電動車のスマート充電、新たな最適化戦略
電動車（EV）の普及は、自動車産業の革命であると同時に、電力網の構造と運営に根本的な変化をもたらしている。何百万台ものEVが家庭のコンセントに接続されるというシナリオは、従来の電力網にとって深刻な負荷ピークを引き起こす可能性がある。特に、帰宅後の夕方から夜にかけての一斉充電は、電力供給の安定性を脅かす。しかし、この課題の裏には、巨大な機会が隠れている。これらのEVのバッテリーは、単なるエネルギーの消費者ではなく、分散型の巨大なエネルギー貯蔵システムとして機能する可能性を秘めている。太陽光や風力など再生可能エネルギーが豊富に供給される昼間の余剰電力を蓄え、需要が高まる夜間のピーク時に電力網に供給することで、再生可能エネルギーの有効活用と電力網の安定化に貢献できる。従来の研究では、EVの充電を最適化するための中央集権的なモデルが主流だったが、これらは実際のユーザー行動や経済的インセンティブの複雑さを十分に反映できていないという限界があった。
この課題に斬新な解決策を提示したのが、上海電力大学電気工学部の張美霞（ZHANG Meixia）、王暁晴（WANG Xiaoqing）、楊秀（YANG Xiu）、張安（ZHANG An）、付御臨（FU Yulin）らの研究チームである。彼らが『Power System Protection and Control』に発表した論文「路網とユーザー満足度を考慮したクラスタ型電動車のスタックルベルグゲーム最適化スケジューリング戦略」は、EVの充電問題を、単なる技術的最適化ではなく、電力網、充電インフラ、そして何よりユーザー自身という複数の利害関係者が絡み合う「ゲーム」として捉え直す画期的なアプローチを示している。この研究の核心は、「スタックルベルグゲーム」という経済学の枠組みを用いて、電力需要を集約・調整する「負荷集約者（LA）」と、多様なEVユーザーの間の戦略的相互作用を精緻にモデル化し、双方にとって最適な結果を導き出す点にある。
従来の最適化手法は、膨大な計算量と、実際の交通データやユーザー行動を反映していないという根本的な欠点があった。本研究は、この問題を解決するために、まず現実の交通データに基づいたシミュレーションから着手している。研究チームは、中国のライドシェア大手「Didi Chuxing」の成都における1か月分の実際の走行データを用いた。これにより、EVユーザーの走行距離、出発・到着時刻、移動パターンといったリアルな情報を取得。さらに、GIS（地理情報システム）を活用して成都の道路網を詳細にモデル化し、高精度の地図データから「住宅地」「商業地」「勤務地」「公共サービスエリア」などの機能区分を設定した。この現実世界の複雑さを反映したデータセットは、単なる仮定に基づくシミュレーションとは一線を画し、その後の最適化結果の信頼性を飛躍的に高めている。
次に、この膨大なデータセットを処理するための鍵となるのが「クラスタリング」技術である。2000台のEVを個別に管理するのは非現実的だ。そこで研究チームは、K-means++という高度な機械学習アルゴリズムを用いて、走行パターンが似たユーザーをグループ化した。このアルゴリズムは、初期のグループ分けをより効率的に行うことで、計算の効率と結果の精度を向上させる。分析の結果、ユーザーは5つの明確なグループに分類された。例えば、朝早くから活動を始め、昼間に充電するグループ、夕方以降に帰宅し、夜間に充電するグループ、勤務地近くで昼休みに充電するグループなどである。このクラスタリングにより、LAは「一括りのEV」としてではなく、「特定の行動パターンを持つユーザーの集団」として、より的確に需要応答（Demand Response）の施策を設計できるようになった。
この構造の上に構築されたのが、スタックルベルグゲームのモデルである。このゲーム理論では、LAを「リーダー」、各EVクラスターを「フォロワー」と位置づける。ゲームの流れは明確に定められている。まず、LAが一日の充電・放電価格の戦略を発表する。この価格には、LAがユーザーから電気を買い取る価格（放電価格）と、ユーザーに電気を販売する価格（充電価格）の二つが含まれ、時間帯によって動的に変化する。LAの目的は、自らの利益を最大化することにある。この利益には、風力発電や太陽光発電などの再生可能エネルギーの売電収益、蓄電池の運用コスト、そして電力網との電力取引による収支が含まれる。
価格を知った各EVクラスター（フォロワー）は、次に自らの最適な行動を決定する。ここで本研究が特に革新的なのは、「ユーザー満足度」という概念を明確に定量化した点だ。従来のモデルは、ユーザーを単なる「価格に敏感な経済人」として扱いがちだったが、現実のユーザーはもっと複雑な動機を持っている。研究チームは、ユーザーの満足度を二つの要素で構成される「効用関数」で表現した。一つは充電コスト満足度であり、これは文字通り、安く充電できたかどうかを表す経済的な満足感である。もう一つは利用方法満足度であり、これは、ユーザーの本来の充電習慣（帰宅後すぐに充電するなど）からどれだけズレたスケジュールになったかを測る、利便性や習慣への配慮を表す指標である。この二つの満足度は、ユーザーのタイプによって重み付けが異なり、価格に敏感なユーザーもいれば、利便性を最優先にするユーザーもいる。各クラスターは、LAの提示した価格のもとで、この二つの満足度の合計（消費者余剰）を最大化するような充電・放電スケジュールを計算する。
このリーダーとフォロワーの戦略的やり取りは、最終的に「ナッシュ均衡」、すなわちスタックルベルグ均衡に到達する。この状態では、LAは提示する価格を変えても、得られる利益がこれ以上増加しない。同時に、各EVクラスターも、与えられた価格のもとで、自らの満足度をこれ以上高めることができない。この均衡点が、システム全体にとって最適な解となる。
シミュレーションの結果は、このアプローチの有効性を雄弁に物語っている。従来の「何もしない」シナリオと比較して、本モデルを適用することで、電力需要の「ピークカット」と「谷間埋め」が劇的に進んだ。需要のピークと谷間の差（ピークトーバレー）は323.2kWも削減され、電力網の安定性が大幅に向上した。一方で、LAの収益は12.9%増加した。これは、再生可能エネルギーの余剰電力を効率的に蓄電池やEVに充電させ、価格の高い時間帯に放電することで、利益を最大化できたためである。驚くべきことに、EVユーザーの満足度も向上した。ユーザーの「消費者余剰」（得られた便益から支払ったコストを引いたもの）は平均で9.7%増加した。これは、最適化されたスケジュールによって得られる経済的メリット（安い時間に充電、高い時間に放電して収益を得る）が、わずかな利便性の低下（本来の充電タイミングからのズレ）を上回ったことを意味している。この「誰もが得をする」状態こそが、本研究の最大の成果であり、持続可能なEV社会の実現に向けた強力な証明となっている。
さらに重要なのは、このモデルがユーザーの多様性に柔軟に対応できることだ。研究チームは、ユーザーの満足度における「コスト重視度」と「利便性重視度」の割合を変えて、3つの異なるシナリオをシミュレーションした。一つは、価格に非常に敏感なユーザーを想定したケースで、LAは価格差の大きなダイナミックな料金体系を提示した。この場合、ユーザーは大きな経済的メリットを得たが、LAの収益はやや低下した。別のケースでは、利便性を最優先にするユーザーを想定し、料金の変動を小さく抑えた。この場合、ユーザーの満足度はやや低くなったが、LAの収益は最大化された。この結果は、LAが市場セグメントに応じて、カスタマイズされた充電サービスを提供できる可能性を示している。価格を重視するユーザーには大幅な割引を、利便性を重視するユーザーには安定した料金プランを提供することで、より多くのユーザーを需要応答プログラムに参加させることができる。
本研究は、EVが単なる移動手段を超えて、スマートグリッドの不可欠な一員となるための現実的な道筋を示している。それは、技術的な最適化だけでなく、人間の行動や経済的動機という複雑な現実を深く理解し、それらを数理モデルに組み込むことで初めて達成できる。上海電力大学の研究チームが構築したこの枠組みは、今後、電力会社、EVメーカー、充電インフラ事業者にとって、EV時代のエネルギー管理を設計するための重要な指針となるだろう。電気自動車の未来は、走行性能や航続距離の向上だけでなく、こうした「インテリジェントな電力ネットワークとの共生」の度合いによって、その価値が大きく左右される時代が到来している。
張美霞，王暁晴，楊秀，張安，付御臨，上海電力大学電気工学部，Power System Protection and Control，DOI: 10.19783/j.cnki.pspc.230925