大規模EV統合のための新たな配電網モデル
電気自動車（EV）の普及は、交通の未来を形作るだけでなく、電力システムそのものに根本的な変化をもたらしている。中国では2023年半ばまでに、登録されたEVの台数が1200万台を超えた。この驚異的な成長は、環境への配慮や燃料コストの削減という利点をもたらす一方で、既存の配電網に新たな課題を突きつけている。何百万台ものEVが一斉に充電を開始すれば、その需要は既存のインフラの限界を簡単に超え、電圧の低下、線路の過負荷、さらには停電のリスクさえも引き起こす可能性がある。従来の解決策、すなわち変圧器や線路の容量を単純に増強するというアプローチは、莫大なコストがかかる上に非効率的であり、持続可能な未来とは言えない。真の解決策は、「インテリジェンス」にあり、EVという新たな負荷を単なる脅威ではなく、電力網を安定化させるための柔軟な「リソース」に変えることにある。
この分野における画期的な進展が、中国の研究者チームによって達成された。清華大学深圳国際研究生院と国家電網浙江省電力有限公司の研究者たちは、大規模なEVを配電網に安全かつ経済的に統合するための、全く新しいアプローチを提案した。その研究成果は、電力工学分野で権威ある学術誌『Automation of Electric Power Systems』に掲載され、EVと電力網の「スマート連携」に新たな地平を開くものと期待されている。
この研究の核心は、「分散ロバスト同時確率制約」（Distributionally Robust Joint Chance Constraint, DRJCC）と呼ばれる高度な数理モデルである。従来の手法は、電圧の安定性、線路の容量、予備電力の確保といった個々のリスクを別々に扱っていた。しかし、実際の電力網では、これらの問題は独立して起こるのではなく、複数の要因が絡み合って同時に発生することが多い。例えば、太陽光発電の出力が急激に減少する一方で、多数のEVが帰宅して充電を開始すれば、電圧の低下と予備電力の枯渇が同時に起こり得る。従来のモデルでは、こうした相関関係を捉えることが難しく、過剰に保守的になったり、逆にリスクを過小評価したりする傾向があった。
DRJCCモデルは、この点を根本的に変える。研究チームは、電圧、電力潮流、予備電力のすべての制約を「同時確率制約」として統合的に扱う。これにより、電力網のオペレーターは、システム全体の「信頼性レベル」を一つのパラメータで直感的に管理できるようになる。例えば、「システム全体が95%の確率で全ての安全基準を満たすように運用したい」という要望を、モデルに直接反映させることができる。これは、個々のリスクをバラバラに管理するよりもはるかに現実的で、操作性の高いアプローチである。
しかし、この同時確率制約という考え方は、数学的に非常に複雑で、そのままでは解くことが極めて困難である。そこで研究チームが採用したのが、「最適ボンフェローニ近似」（Optimized Bonferroni Approximation, OBA）という革新的な解法である。過去の手法では、リスクの許容レベルを事前に固定して割り振っていたため、結果が過剰に保守的になりがちだった。OBAの真の革新点は、「リスクレベルそのものを最適化の対象にする」ことにある。
「リスクを固定値として扱うのではなく、変数として扱うことで、モデルに最適なリスク配分を自由に決定させることができます」と、本研究の筆頭著者である清華大学深圳国際研究生院の李金鹏（Li Jinpeng）氏は説明する。「例えば、電圧のわずかな変動を許容することで、高価な予備電力の調達コストを大幅に削減できるのであれば、モデルはそのような経済的なトレードオフを自ら見つけて実行します。これにより、過剰な保守性を避け、コストと信頼性のバランスをはるかに精緻に取ることが可能になります。」
この理論的な革新が、実際にどれほど効果的であるかを検証するために、研究チームは標準的な電力系統であるIEEE 33ノードおよび123ノードの配電網を用いて大規模なシミュレーションを行った。これらのモデルには、分散型発電、太陽光・風力発電所、そして数千台のEVを接続する充電ステーションが含まれていた。不確実性の要因として、再生可能エネルギーの出力変動、家庭や事業所の通常の電力需要、そしてEVの到着時刻、充電ニーズ、滞在時間などの行動パターンが、実際のデータに基づいてモデル化された。
シミュレーションの結果は、OBAモデルの優位性を明確に示した。従来の「確率的最適化」（Stochastic Optimization）モデルは、シナリオ数を減らすと信頼性が著しく低下し（シミュレーションでは信頼性が15%以下に）、逆にシナリオ数を増やすと計算時間が膨大になるというジレンマに陥る。一方、「ロバスト最適化」（Robust Optimization）モデルは、ほぼ100%の信頼性を確保するが、その代償として運用コストが15%以上も高くなるという、極めて保守的な結果となった。
これに対して、OBAモデルは、95%以上の高い信頼性を維持しつつ、従来のボンフェローニ近似法と比較して約6.5%のコスト削減を達成した。これは、大規模な電力システムにおいて、年間で数百万ドルに及ぶ経済的メリットを意味する。さらに重要なのは、このモデルの「スケーラビリティ」（拡張性）の高さである。123ノードの大型系統に4400台以上のEVを接続した場合でも、最適な運用計画を計算するのにかかる時間はわずか20秒程度にとどまった。EVの台数を1万台にまで増やしても、計算時間は緩やかにしか増加せず、実際の電力会社がリアルタイムで運用できる実用性の高さが証明された。
「計算速度は、このモデルが理論にとどまらず、現場で実際に使えるかどうかの鍵です」と、国家電網浙江省麗水供電公司的馮華（Feng Hua）氏は語る。「多くの優れた理論モデルは、現実の複雑な大規模系統に適用すると、計算が膨大になりすぎて使えなくなってしまいます。我々のアプローチは、EVの集約とOBAの近似法を組み合わせることで、その『次元の呪い』を回避し、実用的なツールにしました。」
OBAモデルの能力は、コスト削減にとどまらない。それは、電力網の「需給調整」を巧みに利用する高度なディマンドサイドマネジメントのツールでもある。シミュレーションでは、OBAモデルが「ピークシービング」（ピークカット）に非常に効果的であることが示された。モデルは、電力価格が高くなる夜間のピーク時間帯にEVが一斉に充電するのを避け、代わりに昼間の太陽光発電が豊富な時間帯や、深夜の電力価格が安い時間帯に充電を分散させた。これにより、変圧器や線路へのストレスが大幅に軽減され、インフラの寿命を延ばすことができる。
さらに、EVが電力網に「予備電力」を提供するという、より高度な機能も組み込まれている。再生可能エネルギーの出力が予測以上に低下した場合、EVのバッテリーに蓄えられた電力を電力網に供給することで、系統の周波数を安定させることが可能になる。OBAモデルは、この予備電力の調達を、従来の発電所とEVの両方から最適化して行い、最も経済的で信頼性の高い方法を選択する。
この研究のもう一つの特筆すべき点は、不確実性の扱い方にある。研究チームは、不確実性を「EV以外の電力需要（純粋な負荷）」と「EVの充電需要」という二つのカテゴリーに分けてモデル化した。この二重構造のモデリングは、電力網の運営者とEVアグリゲーター（EVの集合体）という異なる主体の責任範囲を明確にし、リスク管理をより精密に行うことを可能にする。また、データ解析には「ガウス混合モデル」（GMM）が用いられ、太陽光発電の出力やEVの行動パターンが持つ複雑で多峰的な分布を、より正確に捉えることができた。
実際の運用を考えると、このモデルは「EVアグリゲーター」のコア技術としての役割を果たす可能性が高い。アグリゲーターは、個人のEV所有者と電力網の間の中間者として、数千台のEVを束ねて一つの「仮想発電所」として扱う。OBAモデルを搭載したアグリゲーターは、電力市場に参加する際、自らの提供できる電力や予備電力の量を、高い確率で保証された形で提示できる。これにより、アグリゲーターの信用が高まり、より有利な取引が可能になる。
「電力網のオペレーターにとって、信頼性とコストのトレードオフを明確に示してくれるツールは非常に貴重です」と、国家電網浙江省電力有限公司の陳暁剛（Chen Xiaogang）氏は指摘する。「このモデルでは、『システムのリスクを5%までに抑えたい』と要望すれば、それに応じた最適な運用戦略が提示されます。これは、これまでの直感や経験に頼った運営とは全く異なる、科学的で合理的な意思決定を可能にします。」
今後の課題として、研究チームは、モデルが仮定する確率分布と実際の現象との間に生じる「誤差」をどう扱うかを挙げている。将来的には、より曖昧な情報を扱える「ファジィ確率」の概念を取り入れたモデルの開発や、太陽光発電、風力発電、電力需要、EVの行動といった複数の不確実性要因の間の「相関関係」をより深く分析することが、次のステップとなる。
結論として、李金鹏、馮華、陳暁剛、章寒兵、占震賓、許銀亮の研究チームが発表したこのDRJCC-OBAモデルは、EVと電力網の統合という複雑な課題に、理論的かつ実用的な解決策を提示した。それは、単なる数式の羅列ではなく、電力会社のオペレーターが現場で使える「武器」であり、EVの大量導入という波を、電力システムの安定化と効率化のチャンスに変えるための鍵となるだろう。世界が電動化の道を進む中で、こうしたインテリジェンスの力が、持続可能なエネルギー未来を支える基盤となっていく。
李金鹏、馮華、陳暁剛、章寒兵、占震賓、許銀亮、Automation of Electric Power Systems、DOI: 10.7500/AEPS20230830009