Algorithme NEXEQ : notre percée en optimisation convexe pour réseaux hétérogènes
Publication dans Nature Energy : notre algorithme NEXEQ dépasse les méthodes de référence de 38% sur les benchmarks NIST pour la gestion de réseaux multi-sources.
Le 17 février 2026, notre équipe de recherche a publié dans la revue Nature Energy — l'une des publications scientifiques les plus prestigieuses dans le domaine de l'énergie — les résultats complets de l'algorithme NEXEQ (Network EXtended Equilibrium Quantification). Cet algorithme, développé sur 3 ans en collaboration avec le CNRS et l'École Polytechnique, représente une avancée substantielle dans la gestion optimale des réseaux électriques hétérogènes, surpassant les méthodes de l'état de l'art de 38% sur les benchmarks standardisés du NIST.
Le problème que NEXEQ résout
La gestion d'un réseau électrique moderne est un problème d'optimisation combinatoire de très grande dimension : des milliers de nœuds, des centaines de contraintes physiques (capacités de ligne, stabilité de tension, fréquence), des incertitudes sur la production renouvelable et une évolution en temps réel de la demande. Les méthodes classiques — OPF (Optimal Power Flow) linéarisé, decomposition de Benders — offrent des garanties d'optimalité en régime stationnaire, mais se révèlent insuffisantes face à la variabilité croissante introduite par les renouvelables. NEXEQ résout ce problème en reformulant l'OPF comme un programme d'optimisation convexe semi-définie (SDP), solvable en temps polynomial même pour des réseaux de plus de 10 000 nœuds.
Architecture mathématique et innovation principale
L'innovation centrale de NEXEQ réside dans la "relaxation moment-SOS" appliquée aux contraintes non-convexes de l'OPF. En pratique, les contraintes d'égalité quadratiques — qui rendent le problème NP-difficile dans sa formulation originale — sont remplacées par des inégalités de matrices positives semi-définies, obtenant une relaxation convexe dont la solution coïncide avec l'optimum global dans 97,3% des instances testées. La convergence de l'algorithme est garantie en moins de 150 itérations pour des réseaux jusqu'à 2 000 nœuds, et en moins de 800 itérations pour les réseaux de grande taille. Ces performances ont été benchmarkées sur les instances IEEE 9, 30, 57, 118, 300 bus et sur le réseau de référence NIST de 2 848 nœuds.
Résultats sur les benchmarks NIST
Sur l'ensemble des 47 instances du benchmark NIST publié en 2024, NEXEQ améliore le coût de dispatch de 38% en moyenne par rapport à la méthode DC-OPF de référence, et de 12% par rapport au meilleur algorithme SDP précédent (Lavaei et Low, 2012). Le gain est particulièrement prononcé (+52%) sur les réseaux à fort taux de pénétration renouvelable — précisément le cas d'usage le plus critique pour les gestionnaires de réseau. Ces résultats ont été vérifiés de manière indépendante par l'équipe de RTE lors d'une collaboration sur le réseau test français de 1 024 nœuds, validant la transposabilité des résultats académiques au contexte opérationnel réel.
Implémentation en production et impact industriel
NEXEQ est aujourd'hui intégré dans notre plateforme Smart Grid SMART depuis la version 3.2, déployée en décembre 2025. Il pilote en production 4 réseaux de distribution de taille moyenne (200 à 800 nœuds) en Occitanie et en Nouvelle-Aquitaine. Les économies de coût de dispatch observées en production s'établissent à 9,4% en moyenne par rapport à notre algorithme précédent, représentant 1,2 million d'euros d'économies annuelles sur ces réseaux. Une implémentation GPU accélérée, développée en partenariat avec le laboratoire LIP6 de Sorbonne Université, réduira les temps de calcul d'un facteur 15 avant fin 2026, permettant d'envisager un déploiement sur des réseaux de 50 000 nœuds en temps réel.
Publication ouverte et engagement scientifique
Dans le cadre de notre engagement pour la science ouverte, l'article complet est disponible en open access sur Nature Energy (doi: 10.1038/s41560-026-01847-x). Le code source de l'implémentation de référence de NEXEQ est également publié sous licence Apache 2.0 sur notre dépôt GitHub public. Nous invitons la communauté académique et industrielle à contribuer à son développement. Notre équipe R&D accueille chaque année 6 doctorants en convention CIFRE et 3 stagiaires en post-doctorat, dans le cadre de nos partenariats avec l'École Polytechnique, CentraleSupélec et l'Université Paris-Saclay.
Pour aller plus loin
Collaborer avec notre laboratoire de recherche
Nous accueillons des partenariats académiques et industriels sur nos thématiques R&D. Contactez notre Direction Scientifique pour discuter d'une collaboration.
Nous contacter