電気自動車が都市部に急速に普及する中、電力系統には目に見えない新たな汚染が静かに広がっている。排ガスやタイヤ微粒子ではなく、クリーンな交通手段を支える充電器そのものが発生する「高調波」という電気的ノイズである。画期的な研究によって、この複雑な系統全体の問題に対する解決策は力任せの対策ではなく、知能的で費用対効果を考慮した最適化にあることが明らかになった。研究者らは、電力の基幹を不安定化させることなく都市がEVを受け入れるために、フィルタリング能力の必要な場所と量を精密に特定する高度な「二層構造」戦略を開発した。
数十年間、電力系統は比較的単純だった。大型工場の重機械が高調波歪みの主な原因であり、技術者は対象を絞った局所的な対策で対処できた。しかし、現代の都市環境はまったく異なる様相を呈している。屋上太陽光パネルと至る所に設置されるEV充電ステーションは環境に優しい一方、地域に散在し、システムに高周波の電気的ノイズという不協和音を注入している。これは「分散型で系統全体に広がる」汚染問題を生み出す。全ての充電ポイントや太陽光インバーターに専用フィルターを設置することは、もはや現実的でも経済的でもない。課題は局所的な浄化から、知能的でシステム全体の管理へと移行している。
この電気的な課題の解決に貢献する装置が、シャント能動電力フィルター（SAPF）である。電力系統用の超高精度ノイズキャンセリングヘッドフォンと考えるとわかりやすい。ノイズを遮断するのではなく、それを検出して正確な逆位相のコピーを生成し打ち消す。精密に計算された「反高調波」電流を注入することで、SAPFは歪みを中和し、電気機器が効率的かつ安全に動作するために必要な清浄で滑らかな正弦波を回復させる。そのコンパクトなサイズと高度な制御システムは、現代の高調波対策における優先的なツールとしている。しかし、どんな強力なツールも、その効果は導入方法に完全に依存する。
最も大きく高価なSAPFを購入し、無作為な場所に設置することは、財政的な失敗と不十分な結果への道筋でしかない。真の技術は最適化、つまり最大の高調波低減と最小の財政支出の間の完璧なバランスを見つけることにある。肖朝霞（シャオ・ヂャオシア）氏とそのチームの研究が革新的である所以はここにある。彼らは単にSAPFの使用を提案しただけでなく、それを外科的な精度で展開するための数学的枠組みを構築したのである。
彼らのアプローチは、問題自体の複雑性を反映する「二層最適化モデル」として優雅に構造化されている。二つのチームが連携して作業する様子を想像してほしい。「外層」チームは最高財務責任者（CFO）に相当し、高調波対策プロジェクトの総コスト最小化という一点に集中する。そのコスト計算には、容量に比例するSAPFの購入価格に加え、設置された各ユニットに対する設置及び維持管理の固定費が含まれる。その指針は明快である：可能な限り少ない支出だ。
一方、「内層」チームは最高技術責任者（CTO）である。その使命は純粋に技術的である：配電ネットワークの全てのノードで可能な限り最低の電圧歪みを達成すること。彼らは予算制約（CFOが支払いを了承するSAPFの数）を与えられ、技術目標を達成するためにそれらをどこに配置し、各々をどの程度の大きさにするかを正確に把握しなければならない。彼らは、系統の複雑な網目構造、EV充電器や太陽光インバーターといった高調波発生源の特定の位置、そして高調波がケーブルや変圧器を通じて伝わる複雑な方法を考慮する。
このモデルの優れた点は、これら二つの層の間で行われる絶え間ない反復的な対話にある。CFO（外層）は、まず特定数のSAPF導入を提案する。この提案はCTO（内層）に渡され、CTOは歪みを最小化するために、その数のユニットに対する最適な設置場所とサイズを見つけるために複雑なシミュレーションを実行する。その後、CTOはその最適な技術的ソリューションの総コストをCFOに報告する。CFOはこのコストを評価し、他の提案と比較し、そして提案を洗練させる——おそらくSAPFを一つ増やすか、一つ減らすかする。このサイクルは、各層が互いのフィードバックに基づいて解決策を洗練させ、単一の大域的最適計画に収束するまで繰り返される。経済学と工学の間の舞踏であり、技術的に優れ、財政的にも慎重な解決策をもたらす。
この複雑な数学的パズルを解くために、研究者らは二つの強力な計算ツールを採用した：外層用の粒子群最適化（PSO）アルゴリズムと、内層用の遺伝的アルゴリズム（GA）である。PSOは鳥の群れや魚の群れの社会的行動にヒントを得ている。この文脈では、各「粒子」は潜在的な解決策——ここでは導入するSAPFの具体数——を表す。これらの粒子は解空間を移動し、自身の最良の経験と群れ全体の最良の経験に基づいて位置を調整し、最も費用対効果の高い数に徐々に収束していく。
内層で使用される遺伝的アルゴリズム（GA）は、ダーウィンの進化論から着想を得ている。SAPFの設置場所とサイズの異なる組み合わせを表す潜在的な解決策（染色体）が生成される。これらの解決策はその後、選択、交叉（二つの解決策の一部を組み合わせて新たな子孫を作成）、突然変異（ランダムな変化）のプロセスを通じて処理される。電圧歪みを最小化するのに最も適した「最適な」解決策ほど生存と繁殖の可能性が高くなり、集団が世代を重ねるごとに最適な構成へと進化していく。PSOとGAのこの組み合わせは、広大で複雑な探索空間を効率的に移動し、高品質な解決策を見つけることができるため、この問題に特に適している。
研究者らは、業界標準であるIEEE 33ノード配電ネットワーク（典型的な都市電力系統のデジタル複製）を使用してモデルを厳密にテストした。この仮想系統には現実的な負荷を配置し、さまざまなノードにEV充電ステーションと分散型太陽光発電システムの組み合わせをシミュレートするため、戦略的に高調波発生源を設置した。結果は有望であるだけでなく、啓発的であり、高調波制御の厳格さとそのコストとの間に深い非線形の関係があることを明らかにした。
彼らは、対策後の最大許容電圧歪みについて、4.8%、4.3%、4.0%、3.6%、3.3%と段階的に厳しくなる5つの異なるシナリオを定義した。結果は明白であった。最も緩やかな基準（シナリオ1、歪み≤4.8%）を満たすには、ノード16に容量45.5kVAのSAPFを1台設置するだけで総コスト19,380円となり、モデルはこれを推奨した。基準が厳しくなるにつれ、必要な投資額は劇的に増加した。4.3%の目標（シナリオ2）を達成するには2台のSAPF（ノード13と16）が必要でコストは34,527円、4.0%の目標（シナリオ3）には3台（ノード13、16、31）が必要で48,154円となった。コストはその後、3.6%（シナリオ4）を達成するための4台のSAPFで71,125円へと跳ね上がり、超厳格な3.3%（シナリオ5）を達成するための6台では実質93,876円にのぼった。
このデータは明らかな図式を示している：高調波対策のコストは、要求される清浄度のレベルに比例して直線的に上昇するわけではない。代わりに、収穫逓減の曲線を辿る。歪みの初期の低減は比較的安価だが、最後の超清浄なパーセンテージポイントを追求することは、指数関数的にコストがかかるようになる。車の研磨に似ている：汚れからきれいにするのは簡単だが、完璧なショーカー用の鏡面仕上げを達成するには、膨大で特殊な努力が必要だ。この研究は、目標が厳しくなるほど歪み低減の単位コストが増加することを計算し、解決策を過剰に設計することに対する経済的ペナルティを浮き彫りにした。
モデルの知能性を検証するため、研究者らはシナリオ2の解決策（ノード13と16の2台のSAPF）を採用し、それをノード{33, 16}や{11, 16}など、他の6つの可能な2台SAPF構成と比較した。結果は疑いのないものだった。全ての構成が状況を改善したが、モデルが推奨するノード13と16の設置場所は、ネットワーク全体で最低の最大電圧歪み（4.26%）を生み出した。他の設置場所では、たとえSAPFの台数と総容量が同じでも、より高いピーク歪み（例：4.45%や4.33%）が生じた。これは、設置場所が単に重要であるだけでなく、決定的に重要であることを証明している。モデルは単なる良い解決策を見つけるのではなく、与えられた予算に対して可能な限り最善の解決策を見つけるのである。
この研究の意義は学術誌のページをはるかに超えている。都市計画者や電力会社にとって、これは数百万ドル規模のインフラ決定を行うための強力なデータ駆動型のツールを提供する。都市がより多くのEV充電インフラを義務付け、屋上太陽光を促進するにつれ、高調波汚染問題は激化するだけである。SAPFをでたらめに展開することは、巨額の不必要な支出につながる可能性がある。この二層最適化モデルは、 proactive（先を見越した）かつ費用効果の高い系統管理への道筋を提供する。
電力品質機器のメーカーにとって、この研究は、知能的でネットワーク化された高調波対策ソリューションへの市場の成長を強調している。未来は単により多くのフィルターを販売することではなく、よりスマートな展開戦略とそれを可能にするソフトウェアを販売することにある。ハードウェアと最適化サービスの両方を含むトータルソリューションを提供する能力は、重要な競争優位となるだろう。
政策立案者にとって、この研究は、現実的かつ経済的に健全な電力品質基準を設定する上で極めて重要な洞察を提供する。3.3%のような超低歪みレベルを義務付けることは魅力的に聞こえるかもしれないが、それが4.3%基準と比較して対策コストを3倍にするのであれば、それは公的資金や利用者料金の賢明な使い方だろうか？このモデルは明確な費用便益分析を可能にし、規制当局が過度の財政的負担を課すことなく系統の信頼性を保護する基準を設定することを可能にする。
方法論そのものも重要な貢献である。PSOとGAをソルバーとして用いた二層モデルの使用は、エネルギー貯蔵システムや無効電力補償装置の配置など、電力システムにおける他の複雑な最適化問題に適用できる堅牢な枠組みを提供する。これは、先進的な計算知能を利用して現実世界の工学的・経済的課題を解決する方法を示している。
結論として、電気自動車や再生可能エネルギーへの移行は、単なる燃料源の変化ではない。それは電力インフラの根本的な変革である。この変革は新たな課題をもたらし、高調波汚染は最も陰険なものの一つである。肖朝霞氏とその同僚らの研究は、単なる技術的修正を提供する以上のものである。それはこの移行を管理するための哲学を提供する：力任せではなく知性、推測ではなく最適化、技術的卓越性と並ぶ経済的慎重さである。彼らの二層最適化モデルは、より清潔な交通の未来だけでなく、21世紀のためのよりスマートで、より強靭で、より費用対効果の高い電力系統を構築するための青写真である。これは、持続可能な未来へ向けた私たちの突進が、電力システムをコストがかかり歪んだ混沌状態に陥らせないことを保証するための重要な一歩なのである。
肖 朝霞 (Zhaoxia Xiao), 張 世栄 (Shirong Zhang), 馬 占俊 (Zhanjun Ma), 常 志良 (Zhiliang Chang), 曹 佳寧 (Jianing Cao), 徐 瑞 (Rui Xu). Published in Proceedings of the CSU-EPSA, Vol.36 No.1, Jan. 2024. DOI: 10.19635/j.cnki.csu-epsa.001216.