再生可能エネルギーを活用するEV充電の最適化戦略
電気自動車（EV）の普及は、世界中で環境への配慮とエネルギー転換の象徴として急速に進展している。しかし、この移動革命の裏側では、都市の電力網に新たな負担が生じている。大量のEVが一斉に充電を開始すると、電力需要のピークが急上昇し、変圧器の過負荷や電力料金の高騰を引き起こす可能性がある。特に、太陽光や風力といった再生可能エネルギーを活用するEV充電ステーションでは、その発電量が天候に左右されるという不確実性が加わり、電力の需給バランスを取ることが極めて難しくなる。こうした課題に対処するため、中国の研究者たちが画期的なリアルタイム最適化戦略を提案し、EV充電の未来に新たな光を当てている。
この研究は、江蘇金智科技（ジアンス・ジンチ・テクノロジー）の周卓（チョウ・チャク）氏が中心となり、国网寧夏電力有限公司電力科学研究院の蘆翔（ロ・ショウ）、劉海涛（リュウ・カイトウ）、祁昇龍（キ・ショウリュウ）氏、国网電力科学研究院有限公司の韓韜（カン・トウ）氏、南昌大学の王青（オウ・セイ）氏と共同で行われた。2024年2月に学術誌『電測と計器（Electrical Measurement & Instrumentation）』に掲載されたこの研究は、太陽光発電や風力発電を併設したEV充電ステーションを対象に、未来24時間の充電計画を15分ごとに最適化するオンラインアルゴリズムを提示している。その狙いは、単に車を充電するだけでなく、再生可能エネルギーの利用を最大化し、電力コストを削減し、電力網への負担を軽減することにある。
従来の充電管理システムは、ユーザーが車を接続した瞬間に最大出力で充電を開始する「即時充電」が一般的だった。これはユーザーにとっては便利だが、電力網にとっては予測不能な負荷を突発的に与えることになる。研究チームは、この問題の根本にあるのは、膨大な数の変数をリアルタイムで処理する計算の複雑さにあると指摘する。例えば、60台の充電ポイントを持つステーションで、24時間（96の15分間隔）にわたって各ポイントの最適な充電スケジュールを計算しようとすると、何千もの変数を扱う必要があり、従来の最適化アルゴリズムでは計算に時間がかかりすぎて、実用的なリアルタイム制御は困難だった。
この壁を打ち破るために、研究チームが開発したのが「状態依存型意思決定変数分類法」という革新的なアプローチだ。この方法は、最適化計算を始める前に、すべての充電ポイントをその「現在の状態」に基づいて3つのグループに分類する。第1グループは、空いているか、すでに満充電になった車が接続されているポイントだ。これらは「充電不要」として、最適化の対象から除外される。第2グループは、接続された車のバッテリー残量が非常に低く、駐車時間の全期間にわたって最大出力で充電しても、次の走行に必要な充電量に届かない（またはギリギリ届く）ポイントだ。ここでの最適な戦略は「全力充電」しかなく、これも固定計画として最適化から除外される。
この分類によって、計算の対象となるのは第3グループ、つまり「柔軟な充電ニーズを持つ車」だけになる。これらの車は、駐車時間内に必要な充電量を達成できるが、必ずしも常に最大出力で充電する必要はない。このグループにのみ、本格的な最適化アルゴリズムが適用される。この前処理により、計算対象の変数が大幅に削減され、処理速度が劇的に向上する。さらに、充電が進むにつれて、各車の残り充電時間が短くなるため、最適化の探索範囲も時間とともに自然に狭まり、精度と速度がさらに高まる。
計算の核心には、「微分進化アルゴリズム（DEA）」と呼ばれる進化的計算手法が用いられている。これは、生物の進化のプロセス（突然変異、交配、選択）を模倣して、複雑な最適化問題を解く強力なツールだ。研究チームは、このアルゴリズムを2段階で活用している。まず、第3グループの車両の充電計画の「組み合わせ」を最適化し、最も効率的なパターンを見つける。次に、その最適な組み合わせの中での、各車両の充電出力の詳細な「調整」を行う。この二段階のアプローチにより、計算の効率と解の精度の両立が可能になる。
この最適化の目標は、3つの重要な指標を同時に最適化することだ。第1に、「再生可能エネルギーの活用率」を最大化する。太陽光や風力で発電された電気を、ネットから購入する前に、できるだけ多くのEVに直接供給することを目指す。第2に、「電力コストの最小化」を図る。電力料金が安い夜間などに充電をシフトすることで、ステーションの運営コストを削減する。第3に、「電力網への負荷変動の平準化」を実現する。急激な需要の変動を避け、電力網の安定性を保つことが目的だ。
研究チームは、実際のデータを用いたシミュレーションで、この戦略の有効性を検証した。60台の充電ポイントを持つ商用ステーションを想定し、300台のEVの1週間分の走行・駐車パターンと、実測された太陽光・風力の発電データを用いて、3つのシナリオを比較した。1つ目は「即時充電」、2つ目は「必要最低限の充電」、そして3つ目が提案された「最適化戦略」だ。
その結果、最適化戦略は圧倒的な性能を発揮した。再生可能エネルギーの発電量とEVの充電需要の不一致を、従来の「即時充電」に比べて57%も削減した。これは、発電されたグリーン電力をはるかに効率的に利用できることを意味する。経済面では、1週間の電力コストが2万4800元から1万9000元にまで下がり、23%のコスト削減を達成した。これは、充電料金の引き下げや、ステーション運営の収益性向上に直結する大きな成果だ。
電力網への影響も顕著だった。ステーションが電力網から引き出すピーク電力が30%以上削減され、需要の変動も非常に滑らかになった。これは、電力会社にとっても大きなメリットであり、インフラの強化投資を抑制し、より安定した電力供給を実現できる。そして何より、この複雑な最適化計算が、平均18.7秒という驚異的なスピードで完了する点が、この研究の実用性を証明している。従来の方法では26.2秒かかっていたため、28%の高速化を達成している。15分ごとの更新サイクルを考えれば、このスピードはリアルタイム制御に十分耐えうる。
この研究の意義は、単なる技術革新にとどまらない。それは、EV充電ステーションの役割そのものを再定義するものだ。これまでは、電力の「受動的な消費者」に過ぎなかったステーションが、再生可能エネルギーの「アクティブな利用者」として、電力網の「安定化装置」としての役割を果たす可能性を示している。将来、このようなスマートなステーションは、電力会社の「需要応答プログラム」に参加し、電力需要のピーク時に自らの充電量を一時的に減らすことで、報酬を得るようなビジネスモデルも可能になる。
ユーザーにとっても、直接的な利点が生まれる。電力網が安定すれば、停電のリスクが減り、充電サービスの信頼性が向上する。また、運営コストの削減は、長期的にはより安価な充電料金につながる可能性がある。そして何より、自分のEVを充電する電気が、太陽や風といったクリーンなエネルギーから来ているという安心感は、EV所有の満足度をさらに高めるだろう。
もちろん、実世界への展開には課題もある。再生可能エネルギーの発電量予測の精度が、システムの性能に大きく影響する。また、サイバーセキュリティの確保や、ユーザーが自分の車が予定通りに充電されることへの信頼をどう得るかという、社会的な課題も存在する。しかし、研究チームは、この戦略が現実の複雑さを十分に考慮した、実用的なフレームワークであると強調している。
結論として、周卓氏らの研究は、EVの普及がもたらす電力網への課題に、技術的かつ経済的に持続可能な解決策を提示した。状態依存型の分類による計算負荷の軽減と、進化的アルゴリズムによる高精度な最適化を組み合わせることで、スマートで効率的なEVインフラの実現に向けた重要な一歩を踏み出した。電気自動車が単なる「走る電池」から、「エネルギーのインテリジェントな仲介者」へと進化するその瞬間を、この研究は現実のものに近づけている。
本研究は、江蘇金智科技股份有限公司の周卓、国网寧夏電力有限公司電力科学研究院の蘆翔、劉海涛、祁昇龍、国网電力科学研究院有限公司の韓韜、南昌大学の王青によって行われた。『電測と計器』（Electrical Measurement & Instrumentation）第61巻第2号（2024年2月15日）に掲載され、DOI: 10.19753/j.issn1001-1390.2024.02.015。