データ量が限られた状況でもEVユーザーの充電行動を識別
電気自動車（EV）の普及は、持続可能な未来への道を切り開くだけでなく、電力網の構造そのものを変える革命的な力を持っている。世界中で2000万台を超えるEVが走り、それらの車両は単なる交通手段ではなく、巨大な分散型バッテリーの集合体として、電力網の安定化に貢献する潜在能力を秘めている。この概念は「ビークル・トゥ・グリッド（V2G）」と呼ばれ、EVが電力需要のピーク時に電力を電力網に返送することで、負荷の平準化、周波数調整、再生可能エネルギーの効率的な利用を可能にする。しかし、この壮大なビジョンの実現には、大きな障壁が立ちはだかる。多くのEVオーナーがV2Gプログラムへの参加に消極的であり、その理由はバッテリー劣化への懸念、複雑な手続き、そして何より、彼らの行動パターンを理解し、適切なインセンティブを提供するための情報不足にある。中国の研究者チームが、この難題に光明をもたらす画期的な研究を発表した。彼らが開発した新しいモデルは、最小限のユーザー情報でEVオーナーの充電行動を正確に分類し、個別化されたインセンティブ戦略を可能にする。この研究は、電力分野の権威ある学術誌『Electric Power Construction』に掲載され、データプライバシーを尊重しながらも、EVと電力網の連携を促進する新たな道を示している。
従来のアプローチは、ユーザーの行動を予測するため、膨大な量の個人データを必要としてきた。GPSによる走行履歴、勤務先や自宅の出入り時間、バッテリーの充電状態（SOC）の変化など、極めてプライベートな情報を収集することで、ユーザーの行動パターンをマッピングしようとしてきた。しかし、この方法には深刻な問題がある。第一に、欧州の一般データ保護規則（GDPR）やカリフォルニア州消費者プライバシー法（CCPA）のような厳しい規制が、このようなデータ収集を事実上不可能にしている。ユーザーの信頼を損なうリスクは、企業にとって大きな負債となる。第二に、多くのユーザーは自身の行動データが企業に収集されることに強い抵抗感を示しており、参加率の低下を招く。つまり、より良いサービスを提供したいという善意が、逆にユーザーとの信頼関係を損なうというジレンマに陥っていた。この研究が画期的なのは、この「ビッグデータ依存」という前提を根本から覆している点にある。研究チームは、「少ない情報でも、正しい情報を選べば十分な洞察が得られる」という考え方に基づき、全く新しいアプローチを採用した。
彼らのモデルの核となるのは、「クラウドモデル」と「ファジィーペトリネット（FPN）」という二つの技術を組み合わせたハイブリッドフレームワークだ。この組み合わせにより、曖昧で不確実な人間の行動を、定量化し、論理的に推論することが可能になる。まず、ユーザーの行動を分類するための基盤として、研究チームは「エネルギー応答型」「電力応答型」「周波数応答型」という三つの主要なユーザー・プロファイルを提唱した。この分類は、ユーザーが電力網に対してどのような価値を提供できるかという観点から行われている。
「エネルギー応答型」ユーザーは、最も予測可能なグループだ。彼らは典型的な通勤者や、勤務先で長時間駐車する人で、毎日ほぼ同じ時間帯にEVを充電する。彼らの価値は「時間の重なり」にある。つまり、彼らの充電時間帯が、電力会社が電力価格を下げて需要を促したい「谷間」の時間帯とどれだけ重なっているかが重要だ。このタイプのユーザーには、長期的な固定割引プランや、夜間電力料金での充電を促すクーポンが効果的だ。彼らの行動を変えるのではなく、既存の習慣を電力網の都合に合わせる形でインセンティブを提供する。
一方、「電力応答型」ユーザーは、柔軟性が高いグループだ。彼らは価格変動に敏感で、電力価格が下がった瞬間に充電を開始したり、価格が高騰すれば充電を中断したりする。彼らの価値は「弾力性」にある。充電を始める時間や、充電する電力量をどれだけ柔軟に変更できるかが鍵となる。このタイプのユーザーには、リアルタイムで変動するダイナミックプライシングや、特定の時間帯に充電することでポイントがもらえるようなゲーミフィケーションの要素を含めたプログラムが向いている。彼らは、即時的な報酬に対して積極的に反応する。
最も希少で価値が高いのが「周波数応答型」ユーザーだ。彼らは、電力網の周波数がわずかに乱れた瞬間に、充電を停止したり、逆にバッテリーの電力を電力網に供給したりする能力を持つ。これは、電力網の安定を保つための最も重要な補助サービスの一つである。このタイプのユーザーには、非常に高い報酬や、優先的な高速充電ステーションの利用権などの特別なインセンティブを提供する必要がある。彼らは、電力網の「救急隊員」とも言える存在だ。
この三つのプロファイルを識別するために、研究チームは特定の「行動指標」に注目した。これらの指標は、ユーザーのプライバシーを侵害せずに取得可能な、充電記録そのものから導き出される。例えば、「充電時間と市場目標時間帯の重なり率」は、ユーザーがいつ充電しているかを示す。また、「充電設備の制御性能」は、その充電スポットが遠隔操作や出力調整が可能かどうかを示す。そして、「充電時間応答弾力性」や「充電電力量応答弾力性」は、ユーザーが価格やインセンティブにどれだけ柔軟に対応できるかを示す。これらの指標は、ユーザーの行動を深く掘り下げることなく、その「応答可能性」を定量的に評価するための鍵となる。
ここで登場するのが「クラウドモデル」だ。人間の言葉には「高い」「低い」「高い可能性がある」など、明確な境界のない曖昧さが含まれている。クラウドモデルは、この曖昧さを数学的に扱う技術だ。例えば、「時間の重なりが高い」という言葉を、単なる「はい/いいえ」の二択ではなく、ある数値範囲に確率分布をもたせることで、より現実に即した形で表現する。このモデルは、「期待値（Ex）」「エントロピー（En）」「超エントロピー（He）」という三つのパラメータで構成され、定性的な概念を定量的なデータに変換する。これにより、ユーザーの行動が「どれくらい」時間の重なりが高いのか、という程度の差を捉えることができる。
次に、このクラウドモデルの出力を「ファジィーペトリネット（FPN）」に投入する。ペトリネットは、システムの状態遷移をグラフで表現する手法だが、ファジィーペトリネットは、その遷移に「確信度」や「曖昧さ」を組み込むことができる。研究チームは、8つの初期状態（例：時間重なり「高」、時間重なり「低」、制御性能「高」など）と3つの最終状態（「エネルギー応答型」「電力応答型」「周波数応答型」）を持つネットワークを設計した。各遷移には論理ルールが定義されており、「もし時間重なりが『高』で、制御性能が『低』で、時間応答弾力性が『低』ならば、そのユーザーは『エネルギー応答型』である可能性が高い」といった推論を行う。このプロセスの最大の利点は「透明性」にある。AIの「ブラックボックス」ではなく、どのルールに基づいてどの結論に至ったのかが明確に追える。これは、ユーザーに「なぜ自分にこのインセンティブが届いたのか」を説明し、信頼を得る上で極めて重要だ。
このモデルの有効性は、北京のある充電施設に常駐する100人のEVユーザーのデータを用いたケーススタディで検証された。結果は驚くほど正確だった。例えば、ユーザー1は「時間重なり率が高く、応答弾力性が低い」ため、「エネルギー応答型」として95%の確信度で分類された。ユーザー2は「時間重なりが低く、応答弾力性が高い」ため、「電力応答型」として約89.8%の確信度で分類された。そして、ユーザー4は「時間重なりが極めて高く、出力応答弾力性が高い」ため、「周波数応答型」として約94.1%の確信度で特定された。一方で、明確な特徴を持たないユーザー3、7、10には、特定のV2Gプログラムではなく、充電ステーションの予約やリモート充電制御といった一般サービスが推奨された。これは、リソースの無駄遣いを避け、適材適所の戦略を立てられるという点で非常に合理的なアプローチだ。
この研究の意義は、技術的な革新にとどまらない。それは、EVオーナーとの関係性のあり方を根本から変えるものだ。これまでのアプローチは、ユーザーを「管理対象」として捉え、行動を監視し、制御しようとするものだった。しかし、この新しいモデルは、ユーザーを「パートナー」として捉える。最小限の情報でその価値を理解し、それに見合ったインセンティブを提供することで、ユーザーが自発的に、そして意欲的に電力網の安定化に協力するような関係を築こうとしている。これは、単なる効率化ではなく、持続可能なエネルギーシステムの根幹をなす「信頼」と「協働」の構築に向けた一歩である。今後、このモデルが広く採用されれば、EVの普及は、電力網の負担ではなく、その強力な味方となるだろう。
石天琛、楊燁、劉明光、王文、王佳妮、劉敦楠、華北電力大学、国家電網スマートインターネットオブビークルズ有限公司、Electric Power Construction、DOI: 10.12204/j.issn.1000-7229.2024.10.007