電動車充電インフラの最適化に革新
中国の研究チームが、再生可能エネルギーの不安定な出力という大きな課題を解決する画期的なモデルを開発した。この研究は、電動車（EV）の充電インフラを単なる消費端点から、スマートグリッドの一部としてエネルギーの流れを最適化するアクティブな資産へと変える可能性を秘めている。国家電網山西省電力公司経済技術研究院の邢亜虹（Xing Ya-Hong）氏と太原理工大学の研究者らが率いるこのチームの成果は、学術誌『Electric Power Systems Research』に掲載され、EVの普及が進む中で、エネルギーの効率的かつ持続可能な統合という新たな地平を切り開いている。
世界中でEVの台数が急増する中、電力網への負荷増大は避けられない現実となっている。しかし、真の課題は、EVが「グリーン」であるためには、その電力を再生可能エネルギーから供給しなければならないという点にある。太陽光や風力は、その本質的に変動する性質ゆえに、発電量が需要と一致しないことが頻繁に起こる。この不一致は「出力制御」や「カーテルメント」と呼ばれ、発電されたクリーンエネルギーが意図的に停止され、無駄にされる状況を指す。これは、気候変動対策の観点からも、経済的な観点からも大きな損失である。従来のインフラ計画は、この二つの問題、すなわち「どこに充電ステーションを建てるか」と「どうやって変動する再生可能エネルギーを管理するか」を別々に扱うことが多かった。この分断されたアプローチは、最適解からは程遠いものだった。
今回発表された研究は、この分断を打破する「二段階最適化モデル」を提案している。その核心は、上位レベルと下位レベルという二つの相互作用する最適化プロセスにあり、計画の「コスト効率」と「グリッドの安定性」を同時に追求する。
上位レベルの最適化は、ビジネスの視点からスタートする。モデルは、運営者の年間コストと、ユーザーの年間コストという二つの目標関数を同時に最小化しようとする。運営者のコストには、充電ステーションの建設費、充電器の購入費、維持管理費、そして電力網における損失（網損）コストが含まれる。一方、ユーザーのコストは、単に電気代だけでなく、充電ステーションまでの移動にかかる時間と電力の損失、そして充電待ちの待ち時間といった「等価コスト」を含む。この二つの目標はしばしば対立する。例えば、運営者はコストを抑えるために都市の外れにステーションを建設したいかもしれないが、それではユーザーの移動コストが跳ね上がる。この複雑なトレードオフを解決するために、研究チームは「改良型多目的粒子群最適化アルゴリズム」を用いて、運営者とユーザーの双方にとって最適なバランスを示す「パレート最適解集合」を生成する。この集合は、無数の「妥協点」を提示し、意思決定者が自身の優先順位に応じて選択できる柔軟性を提供する。
しかし、ここで終われば、従来のモデルと本質的に変わらない。この研究の真の革新は、上位レベルで生成されたこれらの最適解が、下位レベルの「現実のテスト」にかけられることにある。下位レベルの目標は、上位レベルとは一線を画し、グリッドの技術的健全性に焦点を当てる。その目標は、風力と太陽光の「出力制御率」を最小限に抑えることだ。
この下位レベルのテストが、従来の確率論的手法をはるかに凌駕している。単に「平均的な」風速や日照を想定するのではなく、研究チームは風力と太陽光の出力に内在する「不確実性」と「相関性」を精緻にモデル化している。風が強くても曇りの日は、風力は発電できても太陽光は出力が低い。逆に、風が弱くても晴天の日は、太陽光が活発に発電する。この複雑な相関関係を無視しては、現実のグリッド挙動を正確にシミュレートすることはできない。
このため、研究チームは、スピアマン相関係数を用いて風力と太陽光の出力間の相関を定量化し、モンテカルロ法とチョレスキー分解を組み合わせた高度なシナリオ生成手法を採用している。このプロセスにより、風速と日照の変動パターンとその相関を反映した、多数の現実的な「不確実性シナリオ」が生成される。膨大な数のシナリオをすべて計算することは非現実的であるため、チームは独自の「最適クラスタリングフレームワーク」を用いてシナリオを効率的に削減。この手法は、従来の「距離最小化」に加え、「確率の類似性を最大化し、相関の損失を最小化する」という二重の基準を設け、削減後のシナリオセットが元のデータの本質的な統計的特性を忠実に保持するようにしている。
このようにして生成された精緻なシナリオセットを用いて、下位レベルは上位レベルから渡されたすべてのパレート最適解を「検証」する。特定の充電ステーション配置が、風力や太陽光の出力が極端に変動する（例：風が強く曇りの日、または風が弱く晴天の日）ようなシナリオにおいて、どの程度の出力制御を発生させるかをシミュレーションする。出力制御率が許容範囲を超える解は、グリッドに負担をかけるものとして却下される。このプロセスは、上位と下位の間で反復的に行われ、最終的に「運営者とユーザーにとって経済的に最適」かつ「グリッドにとって技術的に健全」な、一連の計画案が得られる。
さらに、このモデルは、インフラの利用者である「人間」の行動を無視しない。研究は、時間帯別電力料金（ピーク・オフピーク料金）が、EVユーザーの充電行動にどのように影響を与えるかを分析している。ユーザーは、電気代が安い夜間（谷間）に充電するインセンティブを持つ。しかし、人間の行動は線形的ではない。研究チームは「消費者心理学モデル」を導入し、「死区間」と「飽和点」という概念を用いて、この行動をより現実的に捉えている。「死区間」とは、料金差が小さすぎてユーザーの行動に影響を与えない範囲を指す。逆に、「飽和点」とは、料金がいくら安くなっても、それ以上充電時間をシフトするインセンティブがなくなる限界点を意味する。この非線形な応答をモデルに組み込むことで、時間帯別料金制度が導入された場合の、実際の充電需要の「負荷シフト」を高精度に予測することが可能になる。この予測結果は、上位レベルの最適化プロセスにフィードバックされ、より現実的な需要予測に基づいた最適なステーション配置が可能となる。
このモデルの有効性は、標準的な「IEEE 33ノード配電網」を用いたシミュレーションで実証されている。結果は顕著だった。まず、時間帯別料金による「秩序ある充電」が、「無秩序な充電」に比べて、運営者とユーザーの双方のコストを大幅に削減することが示された。これは、ピーク時の電力需要を平準化することで、インフラ投資の必要性を減らし、電気料金の高騰を抑えるためである。さらに重要なのは、秩序ある充電と最適なステーション配置を組み合わせることで、風力と太陽光の出力制御率が最大で40%も削減できたという点だ。これは、従来のアプローチでは捨てられていたはずのクリーンエネルギーを、EVのバッテリーという巨大な分散型ストレージに効果的に吸収できたことを意味する。
この研究の意義は、技術的な革新を超えて、インフラの「哲学」を変えるところにある。これまでのインフラ計画は、需要を「供給する」ことに焦点を当てていた。しかし、この新しいモデルは、インフラを「需要を管理する」ためのツールとして位置づけ直す。EVの充電ステーションは、単なる「穴」ではなく、グリッドの「バッファ」や「ダンパー」として機能する。再生可能エネルギーの発電量が過剰な時には、充電を促進してエネルギーを吸収し、逆に発電量が不足する時には、充電を抑制して電力網を守る。この双方向性こそが、これからのスマートシティの基盤となる。
実際の適用を考えると、このモデルは電力会社、都市計画当局、インフラ投資家にとって強力な意思決定支援ツールとなる。電力会社は、このモデルを用いて、再生可能エネルギーの出力が安定しない地域に、戦略的に充電ステーションを配置することで、出力制御のリスクを低減できる。都市計画当局は、交通政策とエネルギー政策を統合的に設計し、EVの普及を都市の脱炭素化戦略の一部として位置づけることができる。投資家にとっては、単に「EVがどれだけ走っているか」ではなく、「その電力がどのようにグリッドに統合されるか」というリスクを評価するためのフレームワークを提供する。
また、モデルが「不確実性」に正面から取り組んでいる点も重要だ。気候変動により、極端な気象が頻発する中で、過去のデータに頼った確率論は限界に達しつつある。この研究が採用する、多数の不確実性シナリオを生成し、それらすべてに対して計画案を「ストレステスト」するアプローチは、極端な状況下でも機能する、より「レジリエント（回復力のある）」なインフラを構築するための鍵となる。
結論として、邢亜虹氏らの研究は、EVの充電インフラ計画という一見単純な問題に、驚くほど深い洞察と高度な技術を注ぎ込んだ傑作である。それは、複数の最適化目標、複雑な不確実性、人間の非合理的な行動という、現実世界のすべての混沌を統合的に扱うことで、真に持続可能なエネルギーシステムの実現に向けた道筋を示している。このモデルは、単に「どこに充電器を置くか」を教えるのではなく、「どのように未来のエネルギー社会をデザインするか」を教えてくれる。
邢亜虹, 孟長虹, 黄倩, 宋巍, 趙海波, 申澤淵, 秦文萍, 国家電網山西省電力公司経済技術研究院, 太原理工大学, Electric Power Systems Research, 10.1016/j.epsr.2023.109482