スマート充電戦略がコスト削減と電力負荷平準化を実現
電気自動車（EV）の世界的な普及が加速する中、電力系統への影響を管理する課題が重要性を増している。2050年までに中国の車両台数の70％をEVが占めるという予測もあり、住宅地域の電力ネットワークへの負荷は大幅に増加すると見込まれている。特にピーク時間帯における無制御な充電行動は、系統の安定性を脅かし、消費者の電気料金を増加させ、システム全体の効率を低下させる要因となる。こうした課題に対処するため、南京情報工程大学と無錫大学の研究チームが、ピーク負荷と低負荷の差を縮小するだけでなく、ユーザーの充電コストを削減し、充電インフラ事業者の収益性も向上させる画期的な最適化戦略を開発した。
李鵬教授と于斌准教授が主導する研究チームは、改良型多目的粒子群最適化（IMOPSO）アルゴリズムを活用した、エネルギー貯蔵機能付き充電ステーションの高度な運用フレームワークを導入した。彼らの研究成果は『南京情報工程大学学報』に掲載され、経済的インセンティブと系統安定性を両立させる包括的ソリューションを提示している。これはスマート都市エネルギー管理のためのスケーラブルなモデルを提供するものだ。
本研究は、EVの普及に伴う重要な懸念事項に対処している。すなわち、規制のない充電パターンが日々の電力需要の既存のピークを増幅させる「ピーク負荷増幅」現象である。この現象は変圧器の過負荷、電圧不安定性、住宅地域における電力品質の低下を引き起こす可能性がある。さらに、ユーザーが高料金時間帯に充電を行うと電気料金が上昇し、EV導入に対する経済的阻害要因となる。従来の解決策は系統側の規制または消費者価格メカニズムのいずれかに焦点を当てることが多かったが、両方の視点を効果的に統合した例は少なかった。
李教授らは、基本負荷と充電インフラを含む住宅電力ネットワークを単一の智能システムとして扱う包括的アプローチを提案している。このシステムの中核となるのは、EVと統合型エネルギー貯蔵ユニットの充放電サイクルを調整する動的スケジューリングモデルである。目的は二重にある：ピーク時とオフピーク時の負荷変動（ピークバレー差）を最小化すると同時に、ユーザーの充電費用削減と充電ステーション事業者の収益最大化という競合する二つの目的を最適化することである。
このバランスを達成するため、研究チームは時間帯別料金（TOU）制御戦略を設計した。このモデルでは、充電ステーション内のエネルギー貯蔵ユニットは低需要・低価格時間帯（通常は夜間）に充電され、高需要・高価格時間帯に放電される。この「谷埋めとピークカット」として一般に知られるプロセスは、総合負荷曲線を平坦化し、系統への負荷を軽減するとともに運用コストを低減する。
本研究を特徴づけているのは、その高度な最適化エンジンである。研究者らは標準的な多目的粒子群最適化（MOPSO）アルゴリズムを改良し、慣性重量や学習係数などの重要パラメータに対する適応的調整を導入した。これらの改良により、アルゴリズムは探索プロセスにおける探索と利用のバランスをより良く維持でき、複雑な多次元最適化問題でよく見られる局所最適解への早期収束を回避できる。
さらに、研究チームは探索空間内で過度にクラスター化された粒子を分散させる動的位置分割メカニズムを実装した。これにより群集の多様性が高まり、多目的文脈における最適なトレードオフ解の集合である真のパレートフロントを特定するアルゴリズムの能力が向上する。この革新により、実世界のエネルギーシステムに典型的な高次元非線形環境における収束速度と解の精度が大幅に改善される。
IMOPSOアルゴリズムの性能は、Sphere、Schwefel’s 1.2、Rastrigin’s、Ackley’s、Hartman’s、Shekel’s関数などのベンチマーク関数を用いて厳密にテストされた。結果は、IMOPSOが収束速度と解の質の両方において標準PSOおよび従来のMOPSOを一貫して上回ることを示した。特に、より少ない反復回数で大域的最適性を達成し、より均等に分布したパレートフロントを生成し、多目的トレードオフの優れた処理能力を示した。
実用応用では、30MW容量の110kV変電所にサービスを提供する模擬住宅コミュニティでモデルがテストされた。1500世帯からなるこの地域では、EV普及率は16％で、車両の60％が日常的な充電を必要としていた。各EVは60kWhのバッテリー容量を有すると仮定され、充電インフラには総容量1,050kWhのエネルギー貯蔵ユニットが含まれていた。
最適化されていない条件下では、このコミュニティのピーク負荷は15.4MWに達し、最小谷負荷は7.8MWで、ピークバレー差は7.6MWとなった。IMOPSOベースのスケジューリング戦略を適用後、ピーク負荷は12.3MWに低下し、谷負荷はわずかに8.9MWに上昇し、ピークバレー差は3.4MWに減少した。これは55％という顕著な削減率である。この結果は、30％の削減しか達成できなかった元のMOPSOアルゴリズムの性能を上回り、最適化効率が36％向上したことを示している。
経済的観点からも、メリットは同様に説得力がある。最適化された戦略により、ユーザーの総充電コストは4,901.71元から3,808.37元に減少し、1,093.34元（約22.3％）の節約となった。充電ステーション事業者にとっては、オフピーク時に安く買い、ピーク時に高く売るエネルギーアービトラージによる利益は1日あたり861元に達した。この二重の利益は、すべての関係者にとってWin-Winのシナリオを創出するモデルの能力を強調している：系統は安定性を獲得し、ユーザーは費用を節約し、インフラプロバイダーは収益を増加させる。
この戦略の成功は、充放電スケジュールの精密な調整にかかっている。オフピーク時間帯（23:00–08:00）には、システムは低コストの電力を使用して現場のエネルギー貯蔵ユニットの充電を優先する。中間ピーク期間（08:00–11:00および13:00–17:00）には、貯蔵ユニットはアイドル状態を維持し、EVは系統から直接電力供給される。高需要期間（11:00–13:00および17:00–23:00）には、蓄えられたエネルギーが放電され、EV充電需要を満たすことで、高価格料金時間帯における系統への依存度を低減する。
この動的配分は、リアルタイムデータ収集と予測モデリングによって可能となる。システムは基本負荷パターン、EVの到着・出発時間、バッテリーの充電状態（SOC）、ユーザーの充電嗜好を継続的に監視する。この情報に基づいて、各車両の最適な充電時間帯を計算し、系統制約に違反したりユーザー指定の時間制限を超えたりすることなくSOC目標が達成されることを保証する。
主要な革新の一つは、最適化プロセスへのユーザー選択の統合である。ドライバーは「順序充電」または「無順序充電」のいずれかを選択できる。無順序充電は速度を優先し、コストに関係なく即時の全電力充電を可能にする。一方、順序充電は、低料金と引き換えに充電をオフピークまたは中間ピーク期間に延期する。システムはユーザーにコスト比較を提供し、情報に基づいた決定を可能にする。実際には、最適化されたスケジュールによって提供される20％から30％の大幅な節約により、大多数のユーザーが順序オプションを選択すると予想される。
このモデルのもう一つの強みは拡張性である。単一の住宅コミュニティでテストされているが、基本原則はより大規模な都市地区、商業フリート、または公共充電ネットワークに適用できる。複数の充電ステーションを仮想発電所（VPP）に集約することにより、この戦略は周波数調整、電圧サポート、再生可能エネルギー統合などのより広範な系統サービスに貢献できる可能性がある。
さらに、このモデルの適応性は、異なる料金体系やEV普及率に適している。研究者らは、より高い車両普及率（最大200台）や様々なSOC要件（50％から90％まで）を含む様々なシナリオをテストした。すべてのケースで、IMOPSOアルゴリズムは堅牢な性能を維持し、一貫してピーク負荷とユーザーコストを削減した。ただし、需要が充電インフラの物理的限界に近づくと、最適化の限界利益は減少することに研究は言及している。これは、系統アップグレードとEVインフラ展開の共同計画の重要性を強調している。
成功にもかかわらず、この研究は特定の限点を認めている。現在のモデルは1,050kWhの固定エネルギー貯蔵容量を想定しており、こうしたシステムに関連する資本コストと維持コストを考慮していない。今後の研究では、様々なコミュニティ規模とEV導入レベルに対して最も経済的に実行可能な設置を特定するため、異なる貯蔵構成にわたる費用便益分析を探求する。
さらに、このモデルはユーザー行動と負荷パターンの正確な予測に依存している。実世界の展開では、予期しない車両の到着、運転習慣の変化、または異常気象などの不確実性が性能に影響を与える可能性がある。需要予測と適応制御のための機械学習技術の統合は、システムの回復力をさらに強化できる可能性がある。
この研究の意義は技術的革新を超えている。これは、電動化交通への移行を管理しようとする都市計画者、公益事業会社、EVサービスプロバイダーにとって政策関連の枠組みを提供する。智能充電が系統の信頼性を向上させ、消費者コストを削減し、新たな収益源を生み出すことを同時に実証することにより、この研究はスマート充電インフラへの投資に対する説得力のある論拠を提供する。
持続可能性とエネルギー効率が最重要である時代において、李鵬、于天洋、于斌、周成偉、孟偉の研究は重要な前進を表している。彼らのIMOPSOベースの最適化戦略は、EV統合の差し迫った課題に対処するだけでなく、より強靭で応答性が高く公平なエネルギーの未来の基盤を築く。
世界中の都市が脱炭素化とデジタル変革という二重の必須課題に取り組む中、このようなソリューションは不可欠となる。個々の消費者のニーズと広範な電力系統の安定性を調和させる能力は、もはや贅沢ではなく必要性である。継続的な改良と実世界での検証により、このスマート充電アプローチは次世代都市モビリティの礎となる可能性がある。
李鵬、于天洋、于斌、周成偉、孟偉 改良型多目的粒子群最適化に基づくエネルギー貯蔵充電桩の最適運用戦略 南京情報工程大学学報、2024 DOI: 10.13878/j.cnki.jnuist.20220627002