スマート充電戦略が電力網を軽減
電気自動車（EV）の台頭は、持続可能なモビリティへの移行を象徴する世界的な潮流として、環境保護と二酸化炭素排出量削減の鍵となる技術として称賛されている。しかし、この成功の裏には、既存の電力インフラに深刻な負担をかけるという、見過ごされがちな課題が存在する。帰宅後の夕方から夜にかけて、何百万ものEV所有者が一斉に充電を開始すると、電力需要が集中し、特にピーク時間帯に配電網の限界を超える可能性がある。この「クラスター充電」は、ピークとバレーの負荷差を拡大し、電力会社の運用コストを増加させ、場合によっては変圧器の過負荷や電圧不安定を引き起こすリスクを孕んでいる。この課題に直面し、中国・安徽工程大学の研究者たちは、電力網の安定性と経済性を両立する画期的な解決策を提案した。彼らの研究は、電気自動車の充電という単なる「負荷」を、電力システムの「資産」として活用する可能性を示している。
Electronic Science and Technologyに掲載されたこの研究は、多目的粒子群最適化（MPSO）アルゴリズムに基づく高度な制御戦略を紹介している。これは、単純なルールベースの充電スケジュールをはるかに超える、ダイナミックで柔軟なソリューションである。この戦略の真骨頂は、電力網の安定性と電力会社のコストという、しばしば相反する二つの重要な目的を同時に最適化する能力にある。具体的には、システム全体の負荷変動（ばらつき）を最小限に抑え、かつ電力会社が電力を購入する際の「運営コスト」も最小化することを目指している。この二つの目的をバランスよく達成することで、電気自動車の普及が進む未来において、より安定的で効率的、かつ経済的な電力システムの実現を目指している。
研究を率いる李婷婷氏、娄柯氏、王园氏、徐华超氏のチームは、この課題の中心地である「住宅地」に注目した。住宅地は、EV充電の「爆心地」である。仕事から帰宅した住民が一斉にEVを充電スタンドに接続することで、予測可能でありながらも非常に大きな電力需要が発生する。この無秩序な充電が放置されれば、地域の変圧器が過負荷となり、大規模なインフラ投資を余儀なくされるだけでなく、再生可能エネルギーの不安定な発電量と相まって、電力供給の安定性を脅かす。研究チームは、万人に共通する画一的な解決策では不十分であることを認識し、人間の行動の不確実性や、車両・電力網の技術的制約を考慮した、洗練されたインテリジェント戦略の必要性を強調している。
より現実的なモデルを構築するために、研究者たちはまず、EVの充電行動を予測するという複雑な課題に取り組んだ。EVが家に帰ってくる時間や、その時点でのバッテリー残量（SOC）は、固定されたものではなく、確率的なパターンに従うことを認識した。交通行動に関する確立された研究に基づき、充電開始時刻は平均17時36分、標準偏差3.4時間の正規分布に従うとモデル化した。同様に、帰宅時のバッテリー残量（SOC）も、平均50%、標準偏差10%の正規分布に従うと仮定した。この確率論的アプローチは極めて重要であり、日常の通勤距離やスケジュールの多様性という現実の複雑さを反映している。
これらの行動モデルを基盤に、研究チームはモンテカルロ法という強力なシミュレーション技術を採用した。これは、膨大な数のランダムサンプリングを繰り返し行うことで、複雑なシステムを模擬する手法である。数千回に及ぶシミュレーションを実行することで、特定の住宅地における24時間のEV充電負荷を、極めて高精度に予測することが可能になった。この予測結果は、最適化モデルにとって不可欠な入力データとなり、研究が直面している課題の現実的な姿を明確に描き出している。このデータ駆動型のアプローチにより、提案された戦略は単なる理論的な構想ではなく、実際のEV利用のダイナミクスに根ざした、実用性の高いものであることが保証されている。
研究の中核をなすのは、多目的最適化モデルである。研究者たちは、問題を「住宅地内のすべてのEVの最適な充電開始時刻の組み合わせを見つける」という探索問題として定式化した。意思決定の変数は、各EVの充電開始時刻である。目標は、これらの時刻の組み合わせを調整することで、電力システム全体にとって最も好ましい結果を導き出すことだ。第一の目的、「負荷変動の最小化」は、電力網の安定性を確保するためのものである。負荷変動が大きいことは、ピークとバレーの差が激しく、電力網にとって非効率的で負担が大きいことを意味する。負荷曲線を平滑化（フラット化）することで、高コストで環境負荷の大きいピーク電源の稼働を減らすことができ、既存のインフラの利用率を向上させ、電力網の全体的な安全性を高めることができる。第二の目的、「運営コストの最小化」は、電力会社にとって直接的な財務上の関心事である。このコストは、一日のうちどの時間帯に電力を購入するかによって決まる。多くの地域では、深夜や早朝のオフピーク時間帯に電力料金が大幅に安くなる。本モデルは、時間帯別料金（TOU）制度を組み込んでおり、深夜0時から午前8時までの料金が最も安く、夕方17時から夜21時までのピーク時間帯の料金が最も高くなる設定である。この料金体系に従って充電を深夜帯にシフトすることで、電力会社のコストは劇的に削減される。
MPSOアルゴリズムの真の優位性は、この二つの目的の間に生じる「トレードオフ」を巧みに管理する能力にある。二つの目的を同時に最適化するのは不可能である。例えば、負荷曲線を完璧に平滑化する戦略は、一部のEVが高価なピーク時間帯に充電を行う必要があり、結果として運営コストが上昇してしまう。逆に、コストを最小化するために最も安い時間帯にのみ充電を行う戦略は、その時間帯に新たな（ albeit smaller）ピークを生み出してしまい、負荷変動を悪化させる可能性がある。MPSOアルゴリズムは、このような複雑なジレンマを解決するために、「パレートフロント」と呼ばれる最適解の集合を生成する。これは、ある目的の改善が別の目的の悪化を伴う、複数の最適な妥協点の集合である。この「パレートフロント」は、電力会社の運営担当者に選択肢を提供する。電力網の安定性を最優先するのか、コスト削減を最優先するのか、あるいはそのバランスを取るのか。この柔軟性こそが、実際の運用現場における意思決定の幅を広げるものである。
このモデルの有効性を検証するために、研究チームは中国・上海の実際の住宅地を想定した詳細なシミュレーションを行った。対象となるのは、500kVAの変圧器で供給される140世帯の住宅地であり、70台のEVが存在する。各EVは45kWhのバッテリーを搭載し、7kWの出力で充電を行うものと仮定した。また、翌日の走行に備えてバッテリー残量（SOC）が30%以上になるよう充電完了させるという実用的な制約も設けられた。MPSOアルゴリズムは、100個の粒子（候補解）からなる集団で200回の繰り返しを実行し、最適解の探索を行った。
シミュレーションの結果は、従来の「無秩序な充電」と比べて、提案された戦略の圧倒的な優位性を示している。無秩序な充電の場合、帰宅時間に合わせて充電が集中するため、夕方から夜にかけて負荷が急激にピークを迎える。EVの台数が10台から70台に増えると、システムのピーク負荷は122.5kWから275.8kWへと、ベースとなる住宅地の通常負荷（98.5kW）に対して実に180%近くも増加する。この負荷は、地域の変圧器に甚大な負担をかけ、電力供給の信頼性を脅かす。
一方、MPSOアルゴリズムによる「秩序ある充電」を適用した場合、その結果は劇的に異なる。70台のEVが存在しても、ピーク負荷は137.6kWに抑えられ、ベース負荷に対して39.7%の増加にとどまる。これは、無秩序な場合に比べてピーク需要を大幅に削減したことを意味する。さらに驚くべきことに、参加するEVが10台や30台といった少数の場合、ピーク負荷はそれぞれ89.69kWおよび95.21kWとなり、住宅地の通常ピーク負荷（98.5kW）を下回る。これは、適切に管理された少量のEVが、再生可能エネルギーの発電余剰を吸収したり、負荷曲線の小さな谷間を埋めたりすることで、事実上「仮想バッテリー」として機能し、電力網の安定化に貢献できることを示している。これは、V2G（Vehicle-to-Grid）と呼ばれる概念であり、本モデルは放電時のコスト構造を考慮することで、この可能性を既に内包している。
充電スケジュールの分析からは、この戦略の「知性」が明らかになった。従来の17時から20時の時間帯に集中するのではなく、最適化された開始時刻は主に「21時から深夜0時」と「深夜0時から午前4時」という二つのオフピーク時間帯に集中している。このシフトは、時間帯別料金制度と完全に一致しており、電力会社が1kWhあたり0.365元という最も安い料金で電力を購入できるようにしている。これは電力会社のコスト削減に直結するだけでなく、EV所有者にとっても大きなメリットとなる。V2Gに対応したシステムでは、所有者は車両から電力網に供給したエネルギーに対して報酬を受け取ることができる。また、電力が最も安い時間帯に充電することで、所有者の実質的な充電コストを下げることができる。研究では、選択された最適解がシステム運営コストを163.7元にまで削減したことが確認されており、これは無秩序な充電に比べて劇的なコスト削減である。
この研究の意義は、上海の一つの住宅地に留まるものではない。世界中の電力会社や電力網オペレーターが、EVの爆発的な普及に備えるための、スケーラブルで堅牢なフレームワークを提供している。MPSOアルゴリズムは、複雑で多次元的な問題において高品質な解を見つける能力が証明されており、リアルタイムまたは前日予約型の充電スケジューリングの実用的なツールとしての可能性を秘めている。また、車両の最大充電出力、翌日の走行に必要な最低SOC、地域変圧器の総容量といった、実運用上不可欠な制約条件をモデルに組み込むことで、紙上の最適解ではなく、現実世界で安全かつ実行可能なソリューションを提供している。
さらに、この研究は、電力網の未来に関する議論を一歩進めたものである。議論の焦点を「EVにどれだけの電力を供給するか」という単純な問いから、「EVをいかに電力網の一部として、よりスマートで柔軟なインフラに統合するか」というより洗練された問いへと移している。EVを単なる「負荷」としてではなく、移動可能なエネルギー貯蔵装置として捉えることで、ピークシフト、負荷分散、周波数調整といった、電力網にとって貴重なサービスを提供する可能性が開かれる。これにより、新しい発電所や送電線への高コストな投資を遅らせ、あるいは不要にすることができ、最終的にはすべてのユーザーにとってより持続可能で経済的なエネルギーシステムの実現につながる。
本研究は、現代の工学的課題を解決する上で、高度な計算手法の重要性を浮き彫りにしている。従来の制御戦略は、何千もの独立したエージェント（EV所有者）が自らの意思で行動するという、複雑で不確実なシステムに対処するには、往々にして硬直的すぎる。MPSOのようなメタヒューリスティックアルゴリズムは、群れの集団行動から着想を得ており、膨大な解空間を効率的に探索し、妥協点を見つける能力に優れている。本研究は、コンピュータサイエンスと電気工学が融合し、社会的な重要課題に取り組む強力な例となっている。
現在のモデルは大きな進歩であるが、研究者たちはさらなる改善の余地を認めている。一つの方向性として、粒子の探索と収束のバランスを制御する「慣性係数」などのアルゴリズムパラメータの最適化が挙げられる。将来的には、スマートメーターからのリアルタイムデータや車両のテレマティクス情報を組み込み、再生可能エネルギーの発電量が急増したり、予期せぬ停電が発生したりするような不測の事態に即応できる、動的で適応的なシステムの構築も可能になる。また、より複雑なユーザーの好みや行動モデルを組み込むことで、システムの使い勝手を高め、参加率を向上させることも期待される。
結論として、安徽工程大学の李婷婷氏、娄柯氏、王园氏、徐华超氏によるこの研究は、電気自動車革命が直面する最も切実な課題の一つに対して、時宜を得てかつ技術的に堅実な解決策を提示している。彼らの多目的粒子群最適化戦略は、EV充電が電力網に与える影響を管理するための明確な道筋を示している。ピーク負荷と運用コストを同時に削減することで、EVの統合が電力会社、消費者、そして環境にとってのウィンウィンの状況を実現できることを証明している。世界が脱炭素化の未来へと加速する中で、このような研究は学術的な意義にとどまらず、成功した持続可能なエネルギー移行にとって不可欠なインフラそのものである。
李婷婷，娄柯，王园，徐华超，安徽工程大学，Electronic Science and Technology，doi:10.16180/j.cnki.issn1007-7820.2024.03.007