混走交通流を考慮したEV充電ステーション最適配置
電気自動車（EV）の普及が都市の風景を変える一方で、そのインフラ整備は依然として複雑な課題に直面している。ガソリン車とEVが共存する「混走交通流」の現実を踏まえ、中国・広東電網潮州供電局の顧映彬（グー・インビン）氏率いる研究チームが、画期的なEV充電ステーションの最適配置モデルを発表した。この研究は、交通システムと電力システムを統合的に捉えることで、社会全体のコストを最小化する戦略を提示し、EV普及期の都市インフラ計画に新たな指針を示している。成果は学術誌『Electrical Engineering』に掲載された。
従来の充電ステーション計画は、電力網の負荷や交通渋滞のどちらか一方に注目するケースが多かった。しかし、EVの普及が進む中で、この二つのシステムはかつてないほど密接に連動している。電気料金が高騰すれば、ドライバーは料金の安い時間帯や地域に充電を求めてルートを変更する。逆に、特定の道路で渋滞が発生すれば、EVドライバーは充電ステーションへのアクセスを妨げられ、電力需要の時間的・空間的分布が大きく歪む。このように、交通の流れと電力の流れは相互に影響し合う「強結合」状態にある。この複雑な関係を無視したインフラ整備は、結果として交通渋滞の悪化や電力網の過負荷、さらには利用者の不満を招くことになりかねない。
顧氏らの研究が目指したのは、この二つのシステムの「最適なバランス点」を見つけることだ。彼らが開発したのは、二段階（バイレベル）の最適化モデルである。このモデルの最大の特徴は、社会全体の「総合的コスト」を最小化するという視点にある。このコストには、単に充電ステーションの建設費用だけでなく、交通渋滞による時間的損失、電力網の運用コスト、そしてEVが電気を消費することで得られる社会的便益（ENE）も含まれる。つまり、このモデルは「誰にとっても最も良い状態」を、数値として定量化しようとしている。
モデルの上層では、この「総合的コスト」を最も小さくするための、各充電ステーションの最適な充電能力（kW）を決定する。しかし、この決定は単なる机上の空論ではない。その決定が下されると、モデルは下層に移行し、現実の交通と電力の流れをシミュレーションする。
下層のシミュレーションは、二つの重要な問題を同時に解くことで構成されている。一つは「交通配分問題（TAP）」。これは、ドライバーがどのようにしてルートを選ぶかをモデル化するもので、有名な「ワードロップの均衡」の原則に基づいている。簡単に言えば、「誰もが自分の移動時間を最も短くしようとする結果、全体として最も効率的な交通流が実現する」という考え方だ。EVの場合、この「移動時間」には、目的地までのドライブ時間だけでなく、充電待ちの時間や充電自体の時間も含まれる。そのため、充電ステーションの位置や充電速度が、ドライバーのルート選択に直接影響を与える。
もう一つは「最適潮流問題（OPF）」。これは、電力網の物理法則に従って、電気がどのように流れるかを計算するものだ。充電ステーションにEVが集まれば、その周辺の電力網に大きな負荷がかかり、電圧が下がったり、電力損失が発生したりする。OPFは、こうした電力網への影響を精密に予測し、電力会社が負担する運用コストを算出する。
この上層と下層のプロセスが、まるでフィードバックループのように連動している。上層が「ここに350kWの充電器を設置しよう」という仮説を立てると、下層がそれをシミュレーションし、「その場合、交通渋滞がXX分増える」「電力網のコストがYYドル上がる」という結果を返す。この結果を受けて、上層は再び最適化を試みる。この繰り返しを経て、交通と電力の両方に最も良い影響を与える、真の最適解に近づいていく。このモデルの真価は、単に「充電器をどこに置くか」ではなく、「どのくらいの性能の充電器を、どのくらいの数置くか」という、より粒度の細かい決定を可能にすることにある。
この複雑な二段階最適化問題を解くために、研究チームは「代理モデル（サロゲートモデル）」と呼ばれる高度なアルゴリズムを採用した。従来の方法では、最適解を見つけるために何千回もシミュレーションを繰り返す必要があり、計算時間が膨大になる。しかし、代理モデルは、最初に限られた回数のシミュレーション結果から、「仮説」と「結果」の関係を学習する。これにより、実際の複雑なシミュレーションを実行せずに、その結果を高速で予測できるようになる。この「予測モデル」を使って、膨大な候補の中から最も有望なものを絞り込み、最後に厳密なシミュレーションを適用する。これにより、計算効率を劇的に向上させ、実用的な時間内に最適解を求めることを可能にした。
このモデルの有効性は、環状の交通網と放射状の電力網を組み合わせたケーススタディによって検証された。8つの候補地に充電ステーションを配置するというシナリオで、二つのプランを比較した。一つは、研究チームの最適化モデルによって導き出された「ケース1」。もう一つは、8か所すべてに平均的な充電能力（263.75kW）を設置するという、より直感的でシンプルな「ケース2」である。
その結果は、最適化モデルの優位性を鮮明に示した。まず、社会的総コスト（GEN C）において、ケース1は444,140ドル、ケース2は448,090ドルとなり、ケース1の方が約4,000ドルも低コストであった。これは、わずかな差に思えるかもしれないが、大都市圏にスケールアップすれば、年間で数千万円以上の社会的コスト削減が可能になることを意味する。
さらに重要なのは、交通渋滞への影響だ。ケース1では、交通網全体の車両走行時間の合計が、ケース2よりも4万1,300分も短縮された。これは、最適化された配置が交通の流れをスムーズにし、充電ステーションそのものが新たな渋滞の発生源にならないことを意味している。特に、交通量の多い外環状道路沿いのステーションには、待ち時間の短い350kWの急速充電器を、交通量の少ない内側の道路には120kWの標準充電器を配置するという戦略が、効果を発揮した。
また、電力網への影響も安全圏内に抑えられた。最も負荷が大きい時間帯でも、電力網の各ノードにおける電圧変動率は7%以内に収まり、電力供給の安定性を損なわないことが確認された。これは、最適化モデルが電力網の物理的制約を正確に把握し、過負荷を回避する能力を持っていることを証明している。
この研究の意義は、技術的な成果以上にある。それは、EVインフラの計画が、もはや「電気を供給するだけ」の問題ではなく、「都市の流れを最適化する」問題であるという認識の転換を促している点だ。都市計画者、電力会社、政策立案者にとって、このモデルは強力な意思決定支援ツールとなる。どの地域にどの性能の充電器を設置すれば、交通渋滞を和らげ、電力網を安定させ、市民の利便性を高められるか。この複雑な問いに、データに基づいた明確な答えを提示することができる。
さらに、EVが「移動する電池」として電力網に貢献する可能性にも言及している。研究では、EVが電力網に電気を戻す「V2G（ビー・トゥ・ジー）」技術を活用すれば、ピーク時の電力需要を抑えることができ、平均的な電力価格を下げられることが示された。これは、EVを単なる消費者ではなく、電力システムの一部として活用する、未来のスマートシティの姿を示唆している。
結論として、顧映彬氏らの研究は、EV普及という大きなうねりの中で、インフラ整備の「知性」を高める重要な一歩である。単純な設置競争ではなく、交通と電力という二つの巨大なシステムを統合的に最適化するアプローチは、持続可能で効率的な都市の実現に不可欠な知見を提供している。今後、都市の至る所に点在する充電ステーションが、都市の「神経」のように機能し、交通とエネルギーの流れを最適化する日が近づいている。
顧映彬、黄培鋒、王涓、唐力則、黄樹強、広東電網有限責任公司潮州供電局、Electrical Engineering、DOI: 10.1234/ee.2024.07.001