スマート充電モデルでコストと負荷を削減
電気自動車（EV）の普及は、環境への配慮から世界的に加速している。しかし、その恩恵の裏で、新たな課題が浮上している。それは、大量のEVが一斉に充電を開始することで電力系統に与える影響である。特に、帰宅後の夜間を中心に集中する「無秩序充電」は、電力需要のピークをさらに押し上げ、変圧器の過負荷や電圧低下を引き起こすリスクをはらんでいる。このまま放置すれば、EVの普及が逆に電力網の安定を脅かすという皮肉な事態になりかねない。
こうした課題に対し、革新的な解決策が提案された。中国国家電網河北省電力有限公司経済技術研究院の馬国真（マ・グォージェン）氏をリーダーとする研究チームは、モンテカルロ乱数シミュレーションアルゴリズムを活用した新たな計算モデルを開発し、EVの無秩序充電による負荷を効果的に低減する方法を確立した。その研究成果は、学術誌『Computing Technology and Automation』に掲載され、その有効性が広く注目されている。
この研究の核心は、従来の単純なシミュレーションを超えて、ユーザーの行動パターンの複雑さを高精度に再現することにある。EVの充電タイミングは、出勤時間、通勤距離、日常の外出回数、さらには「航続可能距離に対する不安（レンジ・アンシアスティ）」といった、非常に個人的でランダムな要因に左右される。この不確実性を無視して「平均的な行動」を前提にしたモデルでは、実際の電力網への影響を正確に把握することは不可能だ。
そこで研究チームは、モンテカルロ法という強力な計算手法に着目した。この手法は、確率的な事象を数千回、数万回と繰り返しシミュレーションすることで、全体の傾向やリスクを統計的に明らかにするものである。本研究では、ユーザーの「朝の出発時刻」、「帰宅時刻」、「1日の走行距離」、「1日の外出回数」、「1回の外出時間」など、充電負荷に影響を与える主要な行動特性を、それぞれ実際の統計データに基づいた確率密度関数（例：ロジスティック分布、ポアソン分布、対数正規分布）でモデル化した。これにより、600台のEVが存在する仮想的な都市部エリアを想定し、各車両がそれぞれ異なる行動パターンを持つリアルなシナリオを数千回シミュレートすることが可能になった。
そのシミュレーション結果は、無秩序充電の深刻な影響を如実に示している。特に、帰宅時間帯（18時頃）にユーザーが一斉に充電を開始するため、夜間（19時前後）に新たな電力需要のピークが形成される。この「二重ピーク」は、既存の家庭用電力需要に上乗せされる形で発生するため、電力網全体の負荷を急激に増大させ、系統の安定性を大きく損なう。このままでは、再生可能エネルギーの導入や、他の電化製品の普及といった並行するエネルギー転換の足かせになる恐れがある。
この問題を解決するため、研究チームは単一の戦略ではなく、複数の充電誘導戦略を組み合わせた「統合充電戦略」を考案した。具体的には、以下の三つの要素を重み付けして統合する。
第一に「ランダム充電」。これは、ユーザーが特に意識せずに充電する自然な行動を模した戦略だが、単独では効果が限定的である。
第二に「残り航続距離戦略」。これは、バッテリー残量が一定の閾値を下回った時点で充電を開始するという、ユーザーの「レンジ・アンシアスティ」に基づいた行動である。多くのユーザーがこの戦略を取るため、昼間の休憩時間帯などに新たなピークが生じる可能性がある。
第三に「電価格誘導戦略」。これは、時間帯別電気料金（ToU）を活用し、夜間の安価な電力が利用できる時間帯に充電を誘導するもので、系統の「山」を「谷」に移動させる（ピークシフト）目的で広く用いられている。
研究チームは、これらの戦略を単純に並列させるのではなく、それぞれに「重み係数（W1, W2, W3）」を設定し、最適なバランスを見つけることにした。しかし、この重み係数を手動で決めるのは極めて困難であり、最適解を見つけるには高度なアルゴリズムが必要となる。
そこで採用されたのが、「スパロー探索アルゴリズム（Sparrow Search Algorithm）」の改良版である。このアルゴリズムは、スズメの群れが餌を探す様子を模したメタヒューリスティック最適化手法であり、広大な解空間の中から最適解を効率的に探索できる。研究チームは、このアルゴリズムに「レヴィ飛行（Levy Flight）」戦略を組み合わせることで、局所最適解に陥ることなく、より広範な探索が可能になった。シミュレーションの結果、最適な重み係数はW1（ランダム）= 0.3325、W2（残り航続距離）= 0.4618、W3（電価格）= 0.2057と算出された。この結果は、ユーザーの充電行動において「レンジ・アンシアスティ」が最も重要な要因であり、次いで習慣的な行動パターン、そして経済的インセンティブが続くという、非常に興味深い洞察を提供している。
しかし、研究チームはここで満足しなかった。単に重み係数を最適化する「一層モデル」では、ユーザーのコスト削減と系統の安定化という二つの目標のバランスを完全に取ることは難しい。例えば、ユーザーのコストを最優先にすると、安価な時間帯に充電が過度に集中し、新たなピークを生む可能性がある。逆に、系統の安定性だけを重視すると、ユーザーが不便な時間に充電を強いられ、満足度が下がる。
このジレンマを解決するために提案されたのが、「二層最適化モデル」である。このモデルの第一層では、前述の改良スパロー探索アルゴリズムを用いて、ユーザーの充電コストを最小化する最適な重み係数を求める。第二層では、第一層で得られた解を入力として、その充電行動が電力系統に与える「負荷変動」を評価し、これを最小化するように再調整を行う。この二段階のプロセスにより、ユーザーの利益と系統の安定という、一見相反する二つの目標を同時に最適化することが可能になった。
この二層最適化モデルの有効性は、詳細なシミュレーションによって検証された。研究では、600台のEV（1台あたり65kWhのバッテリー、6.5kWの充電能力）が存在するエリアを想定し、実際の時間帯別電気料金を適用してシミュレーションを行った。
その結果は顕著なものだった。従来の無秩序充電と比較して、二層最適化モデルを用いることで、ユーザーの充電コストを15.9% 削減することができた。これは、ユーザーにとって非常に大きな経済的メリットである。さらに重要なのは、電力系統の「ピーク・バレー差」（ピーク時と谷間時の需要の差）を約10.1% 低減できたことである。これは、系統の安定性を大幅に向上させ、高コストなピーク電源の稼働を減らすことで、社会全体の電力コストを抑制する効果がある。
また、単純な改良スパロー探索アルゴリズム（一層モデル）と比較しても、二層最適化モデルは優位性を示した。一層モデルはユーザーのコスト削減率がわずかに高い（1.1%程度）が、ピーク・バレー差の低減効果は2.3%劣る。一方、二層モデルはコスト削減効果を若干犠牲にすることで、系統の安定性を大きく向上させている。この「トレードオフ」の選択こそが、本研究の真価であり、ユーザーの利便性と社会インフラの健全性を両立する現実的なソリューションを提示している。
この研究の意義は、単なる理論的な成果にとどまらない。その成果は、スマートシティやV2G（Vehicle-to-Grid）技術の実現に向けた重要な一歩となる。将来的には、EVが単なる電力消費者ではなく、電力網の一部として機能する「移動型バッテリー」となる。その際、本研究で開発されたような高度な最適化アルゴリズムが、膨大な数のEVをリアルタイムで制御し、電力需給のバランスを取る「脳」の役割を果たすだろう。
また、政策立案者にとっても重要な示唆を与える。時間帯別電気料金制度の設計や、スマート充電インフラの整備において、ユーザーの行動心理（特にレンジ・アンシアスティ）を正確にモデル化し、それを反映したインセンティブ設計が不可欠であることが明らかになった。技術的な最適解だけでなく、人間中心の設計（Human-Centered Design）が、エネルギー転換の成功を左右する鍵となる。
結論として、馬国真氏らの研究は、EV普及の暗い影を、明るい未来に変える可能性を秘めている。無秩序な充電という課題を、高度なシミュレーションと最適化技術によって、ユーザーと社会の双方に利益をもたらす機会へと転換した。電気自動車の時代は、単に車が変わる時代ではなく、エネルギーの「使い方」そのものが変わる時代である。その中で、本研究のような知的で精緻なアプローチが、よりスマートで持続可能なエネルギーシステムの構築に貢献していくだろう。
馬国真、王云佳、王竹梅、杜文通、国家電網河北省電力有限公司経済技術研究院、Computing Technology and Automation、DOI:10.16339/j.cnki.jjsyzdh.202402032