évolutives
Les résultats précédents correspondent à la modélisation d’un effet cascade entre le réseau électrique et le réseau d’eau potable. Ils montrent qu’il est possible, à partir d’un simulateur spécifique, de produire des zones d’impact évolutives. Il a été cependant démontré que ces résultats sont cependant très sensibles à plusieurs éléments.
· Les éléments propres aux territoires influencent les résultats, comme par exemple la connaissance de la répartition de la consommation, la connaissance des réactions
typiques (mise en place de groupes électrogènes en environ 1 heure, manipulation des vannes motorisées au cas par cas, etc…) et de leurs délais.
· Les éléments relatifs au contexte comme l’heure et la durée de la panne électrique ou encore la saison vont également influencer le résultat de ces simulations d’effet cascade.
S’il est tout à fait envisageable de simuler les réactions en cascade face à un scénario d’entrée donné (étendue et durée de la panne électrique connues), la multiplication des scénarios d’entrée entraîne une croissance exponentielle des résultats à obtenir (en fonction de l’heure de la journée, de l’état des réserves au moment de la panne, etc.). Cette complexité nécessite donc de structurer ces bases de données de zones d’impact évolutives pour qu’elles soient exploitables dans le cadre d’effets cascade plus généralisés.
L’utilisation de simulateurs spécifiques nécessite une expertise sur le réseau modélisé et des données mises à jour. C’est pourquoi il est primordial de garder cette simulation aux mains des experts que sont les gestionnaires des différents réseaux. L’utilisation d’un couplage faible entre des simulateurs permet de garder les capacités de simulation chez les gestionnaires, tout en permettant d’étudier les effets cascade et les interdépendances à un niveau plus central (institutions de sécurité civile). Ce travail propose d’utiliser les zones d’impact évolutives comme lien de couplage entre les simulateurs. La simulation de l’évolution spatio-temporelle des zones privées du service modélisé (eau, électricité, gaz, etc.) est à la fois le résultat d’une simulation d’un premier réseau et le groupe de données d’entrée d’une seconde simulation pour un second réseau. La résolution successive de ces zones d’impact nécessite une hiérarchisation des études. Celle-ci est justifiée par les connaissances à l’échelle du service urbain des différences d’influence entre les opérateurs. Ainsi, la figure ci-dessous représente cette hiérarchie des influences, d’après les données produites par Toubin sur les opérateurs parisiens face à la crue centennale [Toubin, 2014], et la pyramide de résolution associée à cette analyse et à la méthodologie proposée ici. La notion d’influence correspond à la somme des relations de dépendance à un opérateur, pondérée par l’importance de celles-ci.
Figure 57 : Groupe d’influence des opérateurs parisiens de réseaux techniques face à la crue centennale de la Seine, sur la base des données de [Toubin, 2014]
Figure 58 : Pyramide proposée pour la hiérarchisation entre opérateurs des calculs de zones d’impact pour la modélisation d’effets cascade
Cette approche respecte ainsi les contraintes pratiques relatives à la modélisation des effets cascade (diminution de la quantité de données à mettre à jour pour la Sécurité Civile, absence d’obligation d’expertise pour interpréter les résultats). Cependant, elle présente plusieurs limites. Tout d’abord, une résolution successive des effets cascade implique une impossibilité de modélisation des boucles de rétroaction (Figure 58). Par exemple la perturbation de service de RATP bus ne peut pas, par rétroaction, influencer la qualité de service du réseau de distribution d’eau potable. Cette limite est acceptable dans la mesure où la simulation des effets cascade est limitée à une période courte (hypothèse initiale). La seconde limite concerne la flexibilité de l’approche. En effet, en choisissant de garder l’expertise chez les opérateurs, cette approche se focalise sur une résolution centrée sur un scénario détaillé, en localisation et en intensité. Cette approche rend donc difficile l’extrapolation des résultats obtenus vers d’autres scénarios similaires mais d’intensité ou de localisation différentes. C’est pourquoi cette méthode nécessite en amont une analyse des menaces sur un territoire, et l’identification des scénarios clés à simuler (voir la section 3.1 pour le classement des scénarios).
Connaître les zones privées du premier service ne suffit pas pour identifier les conséquences sur le deuxième réseau. Il faut au préalable savoir quelles sont les infrastructures de ce second réseau qui sont exposées et vulnérables à cette coupure de service. Il faut également savoir au-delà de quel seuil un réseau n’est plus résilient (incapable de reprendre du service sans une aide extérieure). Cette analyse de vulnérabilité et de résilience est présentée dans le chapitre suivant. Connaître ces résultats permettra de restreindre le nombre de scénarios d’effets
cascade à étudier via des couplages faibles de simulateurs. Les deux approches sont donc complémentaires.
Méthode d’évaluation des conséquences sociétales immédiates et du seuil temporel d’évolution vers une crise dans le cas d’un effet cascade
Une fois que les zones d’interruption de services sont établies suite à un effet cascade, il reste à traduire celles-ci en conséquences sociétales, économiques et environnementales. En effet, c’est en fonction de la gravité de ces conséquences qu’un gestionnaire de crise adapte les ressources déployées. Quantifier les impacts en nombre de personnes touchées fait partie des objectifs prioritaires pour dimensionner la réponse. Jusqu’à présent de nombreux outils d’évaluation des conséquences basaient leur estimation sur le recensement au bâti ou à l’îlot des habitants. Or, en semaine, les citoyens actifs sont à leur travail et les étudiants à leur université, etc. . Certains projets, comme CIPRNet, améliorent leurs calculs en précisant que ces logements sont pleins pendant la nuit et le soir, et font disparaître statistiquement les habitants pendant les jours ouvrés. Cependant les métros, transports ou les commerces ne sont pas pris en compte dans le recensement, alors qu’ils connaissent des heures de pointe avec une concentration importante de personnes. Le projet DEMOCRITE propose une méthode de modélisation de l’évolution temporelle et spatiale de la densité humaine comme indicateur de vulnérabilité humaine. Connaître ces cartes permet en effet de mieux visualiser les enjeux en fonction des horaires et des saisons, et de comparer de façon automatique la gravité de différents scénarios de crise envisagés. Cette méthode a été développée pour DEMOCRITE, et l’auteur l’a appliquée sur un quartier du territoire BSPP possédant une forte activité tertiaire. Pour des raisons de sécurité, ni la localisation, ni l’échelle de la grille présentée ci-dessous ne seront communiquées. En revanche, le paragraphe qui suit présente de façon qualitative la méthode appliquée, les catégories de données, et les limites de validation du résultat [Grangeat, 2016,b, g].