielle pour produire des résultats à la fois solides et pertinents.
Enfin, PowDev constitue un terrain d’expérimentation particulièrement stimulant pour tester de nouvelles manières de penser la décision énergétique, en assumant la complexité du réel plutôt qu’en la simplifiant excessivement. Cette exigence intellectuelle s’accompagne d’un cadre de travail marqué par une dynamique collective très positive, où les échanges informels, les discussions méthodologiques et les confrontations de points de vue nourrissent directement la recherche. Les liens qui se tissent entre chercheurs, au-delà des disciplines et des statuts, facilitent une approche réellement collaborative des problèmes, orientée vers un objectif commun : produire des connaissances et des outils utiles pour comprendre, anticiper et accompagner les transformations du système énergétique. Cette atmosphère de travail, à la fois rigoureuse et conviviale, constitue selon moi un élément essentiel de la réussite du projet PowDev.
Mon parcours
Titulaire d’un doctorat en économie de l’énergie obtenu à l’Université de Montpellier, je suis actuellement chercheur postdoctoral au sein de l’UMI SOURCE (Université de Versailles Saint-Quentin-en-Yvelines), où je contribue au projet PowDev du PEPR TASE. Mes recherches s’inscrivent à l’interface de l’économie, de l’optimisation mathématique et de l’intelligence artificielle, avec un intérêt particulier pour le fonctionnement des systèmes électriques et les enjeux liés à la transition énergétique.
Formé initialement à l’économie de l’énergie à l’Université Paris-Dauphine, puis ayant passé plusieurs années en tant que data scientist au sein d’un cabinet de conseil, j’ai ensuite repris le chemin de la recherche en développant un modèle multirégional d’optimisation de la flexibilité du système électrique. Ce travail m’a conduit à m’interroger sur les limites computationnelles des approches classiques et à explorer des méthodes hybrides combinant modélisation physique et apprentissage automatique.
Par ailleurs, mon expérience en data science appliquée nourrit mon attention portée aux usages opérationnels et à la traduction des résultats de recherche en outils d’aide à la décision. En dehors du cadre académique, je mène également une activité de romancier, qui alimente mon intérêt pour les questionnements existentiels et pour des récits capables d’articuler émotions, rigueur scientifique et narration incarnée.
L’objectif principal du projet POWDEV est d’évaluer et d’optimiser la résilience des systèmes électriques dans le cadre d’une insertion massive d’énergies renouvelables, en considérant les événements extrêmes dans les climats actuels et futurs, ainsi que la complexité des réseaux et des scénarios socio-économiques.
Les scénarios de changement climatique doivent être pris en compte dans l’analyse de la résilience car les événements extrêmes (sécheresse, tempêtes, orages) peuvent avoir de sérieux impacts. Les défaillances en cascade doivent être analysées avec une intégration appropriée des sources d’énergies renouvelables et du changement climatique. La chaîne de valeur sociétale et économique doit aussi être prise en compte. La résilience sera optimisée par des décisions appropriées en matière d’exploitation et de conception du système électrique.
Plus d'actualités Article
