配電網の新たな里程標：EV統合型二段階ディスパッチモデル
電力システムの絶えず変化する状況において、ブレークスルーが静かに進行している。 Northeast Petroleum University のシミュレーション室で、研究者たちは、電気自動車（EV）を単に許容するだけでなく、積極的に連携するアクティブ配電ネットワーク（ADN）のためのディスパッチフレームワークを構築した。
これは、協調的グリッドインテリジェンスの時代の到来を告げるものである。EVは単に壁から電力を引き出す受動的な負荷ではなく、再生可能エネルギー発電の変動を平滑化するのに役立つ機動的で柔軟なエネルギー資産となる。この新たなパラダイムにおいて、控えめなEVバッテリーは、静的なインバーターやコンデンサバンク以上の、明日のグリッドを安定させる縁の下の力持ちとなるかもしれない。
賈穎（Jia Ying）、劉漢立（Liu Hanli）、趙淑琪（Zhao Shuqi）、李陽（Li Yang）、韓鵬飛（Han Pengfei）、陳彪（Chen Biao）による最新の研究は、日前の経済性計画と、EVクラスターを確実にループ内に保ちながら実施する当日の電圧・安定性調整を組み合わせた、注意深く調整された二段階最適化プロセスを明らかにしている。これは単なるアルゴリズムの演習以上のもので、グリッドが硬直的なトップダウンのインフラから、反応するのではなく予測する動的で応答性の高いエコシステムへとどのように進化できるかの一端を垣間見せている。
このモデルを特別なものにしている点、そしてそれが研究所の範囲をはるかに超えて重要である理由を探ってみよう。
グリッドはもはや受動的ではない—それはアクティブである
歴史的に、電力配電は「作れば顧客は来る」という思考様式で運用されてきた。電力は一方向に流れた：大規模な集中型発電所から、変圧器や送電線を経由して、家庭や工場へ。需要は確かに変動した—しかし、グリッドには慣性があり、運用者は回転予備力、負荷遮断、そして保守的な安全余裕に依存していた。
その後、屋根の上の太陽光パネル、平原に点在する風力タービン、そして—決定的に—仕事帰りにプラグインする何百万台ものEVが登場した。突然、負荷曲線は単にでこぼこなだけでなく、尖頭的、予測不能、かつ双方向的になった。分散型エネルギー資源（DER）は古いモデルを根本から覆した。その結果？ 電圧変動、逆潮流、そして制限に伴う頭痛—特に、日中太陽光発電のピーク時には、余剰発電を地域で吸収できず、捨てるか抑制しなければならなかった。
ここにアクティブ配電ネットワークの登場である—これは10年以上前にCIGREの作業部会によって最初に公式化された概念だが、実用化が成熟してきたのは今のことである。従来のグリッドとは異なり、ADNは供給と需要の両方を積極的に管理する。それらは制御可能な発電（ディスパッチ可能なDGユニットなど）、柔軟な蓄電（定置型バッテリー）、そして需要側資産—なかでも主要なのは、EVアグリゲーター—を調整する。
しかし、調整は言うは易く行うは難しである。実世界のADNは、経済性（コストを低く保つ）、信頼性（停電を避ける）、持続可能性（再生可能エネルギーを最大化する）という3つの競合する優先事項を両立させなければならない。そして決定的に、それは複数の時間軸—24時間予測から15分単位のリアルタイム修正まで—で行わなければならない。
そこが二段階ディスパッチモデルの真価を発揮する場所である。
第一段階：24時間のチェス対局
大陸横断のロードトリップを計画することを想像してみてほしい。予想される交通状況や天気に基づいて、主要な停車地、充電時間帯、 overnight rest を計画するだろう。それが日前段階がグリッドに対して行うことである—ただ、その賭けはより高く、その地形は電気的である。
強い太陽放射と安定した風で知られる新疆ハミ地域のハイブリッド発電所からの実世界の風力・太陽光データを使用して、チームは歴史的な発電プロファイルを長短期記憶（LSTM）ニューラルネットワークに入力した。その出力は？ 4つの主要ノード（ノード24と32のPVファーム、ノード11と17の風力タービン）における再生可能エネルギー出力の24時間予測である。
この予測を手に、最初の最適化が始動した：総運用コストの最小化。これは以下をカバーする複合目的である：
- 主グリッドとの電力売買（時間帯別料金：夜間は安く、8–13時と15–21時は高価）、
- ネットワーク損失のペナルティ、
- DGと蓄電の保守コスト、
- そして—決定的に—抑制された再生可能エネルギーの機会コスト。
そう、抑制を単なる技術的損失として扱うのではなく、モデルは実時間電気料金を使用して明示的に価格設定した。18:00—ピーク料金時間帯—に100 kWhの太陽光を捨てるなら、単にクリーンエネルギーを無駄にしているだけでなく、可能な収益において1.20元以上を喪失しているのである。それをコスト項目に変換すると、突然、再生可能エネルギーを使用しないことが経済的に苦痛となる。
そして、ゲームチェンジャーが到来した：制御可能な負荷の追加—具体的には、2つのエネルギー貯蔵システム（ノード10に190 kWh、ノード28に160 kWh）と、ノード7のEVアグリゲータークラスター（100 kWh容量）である。
その影響は？ 直接的かつ計量化可能であった。
- 再生可能エネルギー抑制率は4.41パーセンポイント低下した—93.77%の利用率から98.18%へ。
- 正味電力調達コストは1日あたり472.03元から446.90元に低下した—蓄電の充電時期と方法をシフトさせるだけで5.3%の節約。
- 最適化前で抑制が最もひどかった15:00において、利用率は78.91%から88.41%に跳ね上がった。
どうやって？ エネルギーを時間シフトさせることで。日中の太陽光ピーク時（12–16時）に、グリッドは単に主ネットワークに出力を送り出した（売電限界に達する）だけでなく、同時にEVと定置型バッテリーを充電した。そして、夕方の立ち上がり時や夜間の低需要時に、それら同じ資産が放電し—ギャップを埋め、輸入を減らし、正味負荷プロファイルを平滑化したのである。
それを、物理的制約を伴うエネルギーアービトラージと考えてほしい。EVは不便を強いられていたのではなく、グリッドのニーズに合わせた充電スケジュールに従っていた—おそらくスマート料金やアグリゲーター契約を通じて。14:00にプラグインした1台のEVは、2時間3 kWで充電し、一時停止し、その後、風が強まり料金が下落する22:00に満充填するかもしれない。
これが、インフラとしての需要柔軟性である。
第二段階：リアルタイムの綱渡り
日前計画は優雅である—しかし実世界は雑然としている。雲が太陽光発電所の上を速く動く。突然の疾風がタービン出力を変える。工場のラインが予期せず停止する。予測誤差が忍び込む。
それが当日ローリング最適化段階が存在する理由である：4時間先を見据えたウィンドウで、1時間ごとに更新され、15分分解能を持つ。しかし、ここで捻りがある：それは一から始めない。それは日前に行われたコミットメントを尊重する。
具体的には：
- 第一段階からのEVとESSの電力計画はソフト制約として扱われる—偏差は許容されるが、ノードあたり±5%でキャップされる。
- 各4時間ローリングウィンドウの最初の1時間のみが確定され、残りは次のサイクルで再最適化される（リーディングホライゾン制御と呼ばれる技法）。
- EVの放電は禁止される（今日一般的な単方向充電と一致し）、バッテリー寿命を保護し、制御を簡素化する。
- ノード33の負荷時タップ切換器（OLTC）—ADNを主グリッドに接続する変圧器—は、1日あたり6回の操作（1時、5時、9時など）に制限され、機械的寿命が保護される。
ここでの目的は移行する：お金についてよりは少なく、物理についてより多く。
3つの目標が当日オプティマイザーを導く：
- ネットワーク損失の最小化—ケーブルにおけるI²R発熱を減らし、効率を直接改善し、熱ストレスを軽減する。
- 電圧偏差の最小化—重要なサービス品質指標。±5%（0.95–1.05 pu）を超えて逸脱する電圧は、機器損傷、フリッカー、不安定性のリスクがある。
- 再生可能エネルギー利用率の最大化—第一段階の利益が、過度に積極的な電圧制御によって台無しにされないことを保証する。
これらの目標は競合するため（例：より多くの太陽光を吸収すると電圧が上昇する可能性がある）、チームは比例スケーリングと判断行列分析を使用して重みを割り当てた：電圧安定性が大部分（58.42%）を占め、次いで再生可能エネルギー利用（28.02%）、損失（13.50%）となった。実用的なバランス：信頼性が第一、持続可能性がそれに続く。
結果は？ 顕著であった。
- 最大ノード電圧偏差は0.0600 puからわずか0.0253 puに縮小した—最も変動の激しいノード（11, 15, 17, 20）においても、±2%バンド（0.98–1.02）内に十分収まる。
- 電圧プロファイルは劇的に平坦化した：最適化前は12ノードが0.05 puの偏差を超えていた；最適化後は、ゼロであった。
- 再生可能エネルギー利用率は97.65%と非常に高く留まった—追加の物理的制約にもかかわらず、日前最適値からわずか0.53ポイントの低下。
実際には、これは、光が暗くならず、産業用モーターが過熱せず、雲の通過時の変動中にインバーターがオフラインにトリップしないことを意味する。グリッドはより楽に呼吸する。
これが単なる学術的なものではない理由—それは自動車的である
一見すると、これは電力システムの論文である。しかしよく見てほしい：ノード7はEVアグリゲーターをホストしている。それは理論上のプレースホルダーではない—それは実世界のEV充電ネットワーク：フリートデポ、職場充電器、あるいは住宅用V1G（車からグリッドへの単方向）ハブの代理なのである。
モデルはEVクラスターを、電力およびエネルギー限界を伴うディスパッチ可能な負荷ブロックとして扱う—これは今日、公益事業がデマンドレスポンス資源をどのように見ているかとまったく同じである。そして決定的に、それは双方向（V2G）機能がなくても、EVがグリッドに巨大な価値を提供できることを示している。
考えてみてほしい：100 kWhのEVクラスターは、総柔軟性容量の約12%を貢献した（350 kWhの定置型蓄電とともに）。しかし、EV充電は高度にシフト可能である—ほとんどのドライバーはいつ自分の車が充電されるか気にせず、朝までに満タンであることのみを気にする—ため、特定の放電時間帯に縛られた固定バッテリーよりも、kWhあたりより多くのスケジューリングの自由度を提供した。
これは自動車メーカーと充電プロバイダーにとって深遠な意味合いを持つ。
第一に、スマート充電はオプションではない—それは基本条件である。ADNが拡大するにつれて、公益事業はますます、ディスパッチ信号を受け入れることができるEVSE（電気自動車供給設備）を要求—または奨励—するようになるだろう。ISO 15118（スマートグリッド統合を伴うPlug & Charge）とOCPP 2.0.1（Open Charge Point Protocol）は既にこれをサポートしている。 mandates が続くことを期待せよ。
第二に、EVは貸借対照表上のグリッド資産になるかもしれない。アグリゲーターが毎晩4時間、50 kWの柔軟な負荷を確実に提供できるなら、それは小規模なピーク出力プラントと同等である—しかし、排出ゼロで、より低い資本支出を伴う。いくつかの欧州の公益事業は既に、EVフリートとの「仮想発電所」契約をパイロット実施している。
第三に、車両設計はグリッドの役割を考慮しなければならない。バッテリー熱管理、充電受入率、そしてオンボード通信モジュールでさえ、高速DC充電だけでなく、グリッドサービスプロファイルをサポートする必要があるだろう。テスラの「Scheduled Departure」とGMのUltium Energy Servicesは初期の一歩；次の飛躍はリアルタイム調整である。
そして最後に、この研究は、EVが駐車中に稼ぐ未来を示唆している。はい、完全なV2Gは依然としてバッテリー保証の懸念とインバーターコストによって阻まれている。しかし、制御された単方向充電でさえ価値を生み出せる：時間帯別料金アービトラージによるより低い電気代、デマンドレスポンス報酬、または炭素クレジット。中国のますます市場主導型の電力部門では、それらの微小収益が合算される。
シミュレーションを超えて：拡張性と実世界での進展
批判者は指摘するかもしれない：これは修正されたIEEE 33ノード供給線—古典的なベンチマークだが、小規模（総負荷～3.7 MW）で放射状—でテストされた。それは何千ものノードを持つ都市のメッシュネットワークに拡大するだろうか？
その答えは、電力潮流モデリングに使用された二次錐（SOC）緩和にある。伝統的なAC電力潮流—非凸で計算的に扱いにくい—とは異なり、SOCは問題を凸形式に変換し、より大規模なシステムに対しても数秒で解くことができる。そして放射状ネットワーク（ほとんどの配電供給線のように）の場合、緩和は正確である：解は元のAC方程式を満たす。それは近似ではない—それは数学的等価性である。
さらに、二段階構造は本質的にモジュール式である。第一段階はDSO（配電系統運用者）で集中的に実行できる；第二段階は分散化できる—変電所またはEVSEハブでのエッジコントローラーによって実行される。5GとエッジAIが急速に進歩する中、レイテンシと帯域幅のハードルは薄れつつある。
既に、アーリーアダプターはパイロットを超えて動いている。山東省では、State Gridは青島でEVアグリゲーターを伴うADNディスパッチをテストしている。広東省では、Nari GroupはコンデンサバンクとOLTCを使用したリアルタイム電圧最適化を展開した—この研究の無効電力デバイス（ノード5/15/30のSVC、ノード5/15のコンデンサ）と同様である。部品は整っている。
欠けているのは統合—DER、蓄電、EVを単一の階層的制御スタックに結びつけることである。それがまさに賈と同僚が提供したものである：新しいデバイスではなく、グリッドのための新しいオペレーティングシステムなのである。
今後の道：ディスパッチからエコシステムへ
この作業の真の意義は、コスト削減や電圧偏差の小数点にあるのではない。それが具現化するマインドセットシフトにある。
我々は長い間、運輸と電力を別々の部門—異なる規制当局、異なる技術者、異なるビジネスモデル—として扱ってきた。しかし、EVはそれらの間の物理的架け橋である。EVが充電するたびに、それは電力システムイベントである。グリッド制約が充電速度を制限するたびに、それはモビリティイベントである。
この二段階モデルは、グリッドオペレーター、自動車メーカー、充電ネットワークが同じ言語—最適化変数、制約、多目的トレードオフ—を話す共同設計のための青写真である。
将来の反復では以下が組み込まれる可能性がある：
- 双方向V2G、EVバッテリーをディスパッチ可能な発電（単なる負荷ではない）として解き放つ。
- 不確実性の定量化、予測誤差に対してヘッジするために確率的最適化またはロバスト最適化を使用する。
- トランザクティブ制御、EVやその他のDERが集中型コマンドの代わりに価格信号を通じて交渉する。
- サイバーセキュリティ層、ディスパッチ信号が詐称または遅延できないことを保証する。
しかし、現在の形でさえ、モデルは極めて重要な点を証明している：グリッドはEVを恐れる必要はない—それを募る必要がある。
ある技術者が述べたように：「あなたのガレージにあるバッテリーは、エネルギー転換において最も利用されていない資産である。」この研究はそれをどう変えるかを示している。
だから次にあなたのEVをプラグインするとき、覚えておいてほしい：あなたは単に通勤のために補充しているのではないかもしれない。あなたはノード17で電圧を安定させ、風力タービンを全開で稼働させ、グリッドに25元の調達コストを節約するのを助けているかもしれない。
それは空想科学小説ではない。このような作業のおかげで、それは既に展開されつつある—静かに、効率的に、一つのディスパッチサイクルごとに。
賈穎（ジャ・イン）¹, 劉漢立（リウ・ハンリー）², 趙淑琪（チャオ・シューチー）¹, 李陽（リー・ヤン）³, 韓鵬飛（ハン・ポンフェイ）⁴, 陳彪（チェン・ビャオ）²
¹ Northeast Petroleum University 電気情報工学部, 大慶市 163318, 中国
² PetroChina Electric Energy Limited Company 電力第一会社, 大慶市 163453, 中国
³ Daqing Oilfield Water Company 浄化分枝, 大慶市 163453, 中国
⁴ PetroChina Power Supply Company 情報通信センター, 大慶市 163453, 中国
吉林大学学報（工学版）, 2023, 第53巻 第4号, pp. 709–716
DOI:10.13229/j.cnki.jdxbgxb20220417