1L'humanité est confrontée à un défi climatique d'ampleur inégalée, et dont l'origine humaine ne fait plus de doute. En fonction du scénario d’émission de gaz à effet de serre et de pollution particulaire, le réchauffement à la fin du siècle pourrait être de 1°C à 4°C en moyenne. L’Accord de Paris appelle à un sursaut international pour limiter le réchauffement planétaire à « bien moins de 2°C » d'ici 2100 et enjoint les États à poursuivre les efforts en direction des +1,5°C. Les rapports du GIEC (Groupe d'experts intergouvernemental sur l'évolution du climat) successifs renseignent sur les conséquences des changements climatiques qui pourraient être évitées si le réchauffement était limité à 1,5°C, et non à 2°C ou plus. La probabilité que l’océan Arctique soit libre de glace en été serait d’une fois par siècle si le réchauffement est limité à 1,5°C, mais d’au moins une fois tous les dix ans s’il était limité à 2°C. Avec un réchauffement de 1,5°C, 70 à 90 % des récifs coralliens disparaîtraient, alors qu’avec un réchauffement de 2°C, la quasi-totalité serait anéantie. Pertes de biodiversité, augmentation des inégalités sociales, santé humaine et sécurité alimentaire menacées, risque d’effondrement économique, le pire est à venir. Limiter le réchauffement climatique global nécessite une modification radicale de nos comportements qui passe en grande partie par une révolution à imaginer pour la production et la consommation énergétique. En France, la loi sur la transition énergétique a pour objectif de faire baisser la consommation finale d’énergie française de 20 % d’ici à 2030 et de 50 % d’ici à 2050, tandis que la consommation d’énergie fossile devra reculer de 30 % en 2030.
2Le monde de l'énergie vit donc une véritable révolution. Les enjeux sont énormes. Le changement climatique, la croissance très soutenue de certains pays imposent des solutions nouvelles pour préserver nos ressources naturelles, subvenir aux besoins énergétiques de la planète et atténuer les effets du changements climatiques. Au cœur de ce défi sont les énergies renouvelables car elles sont faiblement émettrices de gaz à effet de serre. C'est un défi technologique. C'est également une révolution conceptuelle du secteur de l’énergie : la production historiquement centralisée devient diffuse, et la consommation doit davantage s'ajuster à la production disponible. Cette révolution en cours, dont la trajectoire est encore incertaine du fait de l'évolution rapide des technologies, du cadre juridique, de l'environnement socio-économique, passe par la mobilisation générale, mais différenciée, de tous les pays, l’ensemble des actrices et acteurs, du personnel de recherche, des industries, des autorités publiques, du personnel enseignant, toutes les citoyennes et les citoyens, et doit être accompagnée par une recherche de pointe pour laquelle la recherche en sciences du climat est parfaitement légitime (Drobinski et Tantet, 2022).
3C’est donc tout naturellement que le LMD a lui aussi entamé sa révolution au début des années 2010, en mobilisant son expertise sur la physique du climat pour apporter sa contribution à la transition énergétique, aussi bien du point de vue recherche que celui de l’enseignement. Cette expertise sert tout d’abord à améliorer la modélisation et la prévision du productible éolien et solaire et de la demande énergétique, nécessaires à une meilleure intégration des énergies renouvelables dans le réseau électrique. Elle sert également à étudier des scénarios prospectifs de transition énergétique sous l’effet du changement climatique et de l’électrification des usages (e.g. chauffage, mobilité, climatisation) en déterminant le bouquet électrique optimal. Elle sert également à étudier la résilience des systèmes électriques présent et futurs, en quantifiant l’impact des évènements climatiques extrêmes, et des événements de faible production d’électricité renouvelable et de forte demande, dans le cadre d’un programme cadre entre l’IPSL et RTE coordonné par le LMD. Enfin, ces travaux alimentent les rapports d’expertise en soutien aux politiques publiques dans des « GIEC » régionaux (MedECC pour le bassin Méditerranéen – Drobinski et al., 2020) et locaux (GREC francilien – Drobinski et al., 2022). Ces travaux pilotés au LMD s’inscrivent en partie dans le cadre du centre interdisciplinaire Energy4Climate (E4C), fédération d’une trentaine de laboratoires dont le LMD est un membre fondateur.
4Pour réduire les émissions de gaz à effet de serre, de nombreux pays établissent des objectifs ambitieux en matière de déploiement des énergies renouvelables pour leur approvisionnement en électricité. Étant donné que les énergies solaire et éolienne sont plus variables car dépendantes des conditions météorologiques que les sources conventionnelles, la réalisation de ces objectifs implique des changements dans la planification et l’exploitation du système électrique. L'intégration au réseau consiste à développer des moyens efficaces pour fournir de l'énergie renouvelable variable au réseau. Des méthodes d'intégration robustes maximisent la rentabilité de l'incorporation d'énergies renouvelables variables dans le système électrique tout en maintenant ou en augmentant la stabilité et la fiabilité du système. L'intégration au réseau couvre une variété de problèmes, notamment :
-
nouvelle production d'énergie renouvelable,
-
nouvelle transmission,
-
flexibilité accrue du système,
-
planifier un avenir riche en énergies renouvelables.
5Augmenter la part de la production d’énergie variable dans le réseau n’est pas simple. La sophistication du réseau peut être divisée en 6 phases en fonction de la part des sources d'énergie variables dans le réseau. En phase 1, la faible pénétration des énergies renouvelables ne pose pas de problème pour le réseau. En phase 2, les systèmes de contrôle classiques comme les centrales thermiques et hydrauliques suffisent pour intégrer les énergies variables sans avoir à transformer le réseau. Dès la phase 3, des investissements doivent être réalisés pour transformer le réseau afin de le rendre plus intelligent et plus flexible pour gérer l’équilibre offre-demande avec une demande nette d’énergie beaucoup plus variable. La flexibilité signifie renforcer les installations de stockage, effacer ou réduire les consommations grâce à une modulation horaire des prix de l'énergie ou à des systèmes d'alerte précoce. C'est aussi par la collecte massive de données de consommation et de production d'énergie et leur traitement en temps réel dans un système de gestion de l'énergie plus sophistiqué. Deux autres phases (phases 5 et 6) sont des étapes nécessaires pour un mix énergétique 100 % renouvelable. La phase 5 implique que des excédents structurels émergent et que l’électrification d’autres secteurs devienne pertinente. La phase 6 suppose de combler les périodes de déficit saisonnier, de fournir des applications non électriques et de faire émerger les carburants synthétiques. Les options de flexibilité pour les différentes phases de l'intégration des énergies renouvelables sont présentées dans la figure 1. Les ressources de flexibilité peuvent atténuer les défis liés à l'intégration des énergies renouvelables dans différentes phases et permettre au système d'intégrer davantage d'énergies renouvelables. L’un des leviers de flexibilité « bon marché » est l’amélioration de la prévision du productible renouvelable et de la consommation énergétique (figure 1).
Figure 1 : Options de flexibilité pour différentes phases d’intégration des énergies renouvelables
Les bulles de texte en gris indiquent les options de flexibilité. Adapté de AIE (2018).
6Les besoins de prévision météorologique pour la production d’énergie se déclinent sur des échelles de temps très variées. Les besoins peuvent aller de la minute à l’heure pour l’ajustement de la production. Les techniques déployées pour faire mieux que la persistance, sont les méthodes dites statistiques alimentées par les mesures les plus récentes disponibles. Aux échéances de quelques heures, le besoin de prévision concerne les échanges sur le marché intra-journalier, l’équilibrage de l’offre et la demande et l’allocation des moyens de production. À ces échéances de prévision, jusqu’à 6h, la prévision, qu’on appelle prévision immédiate, s’appuie sur une combinaison de méthodes statistiques et de méthodes dites « dynamiques » fondées sur des principes physiques et elles s’appliquent au marché dit « intra-day ». De quelques heures à 2-3 jours, les besoins concernent les échanges sur le marché dit « day-ahead », l’estimation de la demande, l’allocation des moyens de production à mettre en regard, et l’identification de situation de congestion. Dans ce contexte, seules les méthodes dynamiques sont applicables. Néanmoins, des biais systématiques peuvent apparaître qui doivent être corrigés par des méthodes statistiques dites de dé-biaisage. Enfin, au-delà de quelques jours, les méthodes numériques deviennent plus difficilement exploitables, des approches probabilistes pouvant combiner statistique et dynamique permettent d’extraire des informations météorologiques d’importance pour le système énergétique aux échéances mensuelles ou saisonnières. Ces prévisions sont généralement privilégiées pour planifier l'entretien des exploitations de production, calculer le bilan, gérer les risques et fixer le prix des produits dérivés, tels que des options d'achat ou de vente. Il existe donc 2 grandes familles de méthodes de prévision, les méthodes statistiques et les méthodes dynamiques. Dans certains cas, l’hybridation de modèles physiques et statistiques peut être nécessaire pour tirer le meilleur parti de chaque modèle. Les modèles statistiques reposent sur l’établissement de relations statistiques entre les données d’entrée et de sortie, sans intégrer la physique des processus sous-jacents. Les méthodes statistiques peuvent être divisées en 2 grandes familles. D’une part, les méthodes dites supervisées nécessitant un jeu de données d’apprentissage pour calibrer le modèle statistique. D’autre part, les méthodes dites non supervisées qui, contrairement aux méthodes supervisées, ne nécessitent pas d’apprentissage. On peut diviser les méthodes supervisées en 2 catégories, les méthodes de classification et les méthodes de régression, qui comprennent par exemple les régressions paramétriques linéaires ou non paramétriques, les régressions non linéaires avec par exemple des réseaux de neurones. Des techniques non supervisées peuvent être utilisées pour le regroupement de données semblables et la prévision sur la base de situations analogues.
7Les travaux conduits au LMD portent sur la prévision immédiate de la production solaire (Lindsay et al., 2020 ; La Salle et al., 2020 ; Cros et al., 2020 ; de Barros Soare et al., 2021) ou éolienne (Dupré et al., 2020a,b ; Bouche et al., 2023), souvent au sein du centre interdisciplinaire E4C. Les méthodes de prévision immédiate de la ressource solaire, s’appuient pour une grande part sur l’observation des nuages depuis le sol avec des caméras hémisphériques ou des observations satellites et une extrapolation de de leur déplacement au-dessus d’un point donné, pouvant être celui d’une ferme solaire, en supposant figée la vitesse de déplacement des nuages (figure 2).
Figure 2 : Vecteurs de mouvement
Sans (a) et avec (b) tests de cohérence (image acquise le 6 avril 2020 à 12:00 UTC). Le point rouge indique la localisation de la ferme solaire cible, à Palaiseau. Ces vecteurs, calculés par comparaison d’images consécutives du satellite géostationnaire Meteosat, sont utilisés pour projeter les nuages (visibles en blanc sur l’image) pour les instances futures et donc en dériver une prévision d’énergie solaire. La qualité de cette technique a été montrée dépendante des conditions météorologiques à l’échelle synoptique. D’après Cros et al. (2020).
8Pour la prévision immédiate éolienne, cette approche n’est pas possible. De façon générale, au-delà de quelques dizaines de minutes, des méthodes statistiques plus sophistiquées, comme les méthodes autorégressives, utilisent l’évolution passée récente du rayonnement solaire, de la température pour la prévision immédiate du productible solaire ou la vitesse du vent pour le productible éolien. Pour des échelles de temps de quelques jours, les prévisions peuvent être déterministes : un état de l’atmosphère très plausible est prédit. Les prévisions déterministes se prêtent à une utilisation assez directe pour le secteur de l’énergie car les états prévus de l’atmosphère permettent d’estimer les productions renouvelables et la variation associée à la météorologie de la demande. Aux échelles de temps plus longues qu’une semaine à une dizaine de jours, les prévisions numériques du temps doivent être probabilistes : par exemple quelle est la probabilité que les températures dans le Nord de la France soient plus froides que « la normale », c’est-à-dire la climatologie. Les prévisions aux échelles sub-saisonnières, de 2 semaines à 2 mois, et saisonnières sont plus difficiles à manipuler. D’une part, l’information y est moindre, d’autre part, elles sont probabilistes, et enfin ce n’est qu’au cours de la dernière décennie que les prévisions sub-saisonnières ont gagné en pertinence. En effet, la prévisibilité à ces échelles de temps vient de composantes du climat comme l’océan, la glace de mer, l’état des surfaces continentales (hydrologie de surface et végétation) ou la stratosphère, dont les évolutions sont plus lentes que celles de la basse atmosphère. Il a fallu que les modèles de prévision du temps incorporent une représentation de ces composantes ainsi que leur couplage avec l’atmosphère pour que des prévisions aux échelles sub-saisonnières deviennent pertinentes. Aux échelles saisonnières, l’information vient de modes de variabilité tels que le phénomène El Niño, qui résulte du couplage de l’océan et de l’atmosphère dans le Pacifique équatorial et qui influence la configuration de l’atmosphère sur l’ensemble du globe. Les recherches au LMD sur les prévisions sub-saisonnières à saisonnières explorent et cherchent à améliorer la fiabilité des prévisions pour les variables pertinentes pour le secteur de l’énergie comme le vent à 100 mètres ou la température à 2 mètres. Ces variables sont difficiles à modéliser car très sensibles aux spécificités locales et variant fortement à cause de la turbulence. Il est possible d’améliorer les sorties de modèles pour un site donné à partir d’observations passées et d’approches statistiques (Goutham et al 2021). Dans les prévisions saisonnières, il n’est pas nécessairement avisé d’utiliser directement ces variables, alors que l’on sait que l’information la plus fiable réside dans la configuration de l’atmosphère à grande échelle. En résumant à l’essentiel cette configuration atmosphérique, et en déterminant une relation statistique, jusqu’à présent linéaire, à des observations passées, il est possible d’obtenir des prévisions aux échelles sub-saisonnières plus efficaces que la climatologie (Alonzo et al, 2017,2020 ; Goutham et al, 2022 ; Goutham et al 2023). Ces travaux se poursuivent par l’exploration d’approches non-linéaires, telles que les réseaux de neurones, et par l’élaboration d’une nouvelle manière de combiner les résultats de modèles différents dans des ensembles multi-modèle de prévision.
9Les nombreuses techniques, développées au LMD pour la prévision ont chacune des horizons temporels de prévision spécifiques pour lesquels elles sont les plus pertinentes (figure 3). Les deux méthodes les plus simples et performantes figurent aux extrémités opposées du spectre temporel. La persistance fonctionne souvent très bien pour prévoir les conditions à très court terme, et la climatologie est le meilleur prédicteur pour les prévisions à long terme. Pour qu’une prévision apporte une valeur ajoutée, elle doit être capable de battre au moins ces deux méthodes. La persistance signifie que les conditions sont supposées rester inchangées. Une prévision basée sur la climatologie suppose que les conditions pour un jour ou une période particulière se situeront dans les normales statistiques dérivées sur plusieurs années pour ce même jour ou cette même période. Les méthodes statistiques sont légèrement plus compliquées et supposent un comportement systématique pouvant être décrit statistiquement. L’approche dynamique, est la méthode la plus utilisée pour prévoir au-delà de quelques heures. Au cours des dernières décennies, les progrès des méthodes de prévision ont considérablement amélioré leur précision. Pourtant, ils sont toujours sujets à des erreurs en raison de notre compréhension incomplète de toutes les mécanismes physiques et d'un échantillonnage insuffisant de l'état initial de l'atmosphère, en particulier dans les niveaux moyens et supérieurs de l'atmosphère, au-dessus des océans et d'autres zones inhabitées. Pour les méthodes numériques, selon les échelles de temps et selon les applications, la configuration de mise en œuvre est différente.
Figure 3 : Performances des différentes méthodes de prévision en fonction de l’horizon temporel de prévision
Source : EDP sciences
10Les travaux conduits au LMD, au sein d’E4C, ont également permis d’étudier la valeur économique des prévisions (Dupré et al., 2020b), et de prévoir le risque de déséquilibre offre-demande (Alonzo et al., 2022), en collaborant avec des économistes de l’environnement. Ainsi, pour les transactions sur le marché « intra day », les études ont ainsi montré que la disponibilité d’une prévision immédiate permet d’accroitre le revenu d’une ferme éolienne (figure 4). L’apport de la prévision réside dans le fait que les transactions annoncées pour le lendemain sur le marché « day-ahead » ont toujours des incertitudes, et disposer d’une bonne prévision immédiate pour participer au marché « intra-day » peut permettre de rattraper les erreurs et ainsi diminuer les pénalités qui sont appliquées en cas de sous-production ou surproduction par rapport à ce qui a été annoncé.
Figure 4 : Revenus de la production éolienne des parcs de Bonneval
(a) et de la Vènerie (b) de la société Zephyr EnR, en fonction du type de prévision météorologique utilisée. Source : d’après Dupré et al. (2020).
11La décarbonation du mix énergétique est une condition nécessaire pour l’aligner avec les objectifs de l’accord de Paris de maintenir le réchauffement climatique global bien en dessous de 2°C, et pour se faire d’atteindre aussi vite que possible le pic d’émission des gaz à effet de serre et la neutralité carbone entre 2050 et 2100. Cela nécessite une électrification de certains usages comme le chauffage et la mobilité, et d’effectuer une transformation rapide d’une production fossile à une production à base de technologies bas-carbone. Parmi ces technologies sont celles à base d’énergies renouvelables. Pour déterminer les évolutions du bouquet électrique de demain, intégrant massivement des énergies renouvelables, en particulier solaire et éolien, le LMD a développé, dans le cadre du centre E4C, un modèle intégré climat-énergie (E4Clim) à l’échelle des régions d’un pays. Il permet de définir des scénarios optimaux pour des systèmes énergétiques inter-connectés dans un contexte de changement climatique et d’électrification des usages (chauffage, transport…). Il tient compte de la variabilité spatiale et temporelle de la production renouvelable et de la consommation liée aux conditions météorologiques, des échelles horaires sur quelques kilomètres aux échelles multi-décénales et continentales. Pour cela, il s’appuie sur des estimations de production de différentes technologies et de consommation basées sur des données climatiques. C’est un modèle relativement parcimonieux dont le but est de faciliter l’identification et la compréhension de phénomènes importants liés à l’introduction d’énergies renouvelables. E4Clim permet d’évaluer et d’optimiser des stratégies de déploiement d’énergies avec une forte part d’énergies renouvelables, d’évaluer l’impact de l’introduction de nouvelles technologies et de la variabilité climatique, et de faire des études de sensibilité. Il permet de résoudre des problèmes d’optimisation de bouquets énergétiques optimaux à partir d’estimations de variables énergétiques issues de données climatiques et énergétiques. Une première application à l’étude de l’effet de la variabilité climatique sur différentes stratégies d’optimisation du bouquet photovoltaïque-éolien Italien a été conduite (figure 5) (Tantet et al., 2019). Il a ensuite été appliqué au Maroc pour étudier le potentiel de synergie entre deux technologies de production solaire (PV et CSP) et de stockage (Bouramdane et al., 2020, 2021). La sensibilité des stratégies d’optimisation à la part non-prévisible de la production solaire ainsi qu’à la granularité de la distribution spatiale des capacités renouvelables a été étudiée pour le cas de l’Espagne (Maimó-Far et al., 2020, 2022). Le modèle a ensuite été traduit en un problème de minimisation des coûts pour être appliqué au cas de la France et ainsi déterminer dans quelle mesure une mauvaise prise en compte de la variabilité climatique entraine un surcoût pour le système (Tantet et Drobinski, 2021). Sont également abordées grâce à cette méthodologie des questions portant sur les effets sur la valeur des énergies renouvelables dus à différentes évolutions du système : l’augmentation de la sensibilité à la température de la demande en réponse à l’électrification du chauffage, l’accroissement des besoins en flexibilité des producteurs conventionnels restants, etc.
Figure 5 : Bouquet énergétique PV/éolien en Italie en 2015
(a) est déduit du modèle E4Clim (b). D’après Tantet et al. (2019).
12La décarbonation du mix électriques par l'intégration des énergies renouvelables n'est qu'une étape de la transformation du système électrique. Il est fondamental aussi d'explorer la vulnérabilité et la résilience du système électrique face au changement climatique. Le changement climatique peut intervenir de façon diverse, il peut affecter d'une part la production électrique d'autre part la consommation électrique et enfin avoir un impact physique direct via l'augmentation de la fréquence et de l'intensité des événements extrêmes sur le système électrique. Enfin, il est important d’intégrer l’information du réchauffement climatique dans l'élaboration du mix énergétique pour une meilleure élaboration de la planification des investissements nécessaires à la transition énergétique.
13Le secteur de l’électricité ne se limite donc pas au « côté émissions » de l’équation du changement climatique, mais aussi au « côté impact » en raison de sa forte dépendance à l’eau, au travers de l’énergie hydroélectrique et thermoélectrique, qu’elle soit à base d’énergies fossiles comme le charbon ou le gaz, ou de nucléaire. La combinaison de la baisse du débit des cours d’eau et de l’augmentation de la température de l’eau dans le contexte du changement climatique est un élément critique pour le système électrique dans le contexte du changement climatique dans la plupart des pays d'Europe et en particulier d'Europe du Sud qui affichent des baisses de capacité utilisable hydroélectrique et thermoélectrique plus fortes que dans le reste du monde. Les baisses d’ici 2050 peuvent atteindre 10 à 15 % pour l'énergie thermoélectrique, et de 2,5 à 7,0 % pour l’hydroélectricité. L’hydroélectricité joue un rôle particulier dans la transition énergétique car elle est la seule énergie renouvelable en partie pilotable. Sa réponse au changement climatique est plus complexe que d’autres sources d’énergie renouvelables car elle ne dépend pas que des précipitations, et son utilisation doit être compatible avec les autres usages de l’eau (irrigation ou domestique) et l’équilibre écologique des cours d’eau. Les travaux conduits au LMD en collaboration avec le CIRED, au sein d’E4C, ont modifié le modèle hydrologique ORCHIDEE, en lui ajoutant les barrages et les usines hydro-électriques afin de simuler le potentiel hydro-électrique couplé aux autres demandes d’énergie simulées par le modèle EOLES de mix énergétique développé au CIRED, ainsi qu’aux autres demandes d’eau, (Baratgin et al. 2024). Pour les centrales hydroélectriques avec réservoir, les projections climatiques montrent une augmentation de la production hydroélectrique hivernale et diminution de la production printanière avec le changement climatique du fait d’une précipitation liquide plutôt que solide en hiver, une augmentation des précipitations hivernales et une fonte plus précoce de la neige. Pour les centrales au fil de l’eau, l’évolution de la production annelle incertaine, d’un changement simulé négligeable à une baisse de 12 %. En revanche, les changements saisonniers sont plus robustes avec diminution de la production hydroélectrique d’avril à octobre et une évolution plus variable en hiver, entre changement négligeable ou augmentation (figure 6). Des options d’adaptation pour répondre à la demande croissante en électricité repose d’une part sur une efficacité accrue du système de refroidissement des centrales thermoélectriques et d’autre part sur une contribution plus élevée des technologies de production d'électricité non dépendantes de l'eau comme l’énergie éolienne ou solaire moins affectées par le changement climatique, les baisses attendues en France n’excédant pas 5 % pour un réchauffement global de 2°C.
Figure 6 : Variabilité annuelle du potentiel hydroélectrique journalier (centrale à réservoir)
(a) et facteur de charge hydroélectrique (centrale au fil de l’eau) (b) pour différents horizons temporels : 2010-2030 (bleu), 2040-2060 (vert) et 2070-2090 (rouge).
14Le changement climatique affecte également la consommation électrique dont une partie est thermosensible, pour les besoins de chauffage en hiver ou les besoins de climatisation en été. Les travaux conduits au LMD ont surtout analysé l’évolution de la consommation en France. Ils ont montré que les besoins en chauffage devraient diminuer et devenir plus fragmentés et de courte durée (Filahi et al., 2024). Cette tendance est cependant est modérée par l’augmentation de la population. L’impact du changement climatique sur l’augmentation du besoin en climatisation est accentué par l’augmentation de la population avec une contribution équivalente entre tendance climatique et démographique (Cros et al., soumis). Durant l’hiver, une plus grande variabilité de la demande énergétique est attendue avec la diminution de la consommation moyenne et des pics de consommation dus à des vagues de froids moins fréquents mais tout aussi intenses. Cette variabilité accrue pourrait entraîner une plus grande vulnérabilité du système énergétique en absence de mesure d’adaptation pouvant répondre à un besoin plus grand de flexibilité (Filahi et al., 2024). Pour l’été, la projection de la consommation électrique sous l’effet du changement climatique dépend beaucoup de la dynamique d’adoption des climatiseurs, encore assez incertaine. Les travaux conduits au LMD ont montré dans des scénarios idéalisés d’adoption de la climatisation, que la diminution de la consommation électrique à taux de climatisation inchangée, pourrait être intégralement compensée suivant le scénario d’adoption. Pour un scénario d’adoption modéré, la consommation électrique pourrait augmenter dans le sud de la France sous l’effet du changement climatique. Pour un scénario d’adoption massif, la consommation électrique pourrait même augmenter sur quasiment tout le territoire (Tao et al., 2024). Le changement climatique ayant un impact sur la production d’électricité renouvelable et sur la consommation électrique, il en a en conséquence sur l’évolution du mix électrique. E4Clim a été utilisé pour analyser l’impact du changement climatique sur le mix actuel par rapport à un mix optimal complétement adapté au climat futur (Delort-Ylla et al., soumis).
15Enfin, le changement climatique peut augmenter le risque physique des infrastructures énergétiques et les rendre moins résilientes à la survenue d’événements extrêmes, telles que vagues de chaleur ou vagues de froid, tempêtes, précipitations extrêmes et crues, incendies, etc. Le LMD explore un champ nouveau de recherche sur les phénomènes à très faible probabilité d’apparition et très fort impact potentiel (Cozian et al., 2023). Ces travaux sont nécessaires pour pouvoir mieux prévoir et anticiper la résilience du réseau en termes de sécurité des infrastructures et de la gestion de l’équilibre offre-demande, et sont organisés dans un programme cadre entre l’IPSL et RTE, coordonné par Freddy Bouchet du LMD.
L’agrivoltaïsme au LMD, ou comment aborder de façon intégrée les enjeux de production d’énergie décarbonée, de soutenabilité de la production alimentaire et de préservation des ressources en eau face au changement climatique.
Les énergies renouvelables jouent, et joueront de plus en plus à l'avenir, un rôle important dans le défi du changement climatique. Cependant leur développement peut engendrer des conflits d’usage des terres (e.g. avec la production agricole) et de ressources (eau, écosystèmes). Cette dimension intégrée, appelée « nexus » est encore très peu prise en compte dans les politiques d’adaptation et d’atténuation. Des solutions pour intégrer la dimension nexus se développent et incluent par exemple de nouvelles techniques d’irrigation, ou l’agrivoltaïsme. L'agrivoltaïsme fournit une énergie propre et peut représenter un instrument important pour réaliser une économie alimentaire durable et circulaire dans les communautés rurales et agricoles (Dupraz et al., 2011). En outre, la construction de panneaux photovoltaïques au-dessus des champs cultivés peut permettre d'éviter la concurrence entre l'énergie solaire et l'agriculture dans l'utilisation des terres, et peut aider à atténuer l'impact du changement climatique sur la productivité des cultures, affectée par les épisodes de canicules et sécheresses plus nombreuses et intenses.
En effet, l’agrivoltaïsme modifie le système agricole et crée un microclimat pour les cultures aux conditions modifiées qui peut avoir des impacts bénéfiques (Barron-Gafford et al., 2019). Ce microclimat est affecté par la configuration (espacement, montage, suivi ou non) et le pilotage des panneaux photovoltaïques (Valle et al., 2017, Toledo et Scognamiglio, 2021). Les principaux impacts provenant de l'installation photovoltaïque sont la quantité et la variabilité spatiale de la lumière entrante, la circulation de l'air, y compris la turbulence et le flux d'énergie au sol, la température, l’humidité du sol et la variabilité spatiale des précipitations. Certains avantages signalés sont la réduction de l'évapotranspiration, particulièrement bénéfique pendant la saison sèche. Ce microclimat des cultures photovoltaïques présente de fortes variations selon chaque installation et doit être optimisé pour limiter la compétition entre les composantes agricole et photovoltaïque et augmenter la résilience des systèmes alimentaires, hydriques et énergétiques. Car les fermes agrivoltaïques peuvent également avoir des impacts négatifs sur les rendements, selon le type de culture et le type de panneaux photovoltaïque (Goillon et al., 2017). Afin de prouver sa pérennité à long terme, une analyse approfondie est encore nécessaire, à la fois à l'échelle locale avec des expérimentations dédiées mais aussi à l'aide d'outils de modélisation. Ces travaux sont conduits au LMD en développant, dans le cadre du centre E4C, une ferme agrivoltaïque adossée à l’observatoire atmosphérique SIRTA de l’IPSL (figure 7), ainsi qu’une plateforme de modélisation permettant d’étudier les bénéfices et inconvénients d’une telle technologie pour une meilleure résilience (maximisation de la production alimentaire, minimisation de l'usage de l'eau, maximisation de la production d'électricité décarbonée) face au changement climatique et à l’augmentation associée de la fréquence et intensité de certains extrêmes particulièrement impactant (vagues de chaleur, sécheresses).
Figure 7 : Vue de la ferme agrivoltaïque expérimentale développée au site de l’observatoire SIRTA
Deux plateformes sont visibles : le champ agricole sous des panneaux photovoltaïques qui bougent sur un axe de rotation est-ouest (à droite) et un champ agricole de référence (à gauge) pour la comparaison avec le premier champ et l’étude des impacts environnementaux.
16Barron-Gafford, G. A., et al. (2019). Agrivoltaics provide mutual benefits across the food–energy–water nexus in drylands. Nature Sustainability, 2(9), 848–855.
17Dupraz, C., Marrou, H., Talbot, G., Dufour, L., Nogier, A., & Ferard, Y. (2011). Combining solar photovoltaic panels and food crops for optimising land use: Towards new agrivoltaic schemes. Renewable Energy, 36(10), 2725–2732.
18Toledo, C., & Scognamiglio, A. (2021). Agrivoltaic systems design and assessment: A critical review, and a descriptive model towards a sustainable landscape vision (three-dimensional agrivoltaic patterns). Sustainability, 13(12), 6871.
19Valle, B., Simonneau, T., Sourd, F., Pechier, P., Hamard, P., Frisson, T., Ryckewaert, M., & Christophe, A. (2017). Increasing the total productivity of a land by combining mobile photovoltaic panels and food crops. Applied Energy, 206(October), 1495–1507.