新モデルがEVと再生可能エネルギーの統合を最適化
電気自動車（EV）と再生可能エネルギーの急速な普及は、私たちのエネルギー景観を根本から変えつつある。風力や太陽光発電、そしてEVの充電需要は、持続可能な未来を築くための柱であると同時に、既存の電力網に複雑な技術的課題を突きつけている。太陽光や風力の発電量の変動性と、EV充電ステーションによる集中かつ変動的な電力需要が重なることで、電圧の不安定や電力損失の増加、ひいてはシステムの安定性の低下といった問題が生じる。信頼性が高く、安定した電力供給は、エネルギー移行の成功に不可欠であり、これらの技術的課題を解決することは極めて重要である。
Proceedings of the CSU-EPSAに掲載された画期的な研究では、再生可能エネルギーとEV充電ステーションが高比率で接続されるアクティブ配電網（ADN）向けの、新しいマルチオブジェクティブ無効電力最適化モデルが提案されている。南昌大学情報工学部の江智军（Jiang Zhijun）、袁轩（Yuan Xuan）、邱文浩（Qiu Wenhao）、黄礼才（Huang Licai）および国家電網江西省電力会社電力研究所の何伟（He Wei）からなる研究チームは、現代のエネルギー源と電力網管理の複雑な相互作用に取り組む包括的なソリューションを開発した。
本研究の核となるのは、従来の電力網管理戦略ではもはや十分ではないという認識にある。過去の研究は、風力発電所や太陽光発電所のインバーターによる無効電力制御など、発電側の最適化に焦点を当てたり、あるいは負荷側を個別に扱ったりすることが多かった。しかし、著者らは、統合的なアプローチが不可欠であると主張している。変動する発電と、EV充電ステーションから生じる高度にダイナミックで集中した負荷という二重の課題が同時に発生すると、調和の取れた管理が行われなければ、システムを不安定化させる可能性がある。本研究は、EV充電ステーションが負荷側に与える影響を多くの既存モデルが過小評価し、発電源と負荷の両方から生じる安定性の問題に十分な注意を払っていないことを明確に指摘している。
この課題に対処するため、研究チームは、システムの運用コストを最小化し、電圧の偏差を最小化し、システムの安定性を最大化するという3つの主要な目的を持つ、洗練されたマルチオブジェクティブ最適化モデルを開発した。第一の目的である運用コストは、主に電力網の送電線における有効電力損失の最小化によって達成され、これは電力会社にとって大きな費用負担となる。第二の目的である電圧偏差は、配電網内の各ノードの電圧を、その定格値（例えば12.66 kV）にできるだけ近づけることを目指しており、機器の損傷を防ぎ、電力品質を確保する。第三で最も革新的な目的は、システムの安定性の最適化である。これに関して、研究者たちは新しい静的電圧安定性指標を提案している。
提案された安定性指標は、本論文の重要な貢献である。電圧安定性を評価する従来の方法は、複雑で計算負荷が大きい場合がある。著者らは、PV（電力-電圧）曲線の分析に基づく新しい指標を考案した。PV曲線は、電力系統解析の基本概念であり、ネットワークから取り出される電力とそれに伴う電圧の関係を示している。システムが安定限界、すなわち「崩壊点」に近づくにつれて、PV曲線は特徴的な「ノーズ」形状を示す。ある電力レベルにおいて、この曲線の上部と下部の枝の間の距離は非常に小さくなる。研究者らの新しい指標は、この近接度を定量化し、ネットワーク内の任意の枝が電圧崩壊にどれだけ近いかを示す明確な単一値の指標を提供する。この指標の最大値をネットワーク内のすべての枝で最小化することで、モデルは、再生可能エネルギーの出力が高く、EV充電のピーク需要がかかるような最もストレスの高い状況下でも、システム全体が堅牢な安定性マージンを持って運転されることを保証する。
このマルチオブジェクティブモデルの複雑さは計り知れない。それは、風力タービン、太陽光発電インバーター、静止型無効電力補償装置（SVC）、およびEV充電ステーションの無効電力出力といった連続変数と、特定のノードでスイッチングされるコンデンサバンク（CB）の数といった離散変数を含む、多数の意思決定変数を扱う。このような混合整数、非凸、非線形の最適化問題を解くことは、従来のアルゴリズムにとっては非常に困難であり、最適解に近いが最適ではない解に捕らわれたり、計算時間が非常に長くなったりする可能性がある。
この計算上の障壁を克服するため、研究チームは、独自のクロスフィードバックメカニズムを備えたハイブリッド最適化アルゴリズムを導入した。このアルゴリズムは、連続変数用に改良された「蛾と炎の最適化（MFO）」アルゴリズムと、離散変数用の遺伝的アルゴリズム（GA）という、2つの強力なメタヒューリスティック技術を組み合わせている。MFOアルゴリズムは、蛾のナビゲーション行動に着想を得ており、解空間を探索する能力に優れている。しかし、後期段階で多様性を失い、局所最適解に早期収束する傾向がある。著者らは、2つの重要な改良を加えることで、MFOアルゴリズムを大幅に強化した。
まず、初期集団の生成にテントカオス写像を用いた。カオス理論は、決定論的でありながらランダムに見える、初期条件に対して非常に敏感なシーケンスを生成する方法を提供する。これにより、潜在的な解の初期集団がはるかに多様で、解空間全体に均等に分散され、アルゴリズムが最初からグローバル最適解を見つける可能性が高まる。次に、「集約度」という集団の指標に基づく適応的変異オペレーターを導入した。この指標は、現在の解の集団がどれだけ集中しているかを測定する。集団が集中しすぎると（局所最適解に捕らわれるリスクがある）、変異オペレーターが探索プロセスにランダム性と多様性を注入し、アルゴリズムが局所最適解から脱出し、探索を継続するのを効果的に助ける。
ハイブリッドアルゴリズムのクロスフィードバックメカニズムは、その最大の特徴である。すべての変数を同時に最適化するのではなく、それらを分離する。GAは離散的なコンデンサバンクのスイッチング決定に働きかけ、一方、改良されたMFO（TAMMFOと呼ばれる）は連続的な無効電力出力に働きかける。決定的に重要なのは、アルゴリズムが独立して動作しないことである。あるアルゴリズムによる最適化の1ラウンドが終了すると、その最良の結果が、もう一方のアルゴリズムがその次の最適化ラウンドで使用する固定パラメータとしてフィードフォワードされる。例えば、GAがコンデンサバンクの有望な構成を見つけた場合、この構成は一定に保たれたまま、TAMMFOアルゴリズムがインバーターやSVCの最適な無効電力設定を探索する。この探索の結果は、次にGAの反復に活用され、以下同様に繰り返される。この反復的でフィードバック駆動のプロセスにより、2つのアルゴリズムが互いに導き合い、各手法の強みを活かしつつ弱みを補い合って、より優れた全体的な解に到達する。このアプローチは、単一のアルゴリズムで複雑な問題全体を解くよりもはるかに効率的である。
モデルとアルゴリズムの検証のために、研究者たちは、電力系統研究の標準ベンチマークである、修正されたIEEE 33ノード配電系統を用いた詳細なケーススタディを実施した。シミュレーションシナリオには、風力タービン、太陽光発電所、およびネットワーク内の戦略的ポイントに接続された2つのEV充電ステーションが含まれていた。研究者たちは、風力および太陽光発電の予測データと、400台のEV（個人用、公用、タクシー用の混合）の旅行および充電パターンに基づいた高度なモンテカルロシミュレーションを用いて、その確率的な行動をモデル化した。
シミュレーション結果は、提案されたアプローチの優位性を示すものであり、説得力があった。研究者たちは、ケース1（完全なハイブリッドアルゴリズム：TAMMFO + GA）とケース2（標準MFOアルゴリズム + GA）の2つのケースを比較した。結果は、モデルが3つの目的を成功裏に達成したことを示している。最適化後、主に電力損失に起因するシステムの運用コストは、最適化されていないシナリオと比較して44％以上削減された。ケース1はケース2を上回り、コストをさらに2.41％削減し、改良されたTAMMFOアルゴリズムの効率を実証した。
電圧品質への影響も同様に印象的であった。ネットワーク全体の電圧偏差は49％以上削減された。ケース1は再び明確な優位性を示し、ケース2と比較してさらに3.74％の偏差削減を達成した。これは、電力網に接続されたすべての顧客に、より安定し、より高品質な電力供給を提供することを意味する。おそらく最も重要なのは、新しい電圧安定性指標（VSI）の改善であった。ピークVSI値が大幅に削減され、電圧崩壊に対するはるかに大きな安全マージンが示された。ケース1は、ピークVSIのさらなる削減により、ケース2よりも安定性の高いシステムを達成した。
提案された戦略の主要な実用的な利点は、機器の摩耗を管理する能力にあった。モデルは、1日あたりのコンデンサバンクのスイッチング回数の最大値を明示的に制約として組み込んでいる。頻繁なスイッチングは機器の寿命を短縮し、保守コストを発生させるためである。ケース2では、2つの重要なノードのコンデンサバンクがそれぞれ10回スイッチングされ、許容される日次制限6回を超えてしまった。これは重大な運用上の欠陥である。対照的に、ケース1の最適化されたソリューションは、スイッチングを制限内に保ち、一方のバンクは6回、もう一方は4回のスイッチングにとどめた。これは機器の寿命を延ばすだけでなく、電力会社の運用コストも削減する。
最後に、ハイブリッドアルゴリズムの計算効率が顕著な特徴であった。ケース1は、優れた結果を出したにもかかわらず、6,115秒で最適化を完了した。これは、ケース2の9,873秒と比べて38.06％も高速であった。このスピードは実用性にとって極めて重要である。電力網のオペレーターは、変化する状況に対応するために、これらの最適化を毎日、あるいは毎時行う必要がある。より高速なアルゴリズムは、これを現実的なものにする。
結論として、江智军、袁轩、邱文浩、黄礼才、何伟の研究は、スマートグリッド管理の分野における重要な進歩を示している。再生可能エネルギーとEVのダイナミックな効果を同時に考慮する統合モデルは、現代の電力網にとって、より現実的で効果的な枠組みを提供する。新しい安定性指標は、電力網のオペレーターがリスクを能動的に管理するための強力な新しいツールを提供する。何よりも、クロスフィードバックを備えた革新的なハイブリッド最適化アルゴリズムは、電力工学における最も複雑な問題の一つを解決する、実用的で効率的な方法を示している。世界が交通の電化とエネルギー供給の脱炭素化を続ける中で、このような洗練された、データ駆動型かつ包括的なアプローチは、グリーンであるだけでなく、堅牢で信頼性が高く、経済的な電力網を構築するために不可欠である。この研究は、エネルギー移行の課題と機会に直面する世界中の電力会社や研究者に、貴重な指針を提供している。
江智军、袁轩、邱文浩、黄礼才、何伟、南昌大学 情報工学部；国家電網江西省電力会社 電力研究所。再生可能エネルギーおよび電気自動車充電ステーションを備えるアクティブ配電網の無効電力最適化モデル。Proceedings of the CSU-EPSA。DOI: 10.19635/j.cnki.csu-epsa.001297