電気自動車の充放電スケジューリング戦略が革命的進展、V2G技術の新たな地平
世界的な脱炭素化の流れの中、電気自動車（EV）の普及は急速に進んでいます。中国だけでも2023年末の時点で、新エネルギー車の保有台数は2041万台に達し、全車両の6.07%を占めるに至っています。そのうち純電気自動車は1552万台で、新エネルギー車全体の76.04%を占めています。専門家の予測によると、2026年までには新エネルギー車の市場シェアが50%を超え、自動車市場の主導的地位を占める見通しです。しかし、この急増するEVの無秩序な充電は、電力網に深刻な問題を引き起こしています。負荷のピークと谷の差が拡大し、負荷率が低下するなど、電力網の安全性と信頼性に大きな影響を与えているのです。
こうした課題に対応するため、最新の研究が注目を集めています。その研究は、電力網とユーザーの双方のニーズを満たす二重層最適化モデルに基づく充放電スケジューリング戦略を提案し、V2G（Vehicle-to-Grid）技術の発展に新たな転機をもたらしています。この戦略は、従来の課題を解決し、電力網の安定性向上とユーザーコスト削減を両立させる画期的なアプローチです。
従来の時限課金制度は、EVの無秩序な充電による負荷のピーク谷差拡大や負荷率低下といった問題をある程度改善するものの、新たな負荷ピークを生み出しがちです。また、多目的最適化などの戦略では、ピークカットと谷埋めの効果が不十分だったり、ユーザーの参加度が低かったりするという問題がありました。さらに、一部の方法では、多数のEVを対象とする場合に求解精度が明らかに不足するという課題がありました。
今回の研究で提案された二重層最適化モデルは、これらの問題に直接的に取り組んでいます。第1層のモデルは、電力網の日負荷分散を最小にすることを目標としており、これにより負荷曲線を平準化し、ピークと谷の差を縮小することを目指しています。第2層の最適化モデルは、車両所有者の充電コストを最小限に抑えるとともに、ユーザーの移動ニーズを保証する多目的関数を構築しています。
これらの二重層モデルの求解には、改良された粒子群最適化-模擬退火（PSO-SA）アルゴリズムが使用されています。標準的なPSOアルゴリズムは収束速度が速いものの、局所最適解に陥りやすいという特徴があります。一方、SAアルゴリズムは局所最適解から脱出する能力に優れていますが、収束速度が遅いという課題があります。改良されたPSO-SAハイブリッドアルゴリズムは、これら両者の長所を組み合わせています。まずPSOを使用して迅速に近似的な最適解を得た後、SAを適用してこの解を摂動・最適化し、局所最適解を回避してより良い全局最適解を探索するのです。このアプローチにより、効率性と精度の両立が実現されています。
研究チームは、重慶市のある地域のデータを基に、MATLABプラットフォームでシミュレーションを実施しました。シミュレーションでは、1500台のEVを対象とし、それぞれのバッテリー容量を35kWh、平均100kmあたりの消費電力を20kWh、充放電電力を7kW、効率を90%と設定しました。また、電気料金は重慶市の住民向け時限課金を参考にし、ピーク時（11:00-17:00、20:00-22:00）は0.64元/kWh、平準時（8:00-11:00、17:00-20:00、22:00-24:00）は0.54元/kWh、谷時（00:00-8:00）は0.36元/kWhとしています。
シミュレーションの結果、二重層最適化モデルに基づく戦略が他の方法と比較して明らかな優位性を示しました。負荷曲線のピーク谷差について見ると、時限課金戦略では3251.44kWであったのに対し、多目的モデル最適化戦略では2340.90kWに低減され、二重層最適化戦略ではさらに1682.79kWまで低下しました。これは、時限課金戦略と比較して48.24%、多目的モデル戦略と比較して28%の削減となり、非常に顕著な改善効果が確認されました。
日負荷分散に関しても、時限課金戦略の269.58から多目的モデル戦略の162.57へと低下し、二重層最適化戦略では130.47までさらに低減されました。これにより、電力網の負荷変動が大幅に平準化され、安定性が向上することが示されました。
ユーザーの充電コストに関しては、無秩序な充電では1台あたり平均12.01元であったのに対し、多目的最適化戦略では9.97元に削減され、二重層最適化戦略では9.05元まで低下しました。これは、無秩序な充電と比較して24.63%、多目的モデル戦略と比較して9.18%のコスト削減となり、ユーザーにとって大きな経済的メリットがあることが明らかになりました。このようなコスト削減は、ユーザーのV2Gプログラムへの参加意欲を高め、大規模な導入にとって重要な要素となります。
さらに、二重層最適化戦略は、時限課金戦略が抱えていた新たな負荷ピークの発生という問題を効果的に解決しています。シミュレーションによると、時限課金戦略は18:00-21:00の負荷ピーク期間に一定のピークカット効果を示しましたが、10:15-翌3:00の期間に新たな負荷ピークを生み出していました。これに対し、二重層最適化戦略は負荷曲線を全体的に平準化し、新たなピークの形成を回避することに成功しています。
この戦略の成功は、その構造的なアプローチによるものです。二層に分かれた最適化目標を設定し、層間で結果を反復的にフィードバックすることで、電力網の安定性とユーザーの経済的利益のどちらも損なわれることがないようになっています。第1層の負荷分散最小化は、電力網が安全かつ効率的なパラメータ内で運行されることを保証し、第2層のコスト最小化と移動ニーズの満足は、ユーザーが参加するための具体的なインセンティブを提供しています。この二層構造により、相互に利益をもたらすサイクルが形成され、電力網の信頼性向上とユーザー参加の増加が相俟って、全体的なシステム効率が高まるという好循環が生まれています。
また、この研究では、バッテリーの充放電サイクルによる劣化コストも考慮されています。バッテリーの寿命とサイクル数の関係をモデルに組み込むことで、電気料金のコスト削減がバッテリーの劣化による追加コストで相殺されることを防ぎ、長期的な経済的合理性を確保しています。これにより、戦略は現実的かつ持続可能なものとなっています。
電気自動車の充放電を管理するための制御アーキテクチャは、配電網调度層、充電スタンド運営層（制御層）、ユーザー層の3層構造を採用しています。これらの層は、完善した通信網を介してリアルタイムの情報交換を行っています。配電網调度センターは各充電スタンドの任意の時間帯の充放電負荷を制御する调度プログラムを持ち、電圧や電流などの制約が境界を超えていないかを検査する潮流計算プログラムを備えています。充電スタンド運営層（制御層）は、入場したEVに充放電方案を提供する一方で、充放電待ちの車両情報を调度センターに伝送し、最適化调度を受け取ります。スマート充電装置は端末機器として、EVの充電、放電、待機の3つの状態に対して充放電制御を行うことができます。情報の交換と调度センターの最適化调度方案を経て、充電スタンド運営層（制御層）は最終的な调度計画を各スマート充電装置に送信し、充放電が実行されるという流れになっています。
このような構成により、EVの充放電が全体的に最適化され、電力網の負荷を平準化するとともに、ユーザーのコストを最小限に抑えることが可能となります。特に、多数のEVが接続される状況下においても、効率的かつ安定した運行が保証されるという点が大きな特長です。
改良されたPSO-SAアルゴリズムは、この戦略の成功において決定的な役割を果たしています。標準的なPSOアルゴリズムとSAアルゴリズムとの比較において、ハイブリッドアルゴリズムは収束速度と精度の両方で優れた性能を発揮しています。PSOの速度とSAの精度を兼ね備えることで、大規模なEV群の充放電最適化という複雑な問題に効率的に対応することができるのです。
今後、EVの市場シェアがさらに拡大するにつれ、このような充放電スケジューリング戦略の重要性はますます高まるでしょう。二重層最適化モデルは、大規模なEVの電力網への統合を可能にし、同時に網の安定性と経済的運営を確保する実用的かつ効率的な解決策を提供しています。世界が低炭素社会への移行を加速させる中、このようなイノベーションはEVの利点を最大限に活用し、スマートで持続可能なエネルギーシステムの発展を促進する上で極めて重要な役割を果たすでしょう。
この研究は、馬永翔、王希鑫、闫群民、孔志战、淡文国の各氏によって実施されました。所属機関は、陝西理工大学電気工程学院、陝西省電力有限公司、ウランチャブ電気局です。研究成果は、「重慶理工大学学報（自然科学）」2024年第38巻第2号（DOI: 10.3969/j.issn.1674-8425(z).2024.02.029）に掲載されています。この業績は、電気自動車の充放電管理分野における重要な進展を代表し、今後の学術研究と産業応用に大きな影響を与えることが期待されています。