AI駆動の新手法、EV充電器の異常をリアルタイム検出
電気自動車（EV）の世界的な普及が加速する中、充電インフラの信頼性は、ドライバーだけでなく電力系統事業者、規制当局、自動車メーカーにとっても重大な関心事となっている。電力系統専門誌『電気設備建設』に掲載された最新の研究では、現場検査やハードウェア改修を必要とせずに、先進的な信号処理と深層学習を活用し、EV充電ステーションの計測誤差をリアルタイムで検出する画期的な手法を提案している。
国網冀北電力有限公司計量センターのJiao Dongxiang（焦東翔）氏を中心とする研究チーム（唐山供电公司、天津大学電気情報工学院との共同研究）が開発したこの手法は、充電器の部品劣化、環境ストレス、あるいは人為的操作によって時間の経過と共に生じる「サイレント誤差」というEV生態系の課題に着目した。従来の検証手法は手動による定期較正に依存していたが、公共・半公共充電器が全世界で数百万台規模に拡大する中、このアプローチはコストと人的負荷の面で非現実的となっていた。
この新技術の核心は、物理法則に基づくモデリングとデータ駆動型知能の融合にある。交流（AC）充電器の場合、系統から引き出される総エネルギーは、個々の充電ポイントで計測されたエネルギー量と配線・固定負荷による予測可能な損失の合計と一致しなければならない。直流（DC）急速充電器の場合、AC-DC変換効率（充電器モデル、負荷、温度などで変動）を方程式に追加する必要がある。
従来のモデリングが固定効率を前提としていたのに対し、研究チームは現実の効率が動的であることを見出した。この変動を捉えるため、電圧・電流・力率・外気温・メーカー公表効率値の時系列データを入力とする「Transformer-CNN」という深層学習アーキテクチャを設計。トランスフォーマーネットワークの文脈把握能力と畳み込み層の多時間尺度特徴抽出を組み合わせ、充電セッションごとのAC/DC変換効率を高精度で推定可能にした。
推定効率値は改良型の再帰減衰最小二乗（RDLS）アルゴリズムに投入され、個々の充電器の計測誤差を算出する。従来の再帰的最小二乗法が不安定化しやすい課題に対し、RDLSはパラメータの急激な変化を抑制する減衰項を導入。測定ノイズや一時的な異常に対するロバスト性を高めつつ、安定した収束を実現した。
30か所の充電ステーションから14か月間収集した実運用データとシミュレーションデータ（最大±4.2%の意図的誤差を付加）を用いた検証では、98%の検出精度と84%のF1スコアを達成。従来手法（基本RLS、二重パラメータRLS、カーネルリッジ回帰）を大きく上回り、実地データでは物理検査で確認された故障を100%の精度で検出した。
この精度レベルは運用革新を約束する。電力事業者は数千台規模の充電器を、従来の予定保守から状態監視型予防保全へ移行できる。ドライバーは公平な課金と安定した充電性能を享受し、規制当局は断片化したインフラ全体に計量基準を適用可能となる。
米国国家EVインフラ（NEVI）プログラムが50億ドルを沿岸間急速充電網に投資するなど、各国で充電インフラ整備が急拡大する中、この手法は既存テレメトリデータを活用するためハードウェア改造が不要という利点を持つ。既設設備への「ソフトウェアのみ」の導入経路は、特に従来型施設の展開障壁を劇的に低減する。
技術的には、自然言語処理向けに開発されたトランスフォーマーを電力システムに適応させた点が特徴的。数時間に及ぶ充電セッション中の効率変化を把握する長期依存関係の捕捉に加え、深さ方向畳み込みによる局所的パターン検出（バッテリー予熱時の電流急増など）を低計算負荷で実現している。これにより、クラウド分析とエッジデバイス展開の双方に対応可能な軽量モデルを構築した。
実用面では、再帰減衰最小二乗法に忘却係数を組み込むことで、配線腐食に伴う抵抗値の漸進的変化など長期の挙動変動に適応。減衰項が短期的なノイズへの過剰反応を防止し、データ品質が不均一な実運用環境での安定性を確保している。
将来的には、このエネルギー収支フレームワークを応用し、盗電検知や電力電子部品の故障検出、車載バッテリーの健康状態推定（充電効率分析による）などへの展開が期待される。特にV2G（車両から系統へ）サービスが本格化すれば、双方向エネルギーの正確な計測が不可欠となる。
現段階での最大の影響は運用効率の向上にある。DC急速充電器1台の手動較正には数百ドルのコストと技術者の時間を要するが、この手法により保守コストを桁違いに削減しつつサービス品質を向上できる。
研究体制も特筆すべき点だ。地域電力会社の実務者と大学のAI・電力システム専門家が協働し、多様な充電器モデル・環境条件・使用パターンを網羅した実データを用いることで、理論と実践の橋渡しを成功させた。
2022年に世界販売台数1000万台を突破し、2030年には年4000万台超と予測されるEV市場において、充電インフラへの負荷は今後さらに増大する。複雑性やコストを増加させずに信頼性を高めるこの種のソリューションは、電気化の潮流を維持する上で極めて重要となる。
充電速度やネットワーク拡充が注目されがちな業界において、この研究は「正確性」と「信頼」が同等に重要であることを再認識させる。50kWhの請求に対して実際には45kWhしか供給されない充電器は、速度や利便性の価値を失わせる。すべての電力消費が公平・透明・自動的に検証される基盤を構築すること——それが持続可能な電動モビリティ生態系の真の礎となる。
著者:
Jiao Dongxiang¹, Wang Yachao¹, Han Di¹, Li Xuechao², Yuan Shengli², Dang Zhaoshuai³, Yang Ting³
所属:
¹ 国網冀北電力有限公司 計量センター（中国・北京）
² 国網冀北電力有限公司 唐山供电公司（中国・河北省唐山市）
³ 天津大学 電気情報工学院（中国・天津市）
掲載誌:
『Electric Power Construction』第45巻第8号（2024年8月）
DOI:
10.12204/j.issn.1000-7229.2024.08.013