La validation de la méthode de modélisation de référence

La méthode de modélisation de référence a été utilisée pour l’analyse de plusieurs cas d’étude (du département du LOT [PIGEN09], de la région PACA en 2002 et en 2007 dans le cadre du projet MDE PACA [TRANS05], [BETUR02], [ENDEM08], du projet PREMIO [BOUGN10]etc.). Afin de valider la pertinence des résultats délivrés par le modèle de la demande basé sur la méthode de référence, nous confrontons ci-dessous quelques résultats théoriques, issus des deux cas d’étude précités [ENDEM08] et [BOUGN10], à des données réelles (publications officielles et télémesures). Nous présentons la validation en « volume d’énergie » et en « flux d’énergie » (ou puissance) du modèle.

IV.2.5.1 La validation des évaluations en énergie

La première validation du modèle est appliquée au cas d’étude visant à évaluer les impacts d’un programme de MDE sur les départements de la région PACA [ENDEM08]. Dans le cadre de cette étude une évaluation de l’énergie consommée a été établie pour l’année 2005. Les résultats du point zéro sont comparés à des données publiques (cf. Tableau IV.2.5).

Valeur théorique

(MWh) reconstituée* (MWh)Valeur réelle Différence (MWh) Différence (%)

Alpes de Haute-Provence 599 756 525 379 74 377 12,4% Hautes-Alpes 536 180 474 980 61 200 11,4% Alpes-Maritimes 3 157 259 3 200 996 -43 737 -1,4% Bouches-du-Rhône 5 724 904 4 851 171 873 733 15,3% Var 3 038 567 3 139 487 -100 920 -3,3% Vaucluse 1 633 882 1 572 987 60 895 3,7% PACA 14 690 548 13 765 000 925 548 6,3%

* valeurs sur la base des consommations en Basse Tension de 1999 de la Direction Générale de l’Energie et des Matières Premières (aujourd’hui le MEEDDAT) extrapolées en 2005 à partir de données de l’Observatoire Régional de l’Energie

Tableau IV.2.5 - Comparaisons des valeurs théoriques et réelles de la consommation d’électricité résidentielle

et tertiaire dans les départements de la région PACA en 2005 – Source : [ENDEM08]

A l’échelle régionale, le modèle permet une reconstitution de la consommation à 6,3% près des valeurs réelles. Cette précision se dégrade lorsque l’on passe à une échelle départementale (donc plus fine). La précision varie en fonction des départements. Si les résultats sont très proches des valeurs réelles pour les départements du Vaucluse, du Var et des Alpes-Maritimes (une différence respective de -3,7% et -3,3 et -1,4), ils admettent un plus grand écart sur le département des Bouches-du-Rhône (une différence de 15,3%). Qu’en est il a une échelle spatiale inférieure ? Pour le vérifier, nous analysons le deuxième cas d’étude sur la commune de Lambesc, visant à évaluer les impacts de la plate-forme de pilotage développée dans le cadre du projet PREMIO [BOUGN10]. Dans cette étude, l’écart en volume de la consommation en électricité - par rapport aux télé-relevés effectués au niveau des postes Basse Tension de la commune - est de l’ordre de 13%. Ainsi sur cette commune en particulier, l’écart en énergie entre les données théoriques et réelles reste dans un ordre de grandeur semblable aux écarts à l’échelle départementale.

IV.2.5.2 La validation des évaluations en puissance

Sur les mêmes cas d’étude que ceux présentés dans la partie précédente, la validation en puissance est réalisée en comparant les valeurs théoriques et réelles : le facteur de charge des deux courbes, l’écart moyen de leurs puissances appelées et une analyse du phasage de leurs charges. A l’échelle de PACA, la moyenne des écarts est de 11% tandis que la différence des facteurs de charge est de 0,02 seulement (respectivement 0,57 et 0,59) entre les courbes de charge nette théorique et réelle. Enfin si on observe le phasage des deux courbes de charge (cf. Figure IV.2.6) on remarque une similitude dans les périodes d’appels de puissance. Les écarts varient d’un mois à un autre. Ainsi, les mois de mars à mai admettent des écarts plus importants, notamment sur la période 0-8h.

Figure IV.2.6 - Courbe de charge nette mesurée aux postes source de PACA et moyennée pour un jour-type

« semaine » avec la courbe de charge simulée à l’année 200522 – Source [ENDEM08]

Concernant le deuxième cas d’étude, on retrouve un écart moyen des deux courbes de charge de 12% [BOUGN10] (cf. Figure IV.2.7). Le facteur de charge des deux courbes diffère de 0,04 (respectivement 0,49 et 0,53). Les périodes d’appels de puissance entre les deux courbes coïncident, comme dans le premier cas d’étude. On remarque néanmoins un écart du phasage des deux courbes. La courbe réelle est marquée par des facteurs locaux qui influencent la consommation de l’électricité à Lambesc.

Figure IV.2.7 - Courbe de charge nette mesurée au poste source de Lambesc et moyennée pour un jour-type «

semaine » avec la courbe de charge simulée à l’année 200522 – Source [BOUGN10]

22 la courbe de charge simulée ne prend pas en compte le secteur agricol et industriel. Elle est donc systèmatiquement en deçà de la courbe réelle.

IV.2.5.3 Les limites relatives de la méthode

Toutes les méthodes de modélisation partagent une caractéristique commune, celle d’être élaborée pour un système et dans un objectif précis. Or les méthodes sont parfois détournées du système et de l’objectif pour lesquels elles ont été développées et peuvent dans ce cas admettre certaines limites de modélisation et/ou dans la pertinence des résultats qu’elles délivrent. Nous avons pu en identifier certaines de la méthode de modélisation SIMPACT, vis-à-vis des cas d’étude menés.

• La première limite identifiée porte sur les usages de consommation. Pour rappel, ceux-ci sont modélisés indépendamment, puis agrégés pour reconstituer la courbe de charge nette globale, cf. Equation 4. De cette manière, aucune interaction entre les usages n’est modélisée. Le calcul d’impact des actions de MDE est modélisé à travers la modification des valeurs de certains paramètres d’entrée en fonction du type d’action : par exemple, une action visant l’installation de Lampes Basse Consommation (LBC) est modélisée en diminuant la valeur du paramètre de « puissance moyenne » des équipements d’éclairage dans le sous-secteur concerné par l’action. De fait, lorsqu’un usage est affecté par une action, le modèle ne permet pas de prendre en compte les effets sur les autres usages de l’électricité. Mis à part si le modèlisateur répercute à travers les valeurs d’autres paramètres d’entrée l’effet sur les autres usages. Cet aspect du modèle entraîne des biais qui n’ont pas été évalués, à ce jour, par manque d’information. • La deuxième limite porte sur les coefficients d’allocation de la charge aux Postes Sources. Pour rappel, le modèle calcule dans un premier temps une courbe de charge à l’échelle d’une unité territoriale qui ensuite est affectée aux Postes Sources connectés, selon le coefficient d’allocation α (cf. Equation 5).

Actuellement, la méthode calcule ce coefficient de la manière suivante :

Coef(t,ps) =Nbcontrat_Nbcontrat(

₍,tps_ps))

Où

Coef est la fonction du coefficient d’allocation de la charge d’un territoire à un Poste Source Nbcontrat est le nombre de contrats en Basse Tension23

Ce coefficient est une approximation de la charge réellement desservie par un Poste HTB/HTA à une unité territoriale. Deux sources principales d’incertitude peuvent être associées à ce coefficient.

Premièrement il tient compte d’une proportion de clients et non de la puissance ou de l’énergie. Or deux clients en contrat Basse Tension (BT) (une résidence secondaire et une résidence principale) ont des quantités d’énergie et des appels de puissance différents. A noter qu’un contrat BT peut être en tarif bleu ou en tarif jaune, i.e. ce contrat inclut le secteur résidentiel et le petit tertiaire (certains commerces, et bureaux par exemple)23_.

23 Les clients « Basse Tension » sont les clients dont la puissance souscrite est inférieure à 250kVA : soit pour le traif bleu entre 3 et 36kVA et pour le tarif jaune entre 36 et 250kVA. Autrement dit les clients basse tension sont ceux dédiés aux petits consommateurs, principalement ceux résidentiels et tertiaires.

Ces dernières classes de consommateurs peuvent parfois avoir des consommations importantes qui modifient significativement la répartition de charge au niveau d’un Poste Source.

Deuxièmement il suppose que les secteurs et sous-secteurs sont répartis de manière proportionnelle entre les Postes Sources24_{. Autrement dit la courbe de charge est répartie au niveau des Postes Sources}

connectés selon la même proportion de parc bâti qu’à l’échelle de la commune. L’utilisation du coefficient actuel entraîne des biais qui n’ont pas été évalués, à ce jour, par manque d’information.

• Enfin la troisième limite identifiée porte sur la forme de la courbe de charge résultant du modèle. En effet le modèle ne considère pas tous les jours de l’année de manière explicite, puisque les profils d’usages sont définis par jour-type (cf. Annexe 7). Considérant ce paramétrage, les puissances appelées les plus fortes (particulièrement la maximum) d’une courbe de charge par an sont moyennées. Ce point est préjudiciable à l’évaluation des impacts d’actions ayant une influence sur les fortes puissances, notamment lors de simulation de situations extrêmes (par exemple des températures extrêmes qui entraineraient une puissance appelée supérieure aux appels normaux pendant une heure).