EV充電ネットワークの最適化設計に新たな指針
電気自動車（EV）の普及は、持続可能な社会を実現するための鍵として、世界中で急速に進展しています。しかし、この移動革命の成功は、車両そのものの性能だけでなく、その背後にあるインフラの整備度に大きく左右されます。特に、充電ステーションの配置は、ユーザーの利便性、運転中の不安（「航続距離不安」）の解消、そして最終的にはEVの採用率を決定づける極めて重要な要素です。従来の充電ネットワークの計画は、交通量の多いルートをカバーする「流量重視型」か、または最短距離で到達できるようにする「距離重視型」のどちらか一方に焦点を当てることが多く、どちらも一長一短がありました。この課題に対し、中国・南通大学の張新松（Zhang Xinsong）教授率いる研究チームは、画期的な新たなアプローチを提案し、EV充電インフラの計画に新たな地平を切り開きました。
この研究は、国際的な学術誌『Power System Protection and Control』に掲載され、その核心は「二つの相反する目的を同時に最適化する」という点にあります。従来のアプローチが片方の指標に偏りがちだったのに対し、張教授のチームは「サービスのカバレッジ」と「ユーザーの利便性」という、どちらも欠かせない二つの視点を、一つの統合モデルに組み込むことに成功したのです。この二つの目標は、ある意味でトレードオフの関係にありますが、それらを両立させることで、より現実的で強靭なネットワークを構築できる可能性を示しています。
まず、「サービスのカバレッジ」の指標として、研究チームは「キャプチャされた交通量の最小値を最大化する」という、非常にユニークでロバストな考え方を採用しています。従来のモデルは、平均的にどのくらいの交通量を捕えることができるかを重視していました。しかし、張教授のチームは、これでは不十分だと指摘します。実際の運転では、EVのバッテリー残量（SOC）は出発時点でばらつきがあります。満タンで出発する車もあれば、半分以下で出発する車もあり、この不確実性が、どのくらいの車が実際に充電を必要とするかという「需要」に大きな変動をもたらします。つまり、ある日の交通量キャプチャは高くても、別の日には極端に低くなる可能性があるのです。
この不確実性を無視した計画は、平均的にはうまくいっても、最悪のケースでユーザーを失望させることになります。そこで、この研究では「最悪のケースでも、最低限どれだけの交通量を確実にカバーできるか」を重視します。これは、あらゆる状況下で一定水準以上のサービスを提供できる「強靭性」を確保するための、非常に現実的なアプローチです。この「最小値」を最大化することで、ネットワーク全体の信頼性と安定性が飛躍的に向上します。この不確実性を定量化するために、研究チームは「モンテカルロシミュレーション」という手法を用いて、バッテリー残量のばらつきを数百回、数千回とシミュレーションし、交通量キャプチャの確率分布を詳細に分析しました。このプロセスにより、単なる平均値ではなく、リスクの範囲を包括的に把握することができ、より現実に即した計画が可能になります。
一方で、「ユーザーの利便性」を測る指標として、研究チームは「平均充電走行距離を最小化する」ことをもう一つの目標として設定しています。これは、ユーザーが充電が必要になったとき、最も近い充電ステーションまでどれだけの距離を走らなければならないかを意味します。この距離が長ければ長いほど、ユーザーのストレスは増大し、「どこに充電ステーションがあるのか」という情報探しに労力を取られ、EVの所有体験そのものが損なわれてしまいます。したがって、この平均距離をいかに短くするかは、ユーザー満足度とEVの日常利用のしやすさを直接的に左右する、極めて重要な課題です。
このように、「カバレッジの強靭性」と「利便性の高さ」という二つの目標は、しばしば衝突します。例えば、交通量の多い幹線道路に集中してステーションを設置すれば、キャプチャされる交通量は最大化されますが、郊外や住宅街に住むユーザーにとっては、最寄りのステーションが遠くなる可能性があります。逆に、ユーザーの利便性を最優先して、住宅地に密集してステーションを設置すれば、平均走行距離は短縮できますが、幹線道路を走る多くの車両を効率的にカバーできず、全体のサービス能力が低下するかもしれません。
この複雑なトレードオフを解決するために、研究チームは「非劣解ソート遺伝的アルゴリズムII（NSGA-II）」という高度な最適化アルゴリズムを用いました。このアルゴリズムの強みは、単一の「最適解」を出すのではなく、「パレート最適解集合」を生成することにあります。パレート最適解とは、ある解を「より良い」解に変えると、必ずどこかの指標が「悪くなる」ような解の集まりです。つまり、この集合の中には、カバレッジを極限まで高めた代わりに平均距離がやや長くなる解もあれば、平均距離を極限まで短縮した代わりにカバレッジがやや落ちる解も含まれています。この「最適解のセット」をプランナーに提示することで、地域の特性や政策の優先順位に応じて、最適なバランス点を自由に選択できる柔軟性を提供します。例えば、都市部の交通渋滞緩和を最優先するならカバレッジ重視の解を、地方の高齢者支援を最優先するなら利便性重視の解を選ぶといった具合です。
さらに、このモデルは実用性を高めるために、いくつかの現実的な制約条件を導入しています。その一つが「機会制約」です。これは、「95%の確率で、どのユーザーも80km以内に充電ステーションに到達できる」といった、確率的な目標を設定するものです。これは、すべてのユーザーが100%の確率で短い距離で充電できるようにするという非現実的な目標を設定するのではなく、高い確率で達成可能な現実的なサービスレベルを定義するものです。これにより、過剰なインフラ投資を避けつつ、高いサービス水準を維持することが可能になります。また、予算や用地の制約から、設置可能なステーションの数に上限を設ける「設置数制約」もモデルに組み込まれています。
研究チームは、25ノード（交差点）からなる仮想の交通網を用いて、このモデルの有効性を検証しました。その結果、従来の方法やランダム配置と比較して、提案されたモデルは、最悪ケースでの交通量キャプチャを大幅に向上させると同時に、平均充電走行距離を最短に抑えることに成功しました。これは、二つの相反する目標を同時に達成できることを実証した重要な成果です。また、シミュレーションを通じて、いくつかの重要な知見も得られました。一つは、「限界効果の逓減」です。ステーションの数を増やせば増やすほど、ネットワークの性能は向上します。しかし、その向上の度合いは、ステーションが増えるにつれて徐々に小さくなっていきます。つまり、ある一定の数を超えると、新しいステーションを追加しても、それほど大きな改善が見込めないという「飽和」の状態に達するのです。この知見は、公共投資の効率性を最大化するために、どこまでインフラを拡張すべきかという意思決定に、極めて貴重な情報を提供します。
この研究の意義は、単に新しいアルゴリズムを提案したことにとどまりません。それは、EVインフラの計画における「考え方のパラダイムシフト」を示している点にあります。従来のアプローチは、交通工学の視点か、電力工学の視点か、どちらかに偏りがちでした。しかし、EVの普及は、交通と電力という二つのインフラが深く融合する「電化交通システム」の誕生を意味します。この研究は、その複雑な相互作用を包括的に捉え、ユーザー中心の視点とシステム全体の視点を両立させようとする、非常に先進的な取り組みです。プランナーはもはや、一つの指標に囚われず、複数の選択肢の中から、地域社会の価値観に最も合致する最適なバランスを見つけることができるのです。
また、このモデルが「不確実性」を明示的に扱っている点も画期的です。現実の世界は、バッテリー残量のばらつき、交通渋滞、天候など、予測不可能な要素に満ちています。従来のモデルは、これらの不確実性を無視したり、単純化したりすることで、現実とのギャップが生まれていました。しかし、この研究は、不確実性そのものをモデルの一部として取り込み、それに対する「強靭性」を設計の目標に据えました。これは、気候変動や災害リスクが高まる現代において、インフラの設計に求められる「レジリエンス」（回復力）の重要性を、先取りした姿勢と言えるでしょう。
結論として、張新松教授とそのチームによるこの研究は、EV充電ネットワークの計画という複雑な課題に対して、科学的かつ実用的な解決策を提示しました。二つの相反する目標を統合し、不確実性を正しく扱い、意思決定者に柔軟な選択肢を提供するというアプローチは、今後のスマートシティやサステナブルモビリティのインフラ設計に、大きな影響を与えることが期待されます。EVの未来は、高性能なバッテリーだけでなく、こうした賢く、強靭で、ユーザーに寄り添ったインフラの上に築かれていくのです。
EV充電ネットワークの最適化設計に新たな指針 by 張新松, 朱晨旭, 李大祥, and 羅来武 from 電気工学部, 南通大学, published in Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.231537