グリッド対応EV：仮想集約とスマート価格設定が充電の混乱を解決
電気モビリティの絶えず進化するドラマにおいて、一つの悩ましいプロットラインが消えようとしない：充電危機だ。バッテリー駆動のセダン、SUV、配送バンの車両が都市や郊外で膨れ上がるにつれて、それらの集団的な電子への渇望は、それらを支える老朽化した配電網そのものに負担をかけ始めている。かつてはクリーンエネルギーによる勝利のように思われたものが、複雑な物流上の問題を露呈している：もし何千台ものEVが一度に充電プラグを挿したら——例えば、長い仕事の後など——地域の変圧器はうなり声を上げ、電圧は低下し、最悪の場合、重要な饋線が停止する。これは「良いものの過剰」という古典的なシナリオが、リアルタイムで、一つのかなり過負荷の回路ごとに展開しているのである。
しかし、自動車メーカーのデザインスタジオではなく、電力系統研究所の静かな廊下や電力会社の制御センターから、新しい考え方が浮上している。中央集権的な指揮統制は忘れよう。EVと系統の調和の未来は、分散型知能にかかっているかもしれない。そこでは、動的で公平で、微調整された価格シグナルが、目に見えない交通整理係として機能する。このビジョンの中心にあるのは、仮想集約と交流最適電力流（ACOPF）という巧妙な組み合わせである。これらは一緒になって、系統の安定性だけでなく、より経済的で、スケーラブルで、ユーザーフレンドリーな充電エコシステムを約束する。そして、国網河北省電力公司と武漢大学の技術者・研究者チームによる最近の研究は、そのロードマップを描いたかもしれない。
まずは問題点——そして、なぜ古い修正法がもはや通用しないのか——から始めよう。
長年にわたり、電力会社は充電ステーションを dumb load（単純な負荷）として扱ってきた：予測可能で、受動的で、系統のストレスにほとんど無関心なものとして。初期の最適化努力は、直流電力流モデルに依存していた——これは、無効電力、電圧降下、ネットワーク損失といった現実世界の物理を無視した、単純化された線形近似である。それは高速で、扱いやすかった。しかし、パイロット地区でのEV普及率が10～15％の閾値を超えると、ひび割れが現れた。直流モデルは、長い饋線の末端での電圧違反や、老朽化したケーブルにおける渋滞誘発熱の真のコストを捉えることができなかった。さらに悪いことに、それらはしばしば、紙面上では最適に見えるが、実際には電圧低下（brownout）を引き起こしたり、手動での負荷遮断を強いたりする充電プロファイルを推奨した。
そして、力任せのアプローチが登場した：すべての個々のEVを、そのバッテリー状態、プラグイン時間、出発時間帯までモデル化する。徹底的に聞こえる？その通りだ。しかし、それは計算的に自殺的でもある。中型都市に5万台のEVがあると想像してほしい。そして、24時間にわたって、時間ステップごとに5万個の決定変数を持つ最適化問題を解くことを想像してみよ。今日の最速のソルバーがあっても、実行時間は数時間に膨れ上がる——前日市場の取引締め切りやリアルタイム調整には遅すぎる。モデルはその野心的な計画の重みに耐えきれず崩壊する。
そこで仮想集約が登場する——漠然としたバズワードとしてではなく、数学的に厳密な圧縮ツールとして。
こう考えてみよう：午後6時から10時までの間にショッピングモールの駐車場にプラグインされた40台の個別の車を追跡する代わりに、それらを一つの柔軟で大容量の「仮想EV」として扱うのはどうか。物理的な車両ではなく、行動的コホートである。これらのEVは2つの重要な特性を共有する：それらは狭い時間枠内に到着し、ほぼ同じ時間帯接続されたままになる。個々のバッテリー状態や充電レートは異なるかもしれないが、集合的に、それらは、集約された容量、最小/最大電力エンベロープ、総エネルギー需要を持つ単一の制御可能な負荷ブロックのように振る舞う。
その利点は？変数の数を劇的に削減することだ。河北-武漢の研究では、240台のEV（6箇所のサイトで各40台）をシミュレートした33ノードの配電システムにこの技術を適用することで、最適化の負担をほぼ半減させた。600台にスケールアップすると、計算時間は従来のEVごとの方法のわずか51％に減少した。そして決定的に、忠実性は犠牲にされない：集約体は依然としてそのすべてのメンバーの実行可能集合を尊重する。過充電されるEVはない。出発時にドライバーが立ち往生することはない。仮想実体は、数十の楽器を単一の首尾一貫した楽譜に要約する交響楽団の指揮者のように、忠実で高水準の代理なのである。
しかし、集約だけでは単なる組織化に過ぎない。行動を導くためには、インセンティブが必要だ。そこで動的ノード価格設定が登場する——具体的には、完全な交流最適電力流に基づいて構築された配電地点別限界価格（DLMP）の洗練版である。
均一料金や時間帯別料金とは異なり、DLMPは恣意的ではない。それは三つの具体的な系統現実のリアルタイムの反映である：
- エネルギーコスト——変電所における発電の限界費用。
- 損失コスト——電線の抵抗を克服するために燃やされる（または削減される再生可能エネルギー）追加の燃料。
- 混雑コスト——ボトルネック化した回線の過負荷を回避するために支払われるプレミアム。
郊外の環状線の重要な1-2線のような饋線が、午後9時に100％容量に近づいているとき、下流ノードでのDLMPは急騰する。罰としてではなく——情報として。それは系統がささやくようなものだ：「現在、ここでの充電は高価です——皆さんにとって。ほんの30分早くか遅くずらせば、お金を節約しながら停電を防げます。」
研究者らのシミュレーションでは、このシグナルはまさに意図した通りに機能した。DLMPがなければ、EVは安価な夜間の時間帯——03:00から05:00——に集中し、1-2線をその熱容量定格の109％まで押し上げた。混雑確認。 DLMPが活性化されていると、負荷は平坦化した：車両は01:00–02:00と05:00–06:00にシフトし、ピーク負荷時間帯を完全に回避した。回線負荷は正確に100％に低下した——安全で、安定して、効率的だ。手動介入なし。停電なし。経済性がその役割を果たしているだけだ。
決定的に、これはユーザーの設定を上書きすることによって達成されたわけではない。各「仮想EV」は自律的に応答し、価格シグナルのみに導かれて、自身のコストを最小化するために内部の充電スケジュールを最適化した。アグリゲーター（多くの場合、充電ネットワーク事業者またはフリートマネージャー）は、分解（disaggregation）を処理した：仮想ブロックの最適な電力プロファイルを個々のスケジュールに翻訳し戻し、どの車両もそのSOC（充電状態）や時間制約に違反しないようにした。これは二層のダンスのようなものだ：系統は価格を通じてルールを設定し；ローカルエージェントはその範囲内で実行する。
そして、利益は外側に波及する。
第一に、系統の健全性が向上する。研究では、ACOPFベースのスケジューリングは、制御されていない充電と比較して系統損失を約12％削減し、最低電圧を堅牢な0.98 p.u.（パー・ユニット）に維持した。これはANSI標準に十分収まっている。これに対し、制御されていない充電では、饋線末端の電圧は0.93 p.u.まで低下し、電圧低下の領域に近づいていた。
第二に、コストが公平に移転する。はい、総EV充電コストはわずかに上昇した——シミュレーションでは、¥2,185.79から¥2,215.31へ——なぜなら、ユーザーは自身が課した真の混雑コストを内部化したからだ。しかし、それは公平性の現れである。均一料金の下では、早期の充電者が過負荷を引き起こす遅れて来た者を補助している；電力会社は修理と増強の請求書を負担する。DLMPでは、ひずみを引き起こす者がそれに支払い——そして決定的に、それを回避する選択肢を得る。実際には、ほとんどのユーザーは、回避されたインフラ課金と系統全体の非効率性の削減のおかげで、平均的な請求額が低くなるだろう。
第三に、そして広範な採用にとっておそらく最も重要かもしれないが：スケーラビリティが解き放たれる。EVの車両数が数千台から数百万台に成長するにつれて、集中制御は不可能になる。仮想集約＋DLMPは本質的に分散型である。各ステーション、各フリート、各家庭用充電器は、ローカルの価格データに基づいて動作する。系統は細かく管理しない——それはシグナルを送る。システムは自己組織化する。それは航空交通管制のようなものだ：管制塔は各飛行機にどのように地上走行したり上昇したりするかを伝えない；それは許可と高度を発行し、パイロットはその枠組み内で航行する。結果は？最小限のオーバーヘッドで、安全に調整された何百万台もの車両である。
もちろん、実世界での展開には障害がある。多くの地域でのレガシーな計量インフラは、依然として1時間未満のエネルギー使用量を報告できず、動的価格を受信できない。消費者は「スマート」な価格設定への信頼を育成する必要がある；誰も驚きの請求書は望まない。そして、DSO（配電系統運用者）、アグリゲーター、充電ハードウェアベンダー間の調整は、依然として断片的である。
しかし、勢いの兆候は至る所にある。カリフォルニアのCPUC（公益事業委員会）は、EVフリート事業者向けにDLMPに似たメカニズムを義務付けている。英国の「Flexible Exports」プログラムは、系統ストレス時に充電を遅らせるためにEV所有者に支払う。自動車メーカーでさえも関与しつつある：フォードのElectrify Americaとの統合により、Lightningの所有者はリアルタイム価格を確認し、オフピーク時にバッテリーを事前調整（pre-condition）できる——応答を自動化する。
河北-武漢チームが提供するものは、実証済みのフレームワーク——標準的なIEEEネットワークでテストされ、ACOPFベンチマークに対して検証された——であり、理論と実践を橋渡しする。彼らの二段階モデル（系統レベルACOPF → ステーションレベルの分解）は堅牢で、二次錐緩和（SOC）によって凸化され、計算的に効率的である。それは量子コンピューターやAIのブラックボックスを必要としない——ただ、規律ある最適化とスマートな市場設計だけだ。
将来を見据えると、次のフロンティアは不均一性である。今日のモデルは、しばしば同一のEVを想定している。しかし、現実はより複雑だ：40kWhのパックを持つ日産リーフは、118kWhのルシッドエアとは非常に異なる振る舞いをする。2時間プラグインする通勤者は、8時間必要な配送バンと同じではない。将来のアグリゲーターは、プラグイン時間だけではなく、行動タイプ——バッテリーサイズ、充電速度、使用パターン——によってクラスタリングしなければならないだろう。他の最近の論文で探求されているように、深層強化学習はここで役立つかもしれない——しかし、基礎となるDLMP層が整った後でのみである。
もう一つのフロンティア：双方向電力流。双方向充電器とV2G（Vehicle-to-Grid）のパイロットが拡大するにつれて、EVは単なる負荷ではなくなる——それらは移動式バッテリーになる。DLMPはその後、再生可能エネルギー過剰時の負の価格を含み、ドライバーに充電に対して支払い、または夕方のピーク時の放電に対して正のインセンティブを与えるだろう。仮想集約の概念は自然に拡張する：「仮想バッテリー」クラスターは、周波数調整やブラックスタート支援のような系統サービスを提供し、補助市場に集合的に入札できる。
フリート事業者——特に物流、ライドシェア、公共交通——にとって、これは革命的だ。100台の配送バンがすべて真夜中に充電しないUPSのデポを想像してみよう。代わりに、それらのアグリゲーターは地元の電力会社と交渉する：「正午に余剰太陽光の500kWhを吸収し、午後6時に300kWhを放出します、適正な価格であれば。」 突然、フリートはコストセンターではなく——収入の流れと系統資産になる。
そして日常のドライバーにとっては？シンプルさ。プラグインする。出発時間と最小充電レベルをアプリで設定する。残りは目に見えないところで起こる：あなたの車は、一番安くて環境に優しい時に充電する、何の手間もなく。タイミングについての不安はもうない。タイマーとの推測ゲームはもうない。ただシームレスで最適化されたエネルギーが——届けられる。
これが系統対応EVの約束だ：より多くの複雑さではなく、より少ない複雑さ。トップダウンの制御ではなく、知的な自律性。混沌ではなく、調整——最古の市場メカニズムによって orchestrated（調整される）もの：価格によって。
前進する道には穴が空いているだろう。規制の障壁は大きく立ちはだかる。レガシーな電力会社は分散化に抵抗するかもしれない。動的価格シグナルのためのサイバーセキュリティは堅牢でなければならない。しかし、技術的基盤は確固としている。今必要なのは、勇気——パイロット実施し、洗練し、拡大する勇気である。
より多くの都市がバスを電化し、EV対応の建物を義務付け、内燃機関を完全に禁止するにつれて、充電危機は激化するだけだろう。我々はそれを、より大きな電線とより強力な変圧器——コストがかかり、反応的な追いかけゲーム——で迎え撃つことができる。あるいは、それを、よりスマートなシグナルとより賢明な集約——何百万もの個々の選択を集合的な回復力（resilience）に変える、先制的で優雅な解決策——で迎え撃つことができる。
系統はより少ないEVを必要としているのではない。それはよりスマートなEVを必要としている。そして仮想集約とACOPF駆動の価格設定によって、我々はついにそれらにうまく協調する方法を教えているのだ。
—
広華 呉¹, 洪盛 李¹, 陽 王¹, 博武 蔡², 飛 廖²
¹国網河北省電力有限公司 営銷服務中心, 石家荘市 050000, 中国
②武漢大学 電気工学・自動化学校, 武漢市 430072, 中国
SOUTHERN POWER SYSTEM TECHNOLOGY, Vol. 17, No. 8, Aug. 2023
DOI: 10.13648/j.cnki.issn1674-0629.2023.08.015