大規模EV群、電力網安定化の新星に
電動化の波は、もはや単なる交通手段の進化を超え、エネルギーシステムそのものの再構築を迫っている。かつては電力網の負荷として見られていた電気自動車（EV）が、今やその巨大量のバッテリーを活かし、電力の需給バランスを支える「仮想発電所（VPP）」としての役割を担い始めている。この変化の最前線で、中国・合肥工業大学の研究チームが画期的な成果を上げた。彼らは、大規模なEV群が電力網に提供できる調整能力を、実際の充電データに基づいて高精度にモデル化する手法を開発し、EVが電力網の「安定化装置」として本格的に機能する可能性を実証した。
この研究の核心は、「集約可能調整容量（ASC）」という指標のモデリングにある。ASCとは、EVユーザーの通常の利用に支障をきたさない範囲内で、EV群が電力網とエネルギーを双方向にやり取りできる上限と下限を示す。これは、EVを含むVPPが、電力ピーク時の需要抑制（ピークシービング）、周波数の微調整（周波数制御）、電圧の安定化（電圧調整）といった高度な電力サービスに参加できるかどうかを判断する、極めて重要な技術指標である。しかし、従来のモデルは、都市部や地方レベルの広域電力網とやり取りする大規模EV群の複雑な特性を捉えきれていなかった。個々のEVの充電行動や、充電スポットの地理的分布、時間帯の偏りなど、膨大な要因が絡み合う中で、どのEVをどのグループに分類し、全体としてどれだけの調整能力があるのかを正確に算出するのは、極めて困難な課題だった。
そこで、王楊洋（オウ・ヨウヨウ）氏を筆頭とする研究チームは、データ駆動と機械学習を融合した「二段階クラスタリング」手法を提案した。このアプローチの革新性は、EVそのものと充電インフラを一体化した「EV-充電ポール広義蓄電システム（EV-GESS）」という新しい単位で考えることにある。従来はEVの走行データや充電データを分けて扱うことが多かったが、実際の調整能力は、車両のバッテリー容量と、それが接続する充電器の出力能力や位置が密接に連動している。この「車-インフラ融合」の視点が、モデルの現実性を飛躍的に高めている。
モデリングの第一段階では、178万件の実際の充電記録を対象に、DBSCAN（密度ベースの空間クラスタリング）アルゴリズムを用いて、充電行動の類似性でEVをグループ分けした。この手法は、あらかじめグループ数を決める必要がなく、データの密度に応じて自然にクラスタを形成するため、人為的なバイアスが入りにくい。その結果、「午前型」「正午型」「夜間型」といった多様な「充電プロファイル」が浮かび上がった。特に注目すべきは、「アイドル時間比率」という独自の指標だ。これは、EVが充電器に接続されている総時間のうち、実際に充電していない時間（アイドル時間）が占める割合を示す。この比率が高いEV、つまり充電後も長時間接続されたままのEVは、V2G（Vehicle-to-Grid）による電力供給の潜在能力が非常に高いことを意味する。例えば、夜間に帰宅後に充電を開始し、翌朝出勤まで接続しっぱなしのEVは、夜間の余剰再生可能エネルギーを蓄え、朝のピーク時に電力を返す理想的な候補となる。
この第一段階で得られた「行動パターン」の情報に加え、第二段階ではEV-GESS自体の「固定特性」、すなわち充電器の定格出力、緯度経度といった情報を組み合わせ、最終的な集約体（EV-GESSA）を形成する。この第二段階では、より高次元のデータを扱う必要があるため、研究チームはAE-DSSOM（オートエンコーダー付きの自己組織化マップ）という高度なニューラルネットワークを採用した。この手法は、複雑なデータの特徴を圧縮して学習し、空間的分布（充電スポットの位置）と技術的特性（出力）を同時に考慮した最適なグループ分けを実現した。例えば、周波数制御のような高速応答が求められるサービスでは、位置よりも出力能力が重要だが、電圧調整では、特定の配電線に近い充電スポットが不可欠となる。このように、サービスの種類に応じて、クラスタリングの重み付けを柔軟に変更できる点が、本モデルの強みである。
この二段階クラスタリング手法を、中国のある省で2021年に収集された実データに適用した結果、その潜在能力は驚くべきものだった。その年の調査対象のEV群だけで、1分間隔の調整が可能な範囲で、平均して-39.7メガワット（放電）から+10.5メガワット（充電）の調整能力を持つことが判明した。これは、数十万世帯の電力需要をカバーできる規模であり、既存の揚水発電所の一部に匹敵する。そして、2030年までのEV保有台数の予測値を当てはめると、その調整能力は数ギガワットにまで膨らむと試算されている。これは、大規模な火力発電所の出力に相当し、再生可能エネルギーの変動性を吸収する上で、極めて頼りになる存在となるだろう。
さらに興味深いのは、この調整能力の時間的変動を分析した結果、明確なパターンが見えたことだ。週末や旧正月などの長期休暇中は、人々の移動パターンが変化するため、調整能力が低下する傾向にある。一方で、労働節（5月1日）や国慶節（10月1日）のような大型連休では、逆に調整能力が上昇する。これは、多くの人々が長距離ドライブをするため、高速道路沿いの充電スポットが活発になり、より多くのEVが電力網に接続される機会が増えるためと考えられる。このような季節的・イベント的な変動を予測できれば、電力会社は事前に調整資源を最適に配備することができる。
本研究の意義は、単に「EVは調整資源になりうる」ということを示しただけではない。その手法自体が、今後のエネルギービジネスに大きなインパクトを与える。まず、このモデルは、V2Gサービスの収益性を定量的に評価する基盤となる。中国では、ピークシービングや周波数制御などの補助サービスに対して、1メガワット時あたり300〜800元（約6,000〜16,000円）の報酬が支払われている。2021年の調査データにこの報酬を適用すると、既に時間当たり数万円の潜在的な収益が見込まれる。2030年にはその規模は数十億円に達する可能性があり、EVオーナーにとっても、充電代を相殺する以上のインセンティブとなり得る。
また、このモデルは、都市計画や電力インフラの投資判断にも貢献する。どの地域に、どのようなタイプの充電器（大出力か小出力か）を設置すれば、電力網の安定化に最も効果的かを、データに基づいてシミュレーションできる。これにより、無駄な投資を避け、効率的なスマートシティの構築が可能になる。
もちろん、課題も残る。本研究はあくまで「潜在能力」の評価であり、実際にV2Gサービスに参加する際のバッテリー劣化への影響や、ユーザーの参加率、リアルタイムでの制御技術の確立などが、今後の検証課題となる。しかし、この研究は、EVが「動く蓄電池」として、電力網の心臓部で活躍する未来が、もはやSFの世界ではなく、現実のものになりつつあることを示している。
自動車メーカー、電力会社、IT企業がそれぞれの立場からEVの未来を語る中、この研究は、それらの要素を統合するための「共通言語」を提供している。それは、膨大な充電データという「事実」に基づいた、客観的で精密なモデルである。EVの時代は、単に車が電動化する時代ではなく、車がエネルギーシステムの一部となり、私たちの生活をより安定で持続可能な方向に導く時代の始まりなのだ。
王楊洋、茆美琴、楊錴、周堃、杜燕、Nikos D. Hatziargyriou、合肥工業大学、『Automation of Electric Power Systems』、DOI: 10.7500/AEPS20230627012