直流マイクログリッドでEV充電コストを28％削減
電気自動車（EV）の普及は、環境への配慮と技術革新の波を受け、世界的に加速している。しかし、その一方で、多くのユーザーが直面する現実的な課題が存在する。それは、特にピーク時間帯における電気料金の高さから生じる「充電コスト」の負担である。環境に優しいというEVの本質的な利点は揺るぎないものだが、家庭用電源での充電が電気代の大幅な増加を招く可能性があるという懸念は、購入をためらわせる大きな壁となっている。このジレンマを打破するため、中国の国家電網浙江省電力有限公司マーケティングサービスセンターと中国電力科学研究院が運営する「需要側多エネルギー・キャリアー最適化および相互作用技術北京市重点実験室」の研究チームが、画期的な解決策を提示した。彼らが開発した直流（DC）マイクログリッドの協調制御戦略は、太陽光発電（PV）、蓄電池（ESS）、そして従来の交流（AC）電力網を統合し、EVの充電コストを最大で28.1％削減することが可能であると証明されている。さらに、公共の充電ステーションと比較すると、そのコスト削減効果は驚異の62.4％に達する。この研究は、EVの所有を単なる環境配慮から、経済的にも極めて賢明な選択に変える可能性を秘めている。
この成果は、複雑なエネルギー管理システムの物理的原則に基づいた、体系的かつ精緻なアプローチの賜物である。研究チームのリーダーである王朝亮氏らは、単に電力を供給するのではなく、PV、ESS、AC電力網、そしてEVという4つの主要な「ポート」を、共通の直流母線に接続するマイクログリッドという「エネルギー生態系」を構築した。このシステムの核となるのは、各ポート間のエネルギーの流れをリアルタイムで最適化する高度な制御アルゴリズムである。その目的は明確だ。太陽光という「無料のエネルギー」を最大限に活用し、蓄電池を「緩衝材」として、日中の余剰電力を夜間に供給することで、電力網からの高価な電力購入を最小限に抑え、必要に応じて余剰電力を電力網に売電して収益を得ることである。このように、エネルギーの流れを能動的に制御することで、EVの充電は、電力の「消費者」から「生産者」兼「貯蔵者」という、より能動的な役割へと変化する。
従来の家庭用EV充電は、多くの場合「受動的」かつ「反応的」である。ユーザーが車を充電器に接続すると、システムは単に電力網から電力を引き出して充電を開始する。その際、太陽光発電がどれだけ発電しているか、あるいは現在の電力料金がピークかオフピークかといった状況は、考慮されない。他のソリューションでは、太陽光パネルと蓄電池を導入するが、その制御は往々にして単純である。例えば、「太陽光が余っているときは蓄電池を充電し、電力が不足しているときは蓄電池を放電する」といったルールベースの制御が一般的だ。しかし、このような方法は、太陽光発電の出力の変動性、EVの使用パターンの不確実性、そして時間帯別電気料金（TOU）の複雑な構造を十分に考慮できていない。研究チームは、真の最適化には、将来の充電需要を予測し、複数の運転モードをシームレスに切り替える「能動的」かつ「モジュール式」の制御戦略が必要であると判断した。
その戦略の基盤となるのは、EVの充電負荷を高精度に予測する能力である。EVの充電需要は、走行距離や帰宅後の充電開始時刻など、非常にランダムな要因に左右される。この不確実性に対処するために、研究チームは「モンテカルロ法」という強力な統計的手法を採用した。この方法は、アメリカの家庭交通調査（NHTS）などの実データをもとに、走行距離が「対数正規分布」に従い、充電開始時刻も特定の確率分布に従うことを前提とする。研究チームは、多数のEVのシミュレーションを数千回繰り返し、1日24時間の充電需要の「合計負荷曲線」を生成した。この予測された負荷曲線は、マイクログリッドの制御システムにとって、未来のエネルギー需要を知る「地図」の役割を果たす。これにより、システムは、需要が高まる前に蓄電池を放電したり、太陽光発電が活発な時間帯に蓄電池を充電したりするなど、事前に最適な行動を計画できるようになる。
システムの知能性は、6つの明確な「運転モード」と4つの「電圧帯域」に分けられる制御ロジックに現れている。この二重の構造は、エネルギー効率の最大化と、直流母線電圧の絶対的な安定性という、二つの重要な目標を同時に達成するための鍵となる。
6つの運転モードは、太陽光発電の出力、蓄電池の充放電状態（SOC）、そしてEVの充電需要という3つの要素のダイナミックなバランスによって定義される。各モードは、どのポートがどのような役割を果たすべきかを明確に指示する。例えば、「モードI」では、太陽光発電の出力が非常に高く、EVの充電需要を満たすだけでなく、蓄電池を満充電にしても余剰が出る状態である。このとき、システムは電力網に接続し、余剰の太陽光発電電力を売電することで収益を得る。「モードV」はその逆で、曇りや夜間など太陽光発電が弱く、かつEVの充電需要が非常に高い状態だ。蓄電池が最大出力で放電しても需要を満たせず、システムは電力網から電力を購入して不足分を補う。その他のモード（II, III, IV, VI）は、これらの極端な状態の間にある、過渡的な状態を表している。例えば、太陽光と蓄電池の出力で充電需要を賄えるが、蓄電池の充放電は最大出力ではない「モードIII」や「モードIV」などである。
モード間の切り替えロジックは、システムの効率を最大化するための心臓部である。システムは、常に太陽光発電の出力（PPV）とEVの充電需要（PL）を比較している。PPVがPLを上回れば、蓄電池は「充電モード」に切り替える。次に、蓄電池のSOCが上限（例：95%）に達しているかをチェックし、達していれば「モードI」に、達していなければ「モードII」または「モードIII」に移行する。逆に、PPVがPLを下回れば、蓄電池は「放電モード」に切り替える。その後、SOCが下限（例：20%）に達しているかをチェックし、達していれば「モードVI」に、達していなければ「モードV」または「モードIV」に移行する。このように、シンプルなルールに基づいて、システムは自動的に最適なモードを選択し、エネルギーの流れを最適化する。
エネルギーの分配だけでなく、直流母線の電圧安定性も極めて重要である。電圧の急激な変動は、接続された機器に損傷を与える可能性がある。この問題を解決するために、研究チームは電圧範囲を「A, B, C, D」の4つの帯域に分割した。通常の運転中、電圧は750Vの定格値付近に保たれる。電圧が「B帯域」に上昇すると、これはエネルギー過剰を意味する。このとき、太陽光発電は最大出力で運転し続け、蓄電池は定電圧充電モードに切り替えて余剰電力を吸収し、電圧を下げようとする。もし電圧がさらに上昇し「A帯域」に達した場合、蓄電池は最大充電電流に達していることを示す。この状態では、電圧制御の主導権が電力網側のコンバータに移り、電圧を定格値に安定させる。
同様に、電圧が「C帯域」に低下すると、これは需要過多を意味する。蓄電池は定電圧放電モードで動作し、電圧を支える。電圧がさらに低下して「D帯域」に達した場合、蓄電池は最大放電電流に達している。このときも、電力網側のコンバータが電圧制御を引き受け、電力を供給して電圧を回復させる。この階層的な電圧制御戦略は、太陽光の急な日差しの変化や、EVの突然の接続といった急激な変動に対しても、システムを安定に保つための堅牢な「安全網」として機能する。
太陽光発電システム自体の性能向上も、研究の重要な一環である。太陽光パネルから最大限の電力を取り出すための「最大電力点追跡（MPPT）」技術について、研究チームは従来の「摂動観測法」を改良した。従来の方法では、固定されたステップサイズで電圧を変化させながら最適点を探すため、初期の探索が遅く、最適点付近では電力が常に微小に振動するという欠点があった。改良版では、ステップサイズを可変とした。最適点から遠いときは大きなステップで素早く接近し、最適点に近づくにつれてステップを小さくすることで、追跡速度を18.3%向上させ、出力電力の振動を35.4%低減することに成功した。これは、曇り空から晴れ間が差すような急激な気象変化にも、より迅速かつ正確に対応できることを意味する。
この協調制御戦略の実現可能性と有効性は、シミュレーションと実機を用いた実験で厳密に検証された。まず、MATLAB/Simulink上で、晴天、曇天、雨天、曇り、雪天という5つの典型的な天候シナリオについて24時間の運転シミュレーションが行われた。その結果、どの天候でも直流母線電圧は定格値の±5%以内に保たれ、システムは予想通りに6つのモードをシームレスに切り替えた。特に晴天時には、日中の余剰電力を電力網に売電する「モードII」が長時間継続し、経済的なメリットが明確に示された。一方、雪天時には、雪によるパネルの覆い隠しで太陽光発電が著しく低下し、「モードV」での電力購入が長時間にわたって必要となったが、制御ロジックは安定して機能した。
シミュレーションを越えて、実際のハードウェアの挙動を検証するために、「ハードウェア・イン・ザ・ループ（HIL）」実験が遠寛MT6020リアルタイムシミュレータを用いて実施された。これは、実際の制御ハードウェアと、仮想の電力システムモデルを接続する高度な検証手法である。特に注目されたのは、モード間の切り替えの瞬間、例えば「モードIV」から「モードV」への移行（太陽光が弱まり、電力網から電力を購入し始める瞬間）である。実験結果では、この切り替え時に直流母線電圧が一時的に7.53%低下したが、0.25秒以内に定格値に回復した。他のすべてのモード切り替えでも、同様に電圧の変動が迅速に補正された。これは、この制御戦略が、理論的なモデルだけでなく、実際の電力システムの高速なダイナミクスに対しても、実用的かつロバストなソリューションであることを実証している。
研究の最終段階として、経済性の分析が行われた。浙江地域の実際の電気料金（ピーク時0.588元/kWh、オフピーク時0.288元/kWh）と、PV・ESSの建設・運用コストを考慮し、5つの天候シナリオにおける1日あたりの充電コストを計算した。その結果、本戦略は、2018年のLi Linaらの研究と比較して最大で28.1%、2019年のDiabらの「クジラ最適化アルゴリズム」と比較しても最大で26.03%のコスト削減を達成した。最も印象的なのは、公共の充電ステーションと比較した場合で、コスト削減率は最大62.4%に達した。これは、初期投資を数年で回収し、その後はほぼ無料に近いコストでEVを充電できる可能性を示唆している。
この研究は、エネルギーマネジメントの分野において、単なるルールベースの制御や、計算時間が長い最適化アルゴリズムを凌駕する、画期的な進歩である。物理的なモデルに基づいたリアルタイムの協調制御を提供することで、太陽光、蓄電池、電力網、そして車という4つの要素を、単なる機器の集合体から、知的で自律的な「エネルギー共同体」へと変貌させている。この成果は、個人ユーザーの電気代の負担を大幅に軽減するだけでなく、電力会社にとっては需要ピークを平準化し、電力網への負担を軽減する手段となり、政策立案者にとっては再生可能エネルギーの利用率を最大化し、炭素排出を削減するための強力なツールとなる。王朝亮、肖涛、陳宋宋、張洪志、陳珂のこの研究は、Electric Drive (DOI: 10.19457/j.1001-2095.dqcd25241) に掲載され、持続可能な未来を実現するための、工学的イノベーションの力の真価を示している。