電動車充電インフラの最適配置
電動車（EV）の普及は、単にエンジンからモーターへの技術的進化にとどまらない。それは都市の交通流、エネルギー供給、インフラ整備のあり方そのものを変革する、社会的・技術的パラダイムシフトである。EVの台数が急増する中で、最も大きな課題の一つは、いかに効率的で持続可能な充電インフラを構築するかという点にある。従来のアプローチは、充電需要の予測や電力網の負荷に焦点を当てることが多かったが、それらは往々にして、EVが走る「道路」と、電力を供給する「電網」という二つのシステムを分離して考えてきた。しかし、現実の世界では、この二つは密接に絡み合っている。交通渋滞はEVの充電タイミングを遅らせ、電力需要のピークをずらす。逆に、ある地域の充電料金が高ければ、ドライバーはそのエリアを避け、交通流に影響を与える。この双方向の相互作用を無視して、最適なインフラを設計することは不可能だ。
この複雑な課題に真っ向から取り組んだ研究が、広東電網有限責任公司潮州供電局の顧映彬（Gu Yingbin）氏らのチームによって発表された。彼らの研究は、交通網と電力網を統合的にモデル化し、両者の相互作用を考慮した上で、EV充電ステーションの最適な容量（出力）を決定するための革新的な二段階最適化モデルを提案している。この研究は、学術誌『Electrical Engineering』に掲載され、EVインフラの計画手法に新たな地平を切り開くものと評価されている。
この研究の画期的な点は、従来の研究がEVだけの交通流を想定していたのに対し、「混合車流」、つまり内燃機関車（ICEV）とEVが共存する現実の交通状況を明示的にモデルに組み込んでいることにある。都市部の道路を走る車の大多数がまだICEVであるという事実を無視すれば、交通流のシミュレーションは現実から大きく乖離してしまう。顧氏のモデルは、EVドライバーがルートを選ぶ際、単に目的地までの距離や時間だけでなく、「充電コスト」も重要な要因として考慮することを前提としている。このコストは、電力料金だけでなく、充電ステーションでの待ち時間という「機会損失」も含んでいる。このように、交通の「時間コスト」と電力の「金銭コスト」を統合した「広義社会コスト」という概念を最適化の目標関数に据えることで、より現実的で包括的な最適解を導き出そうとしている。
この二段階モデルの構造は非常に洗練されている。上位層では、充電ステーションの容量を「意思決定変数」として、先に述べた「総合的広義社会コスト」を最小化するという戦略的目標を設定する。このコストには、交通渋滞による時間損失、電力網の運用コスト、充電ステーションの建設投資コストなどが含まれる。一方、下位層では、上位層から提示された容量の案をもとに、二つのシミュレーションを並行して行う。一つは「交通割当問題（TAP）」。これは、Wardropのユーザ均衡理論に基づき、各ドライバーが自分の移動コストを最小化するようにルートを選択した結果、全体としてどのような交通流が形成されるかを予測するものだ。EVの充電コストが高ければ、その周辺の交通流は減少し、別のルートが選ばれる。このフィードバックループを正確に捉えることが、現実の交通流を再現する鍵となる。
もう一つは「最適潮流問題（OPF）」。これは、電力網の観点から、提案された充電ステーションの配置と容量が、電圧の安定性や線路の容量制限に違反しないかを検証するものだ。配電網は、高圧の送電網に比べて、局所的な大規模な負荷（例えば、複数台のEVが同時に急速充電する場合）に対してはるかに脆弱である。顧氏らは、電圧降下や電力損失を正確にモデル化するため、「枝流れモデル（Branch Flow Model）」と呼ばれる高度な手法を用いている。これにより、あるステーションが設置された場合に、その周辺の変圧器が過負荷にならないか、電圧が低下しすぎないかといった、電力網の安全性に関する詳細な評価が可能になる。
この上位層と下位層の間には、綿密なフィードバックループが存在する。上位層が「このくらいの容量でどうか？」と案を出すと、下位層は「その場合、交通流はこうなり、電力網への影響はこうなり、結果として社会コストはこれだけになります」という情報を返す。上位層はその情報をもとに、さらに良い案を練り直し、再び下位層に投げかける。このプロセスを繰り返すことで、交通と電力という二つの複雑なシステムのバランスを取った、真に最適な解に収束していく。これは、単なる「電力網の余力があるからここに設置しよう」という発想をはるかに超えた、統合的で動的な計画手法である。
しかし、この二段階最適化問題は計算量が非常に大きく、従来の手法では現実的な時間内に解くことが難しい。そこで、研究チームは「代理モデル（surrogate model）」と呼ばれる高度なアルゴリズムを採用している。これは、複雑なシミュレーションの代わりに、その挙動を近似する「簡易版モデル」を構築する手法である。この代理モデルは計算が非常に速いため、膨大な数の候補解を高速で探索し、有望な候補を絞り込むことができる。その後、その絞り込んだ候補に対してのみ、正確な（が遅い）シミュレーションを実行する。このハイブリッドなアプローチにより、計算時間を劇的に短縮しつつ、高精度な最適解を得ることが可能になった。これは、大規模な都市ネットワークにこのモデルを適用するための技術的ブレイクスルーといえる。
この理論の有効性は、環状の交通網と放射状の配電網を組み合わせたケーススタディによって検証されている。8つの候補地に充電ステーションを設置するというシナリオで、二つのプランを比較した。一つは、顧氏の最適化モデルで得られた「ケース1」、もう一つはすべてのステーションに平均的な容量を割り当てた「ケース2」である。結果は明確だった。ケース1の総合的広義社会コストは約44万4,140ドル/日、ケース2は約44万8,090ドル/日となり、ケース1の方が約4,000ドル/日、年間で140万ドル以上もコストを削減できることが示された。この差額は、単に設備投資の削減ではなく、交通渋滞の緩和や電力網の安定化など、システム全体の効率化から生み出された価値である。
さらに興味深いのは、最適化されたステーションの容量が均一ではなく、場所によって大きく異なる点だ。交通量の多い主要なルートには350kWの高容量ステーションが、一方で交通量の少ないエリアには120kWの小規模ステーションが配置された。これは、「需要の高い場所に供給を集中する」という市場原理を、インフラ投資の現場で最適化した結果である。無駄な投資を避け、限られたリソースを最大限に活用する、非常に経済合理的な結論だ。
この研究のインパクトは、技術的な成果にとどまらない。政策立案者にとって、これは公共投資の効果を定量的に評価できる強力なツールとなる。税金を使って充電ステーションを整備する際、どの場所にどれだけの規模で設置すれば社会全体の利益が最大化されるかを、データに基づいて判断できる。電力会社にとっては、将来の負荷増加を正確に予測し、変圧器の増設や線路の強化などの事前投資を行うためのロードマップとなる。EVメーカーにとっては、ユーザーの利便性を高めるための充電インフラの整備状況を予測し、販売戦略を立案する上で貴重な情報源となる。
また、研究はEVが単なる「電力の消費者」ではなく、「電力の供給者」としても機能する可能性に言及している。いわゆるV2G（Vehicle-to-Grid）技術だ。モデルのシミュレーションでは、EVの放電比率が増加するにつれて、平均的なノードマージナル価格（電力の瞬間的な価格）が低下することが示されている。これは、EVが家庭や電力網に電力を戻すことで、ピーク時の電力需要を抑え、電力網の負担を軽減できるということを意味する。EVのバッテリーは、都市のあらゆる場所に分散した巨大な「移動型蓄電池」として機能し、再生可能エネルギーの不安定な出力と需要の変動をバランスさせる、スマートグリッドの心臓部となりうる。顧氏らの研究は、この未来のシナリオを実現するためのインフラ設計の第一歩を示している。
結論として、顧映彬氏らの研究は、EV時代のインフラ計画に必要な「統合的思考」の重要性を強く示している。交通と電力という二つの巨大なシステムを、分断された箱庭で考えるのではなく、一つの相互作用する生態系として捉える。その上で、社会全体のコストを最小化する最適解を、高度なモデルとアルゴリズムで導き出す。これは、スマートシティの実現に向けた、極めて重要な一歩である。EVの普及は、車そのもの以上に、私たちの都市のあり方を再設計するチャンスを与えている。その設計図を描くための、信頼できるツールが、ようやく登場したと言えるだろう。
顧映彬、黄培锋、王涓、唐力则、黄树强、広東電網有限責任公司潮州供電局、『Electrical Engineering』、DOI: 10.19426/j.cnki.cn11-4746/tm.2024.07.003