近年、中国における電気自動車（EV）の普及は驚異的なスピードを続けている。2022 年の EV 販売台数は 688.7 万台に達し、市場浸透率は 2017 年の 2.4% から 2022 年には 25% へと飛躍的に向上した。この急増する EV 群が電力網に接続することで、集中的な負荷が電網にかかるだけでなく、分散的な充電行為が電圧に衝撃を与えるという課題が表面化している。一方で、EV は移動可能なエネルギー貯蔵装置としての特性を持つため、充放電を適切に制御することで、電力網の負荷平準化（ピークシェービングとバレーフィリング）に貢献できる可能性が高い。
このような背景の中、同済大学自動車学院の王寧准教授率いる研究チームは、「価格 – ポイント混合型インセンティブ」を基にした大規模 EV 車隊の充電集約スケジューリング手法を開発した。同手法は電力網、充電アグリゲーター、EV ユーザーの三者が協調するフレームワークを構築し、ユーザーの参加意欲を高めつつ、電網の負荷調整を効果的に実現する。実際の運行データによる検証では、既存の方法に比べて電網への応答充電量が増加し、単位電力コストが低下するだけでなく、電力負荷の低谷を埋める効果も確認され、さまざまな車両 – 充電スタンド規模のシナリオに対応可能な求解効率を備えていることが明らかになった。
電動化の加速と電力網の課題
中国政府は長らく新エネルギー産業の発展を推進してきた。2020 年に国務院弁公庁が発表した方針では、EV を代表とする新エネルギー自動車は新興技術と融合し、単なる交通手段から「移動型インテリジェント端末」「エネルギー貯蔵装置」へと転換するべきだと提起された。2022 年には国家発展改革委員会などが、順序立った充電の普及を通じて EV と電力網の協調的な相互作用を実現することを提唱し、政策的に EV と電網の統合を強力に後押ししている。
しかし、EV の普及率が急上昇する中、大規模な EV が頻繁に電力網に接続することで新たな問題が生じている。集中的な充電需要は電網の負担を増大させ、一方で分散的な充電行為は電圧に変動を与える可能性がある。EV は蓄電機能と移動性を併せ持つ特性を有するため、その充放電を合理的に誘導・制御することが、電力網の負荷平準化を図る上で重要な手段とされる。そのため、EV の充電を集約して電網のスケジューリングニーズに応える手法が近年、注目を集めている。
EV の充電スケジューリングに関する研究は大きく静的スケジューリングと動的スケジューリングに分類される。静的スケジューリングは EV が停車中の充放電制御決定を扱うもので、充放電の時間と電力を調整することで、ユーザーの充電コスト削減、再生可能エネルギーの利用率向上、電網の負荷平準化を実現する。動的スケジューリングは走行中の EV の充電ナビゲーションを対象とし、充電ルート、時間、場所を最適化することで、充電コストと時間を削減する。特に商業用 EV には動的スケジューリングが適しているが、その実現にはユーザーの応答意欲を高めるインセンティブメカニズムと効率的なスケジューリング手法が不可欠である。
既存の研究では、ユーザーの充電行動を誘導する手段として時間帯別価格が広く利用されている。また、待ち時間や動的な価格を考慮した充電戦略や、充電スタンドのモデルと電池制約を組み合わせたアプローチも提案されている。動的価格は時間帯別価格に比べて柔軟性に優れるが、時空間的に変動する価格情報がユーザーに混乱を与える可能性がある。一方、モデルに基づくリアルタイムスケジューリング手法や強化学習を用いた方法がスケジューリングに応用されているが、前者は最適解を得るのに時間がかかる場合があり、後者は大量のデータと高い訓練コストを必要とする。さらに、既存の多くの手法はユーザーの実際のスケジューリングへの応答意欲や価格選好を十分に考慮しておらず、複数回のスケジューリングにおけるユーザーの履行信頼度も無視されがちである。これらの課題を解決するため、同研究チームは価格とポイントを組み合わせた混合型インセンティブを提案し、ユーザーの参加意欲を高めつつ、効率的な充電スケジューリングを実現するシステムを構築した。
価格 – ポイント混合型インセンティブに基づくスケジューリングフレームワーク
同研究で提案されたフレームワークは、電力網、充電アグリゲーター、充電スタンド、EV の四者が相互作用する構造を持つ。まず、電力網は負荷平準化のためのスケジューリングニーズを、EV は充電ニーズを、充電スタンドは設備状況をそれぞれ充電アグリゲーターに提供する。充電アグリゲーターはこれらの多源情報を統合し、EV 群に集約スケジューリングの誘導情報を発信する。最終的に EV は適切な時間と場所で適切な電力で充電を行うことで、電力網の負荷調整、ユーザーの経済的利益、充電アグリゲーターの収益確保という多角的な利益を実現する。
このフレームワークの中核をなすのが、動的ポイント調整係数に基づく混合型インセンティブメカニズムである。同メカニズムは時間帯別価格を基本としつつ、電力網の負荷状況、充電スタンドの閑置状況、ユーザーの履行信頼度を考慮した 3 つのポイント調整係数を導入することで、ユーザーの充電行動を柔軟に誘導する。
具体的には、電力網の負荷状況を反映する係数（φ1）は、電力網の実際の負荷と平均負荷の比に基づいて算出される。電力負荷が平均負荷を下回る場合、この係数は 1 を超え、負荷が低下するほどその値が増加するため、電力需要の低い時間帯に充電するユーザーに対して高いポイントが付与される。逆に負荷が高い場合は係数が 1 を下回り、ポイントが抑制されるため、ピーク時の充電を抑制する効果が期待できる。
充電スタンドの利用率を反映する係数（φ2）は、充電スタンドの空き充電桩数と総充電桩数の比で表される。空きが多い場合は係数が高くなり、ユーザーに対して当該スタンドへの充電を誘導することで、充電設備の効率的な利用を促進する。
ユーザーの履行信頼度を反映する係数（φ3）は、ユーザーが申し込んだ充電予約の履行率に基づいて算出される。履行率が高いほど係数が大きくなり、高いポイントが付与されるため、ユーザーの誠実な参加を促すことができる。これにより、複数回のスケジューリングにおけるユーザーの信頼性を維持することが可能となる。
これらの係数を組み合わせることで、各 EV が特定の時間と充電スタンドで獲得するポイントが算出される。ユーザーはこのポイントを充電料金に充当することができるため、経済的なインセンティブとして作用する。この手法は動的な価格変動によるユーザーの混乱を回避しつつ、時空間的なレベルで充電行動を効果的に誘導することを可能にする。
ユーザーの応答意欲をリアルタイムで評価するファジィ推論モデル
ユーザーの実際の参加意欲を的確に把握することは、充電スケジューリングの効率を高める上で重要である。同研究では、ファジィ推論法を活用して EV ユーザーの電網スケジューリングへの参加意欲をリアルタイムで評価するモデルを構築した。
このモデルは、ユーザーがスケジューリングに参加するかどうかを判断する主な要因として、車両の残電量（必要性）、参加による報酬の大きさ（魅力）、走行距離（利便性）を考慮する。利便性に関する要素は後述の最適化モデルの目的関数に反映されるため、意欲評価モデルでは主に残電量と報酬の 2 つの要素に焦点を当てる。
残電量は SOC（State of Charge）で表され、その値は 0 から 1 の範囲で示される。報酬の大きさは、インセンティブ前後の充電コストの比（λ）で表される。この λ の値が小さいほど、ユーザーが負担する実質的な充電コストが低くなるため、参加意欲が高まる傾向にある。
ファジィ推論モデルの構築にあたっては、研究チームが杭州市で実施したアンケート調査に基づく事前知識を活用し、帰属関数とファジィ制御ルールを設定した。帰属関数は SOC と λ の値が「低」「中」「高」の各範囲に属する度合いを定量化し、ファジィ制御ルールはこれらの要素の組み合わせに対応するユーザーの意欲レベル（「非常に低い」「低い」「中程度」「高い」「非常に高い」）を規定する。
例えば、SOC が低く（残電量が少なく）、かつ λ の値が小さい（報酬が大きい）場合、ユーザーの参加意欲は「非常に高い」と評価される。逆に SOC が高く、λ の値が大きい場合は、意欲は「非常に低い」と判断される。これらのルールに基づき、ファジィ推論を通じてユーザーの参加意欲の確率値が算出され、この値が事前に設定された閾値（デフォルトで 0.5）を超える場合に限り、当該ユーザーがスケジューリングの対象となる。
この手法により、ユーザーの主観的な判断や多様な状況を柔軟に反映した意欲評価が可能となり、強制的なスケジューリングではなく、ユーザーの意思を尊重しつつ効果的な充電誘導を実現することができる。実際の算例では、1000 台の車両のうち 883 台が意欲閾値を超え、インセンティブ係数を調整することで複数回のスケジューリングにおける実際の参加率も 80% 以上に維持されることが確認された。
多目的最適化モデルと NSGA-Ⅱ アルゴリズムによる求解
ユーザーの参加意欲を把握した上で、EV の走行距離、充電コスト、電網の調整電力量を考慮した多目的最適化モデルが構築される。このモデルは主に 3 つの目的を達成することを目指す：車隊の総走行距離の最小化、車隊の総インセンティブポイントの最大化、指定時間帯における車隊の充電量の最大化。
最適化の制約条件としては、各 EV が 1 つの充電スタンドにのみ割り当てられること、充電スタンドの収容能力が空き充電桩数を超えないこと、EV の走行距離が残電量で許容される最大距離を超えないこと、充電の時間コストが獲得するポイントを上回らないこと、ポイントの単位充電量あたりの価値が充電料金の一定割合を超えないこと、充電電力が充電スタンドの最大出力を超えないことなどが設定される。これらの制約を満たすことで、現実的かつ効率的な充電計画が立案される。
この多目的最適化問題を解くために、同研究では NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm-Ⅱ）と呼ばれる進化的アルゴリズムが採用された。NSGA-Ⅱ はパレート最適解集合を求める手法で、複数の目的関数を同時に最適化するのに適している。各解は他の解に対して優越しない（どの目的関数においても劣らない）状態にあるため、意思決定者は実際のニーズに応じて最適な解を選択することができる。
具体的な求解手順は以下の通りである：まず、電力網、車両、充電スタンドの各種情報を読み込み、各種パラメータを初期化する。次に、車両と充電スタンドの距離行列、ポイント行列、電力量行列を作成し、混合型インセンティブを計算する。続いて、SOC と λ を入力としてファジィ推論モデルを用いてユーザーの意欲を算出し、意欲閾値を超えた車両と充電スタンドの組み合わせを抽出する。その後、車両と充電スタンドの情報行列を更新し、NSGA-Ⅱ アルゴリズムを呼び出して最適な車両 – スタンドのマッチングを求める。最後に、ユーザーが充電計画を実行する過程で履行信頼度を記録し、実行後に車両とスタンドの状態を更新する。
この一連の手順により、求解の質と効率が確保され、リアルタイムでの充電スケジューリングにも対応可能となる。
杭州市の実データによる検証と効果分析
同手法の有効性を検証するため、浙江省杭州市から収集された 1000 台の商業用 EV、100 箇所の充電スタンドの実際の運行データ、杭州市の電力負荷データが用いられた。EV のデータには位置、SOC、電池の定格容量、最大充電電力などが含まれ、充電スタンドのデータには充電桩の数、最大充電電力が含まれる。充電料金は 1 日を 6 つの時間帯に分け、それぞれ異なる価格が設定されており（例：22:00-8:00 は 0.7 元 /kWh、9:00-11:00 は 1.6 元 /kWh）、電力負荷は早朝と午後に低谷が確認される傾向があった。
算例の結果、883 台の EV が意欲閾値を超え、最適な充電計画が立案された。パレート最適解の一例として、走行距離最短の解では総走行距離 22,535.07km（1 台あたり平均 25.52km）、最大充電量の解では総充電量 31,957.80kWh（1 台あたり平均 36.19kWh）、最大ポイントの解では総ポイント 23,365.77 元（1 台あたり平均 26.46 元）が達成された。これらの結果を平均すると、各指標がバランスよく達成されることが確認された。
さらに、同手法と時間帯別価格に基づくスケジューリング手法との比較分析が行われた。比較の結果、混合型インセンティブを採用した手法は、時間帯別価格の手法に比べて EV の平均走行距離が 63.4% 増加したものの、電網への応答充電量が 43.6% 増加し、同時に単位電力コストが 45.7% 低下するという優位性を示した。これは、ユーザーが少し長い距離を走行する代わりに、より多くのポイントを獲得し、総体的なコストを削減できることを意味し、電網の負荷調整にも大きく貢献することが明らかとなった。
また、異なる車両 – 充電スタンド規模（1000 台 – 100 スタンドから 5000 台 – 500 スタンドまで）に対する同手法の適応性が検証された。その結果、求解時間は規模の増大に伴ってほぼ線形に増加するものの、最大でも 52 秒程度に収まり、実用的な範囲にあることが確認された。その他の指標（平均走行距離、平均充電量、単位電力コスト、ユーザー参加率）はいずれも安定した水準を維持し、特に平均参加率は 85% 以上を確保していた。5000 台 – 500 スタンドの大規模シナリオでは、電力網の負荷低谷が 1.25% 改善される効果が確認され、同手法が大規模 EV の集約スケジューリングにも有効であることが実証された。
今後の展望と産業への影響
カーボンピーク・カーボンニュートラルの目標達成を目指す中、EV の普及は今後も加速すると予想され、充電に伴う電力網の課題はますます重要になる。同研究で提案された価格 – ポイント混合型インセンティブに基づく充電集約スケジューリング手法は、電力網の負荷平準化、ユーザーのコスト削減、充電設備の効率的利用を同時に実現する上で大きな可能性を秘めている。
同手法は大規模 EV が接続する配電網のスケジューリングに新たなアプローチを提供するだけでなく、今後は車両 – グリッド統合（V2G：Vehicle to Grid）、充電スタンドの立地計画などの分野にも応用が拡大できると期待される。現在の研究では EV から電網への放電（V2G）のシナリオが考慮されていないが、今後の課題として V2G をモデルに組み込むことで、更なる電力網の「ピークシェービングとバレーフィリング」効果を高めることが可能となる。
自動車産業にとっては、この手法により EV の社会的価値がさらに高まり、メーカーや充電事業者はユーザーに対するインセンティブ施策を最適化することで、サービスの競争力を強化できる。また、電力事業者は EV を柔軟な蓄電資源として活用することで、電力供給の安定性を高め、再生可能エネルギーの導入を促進することができる。
消費者にとっては、充電コストの削減だけでなく、スケジューリングへの参加を通じて社会的なエネルギー問題の解決に貢献できる機会が増える。ファジィ推論に基づく意欲評価や履行信頼度の反映により、ユーザーの意向が尊重される環境が整うことで、EV の利便性と社会的受容度がさらに向上すると考えられる。
中国におけるこの先駆的な研究成果は、世界の EV 普及と電力網統合の課題解決にも大きな示唆を与えるだろう。今後の技術発展と実用化を通じて、EV が単なる交通手段から「移動可能なエネルギーネットワークの一員」へと真に変貌する時代が近づいている。