進化するAIが電力網をEVで安定化
電動車（EV）の台頭は、私たちの移動のあり方を変えるだけでなく、電力システムそのものの根本的な再構築を迫っている。かつては電力の「消費者」に過ぎなかったEVは、今や電力網の「守護者」としての役割を担い始めている。車載バッテリーを活用する「ビークル・トゥ・グリッド」（V2G）技術により、EVは自宅に駐車している間、電力網に電力を供給し、再生可能エネルギーの出力変動による周波数の乱れを抑制する「周波数制御」に貢献できる。しかし、この夢のようなシナリオには大きな課題が立ちはだかる。EVの利用は個人の行動に依存するため、いつどれだけの電力を供給できるかは極めて不確実であり、電力網の安定を守るための制御システムにとっては予測不能な変数となる。
この難題に、中国・武漢大学の研究チームが、人工知能（AI）と最先端の制御理論を融合した画期的な解決策を提示した。ペイシャオ・ファン、ジュン・ヤン、ユーシン・ウェン、ソン・ケ、リーロン・シエの各氏は、学術誌『Transactions of China Electrotechnical Society』に掲載された研究で、「進化型モデル予測制御」（LBMPC）と名付けられた新しい制御戦略を発表した。この戦略は、従来の制御方法が苦手とする「変化する環境」に自ら適応し、学習し、進化する能力を持つ。EVが電力網の安定を脅かす不安定な存在ではなく、逆にその安定性を高める強力な武器となることを可能にする。
従来の電力網制御は、発電所の出力と需要のバランスを取ることに集中していた。しかし、再生可能エネルギーの急激な普及により、風力や太陽光の出力は天候に左右され、秒単位で変動する。これに加え、大規模なEVが電力網に接続されれば、その充放電のタイミングも予測困難な新たな変数となる。さらに、発電機の電圧を制御するシステム（AVR）が、周波数制御に意図しない影響を与えるという、複雑な「カップリング」（連動）関係も存在する。これらの要因が重なり合う中で、電力の周波数を±0.01Hzという極めて狭い範囲内に保つのは、風の中で綱渡りをするようなものだ。
従来の制御手法、例えばPID制御やファジィ制御は、あらかじめ設定された固定のルールに従って動作する。これらのルールは、ある特定の状況下では有効でも、EVの利用状況が昼と夜で劇的に変わるような「周期的な変化」や、発電所が突然故障するような「極端な事象」には対応できない。固定されたルールでは、環境が変化したときに性能が急激に低下してしまう。モデル予測制御（MPC）は、未来の数秒から数分間のシステムの挙動を予測し、最適な制御信号を計算する高度な手法で、不確実性への対応力は高い。しかし、MPC自身の制御パラメータ（例えば、「周波数の乱れをどれだけ重視するか」などの重み付け）は、依然として固定されており、これが最大の弱点となっていた。
武漢大学の研究チームは、この「固定パラメータ」という壁を、AIの力で打ち破った。彼らのアイデアは、MPCの「頭脳」の上に、もう一つの「頭脳」を置くというものだ。この上層の「頭脳」が、深層強化学習（DRL）の一種である「マルチエージェント・ディープ・ディターミニスティック・ポリシー・グラディエント」（MA-DDPG）アルゴリズムで構成されている。DRLは、ゲームでAIが自ら学習して強くなるのと同じ原理で、環境とのインタラクションを通じて最適な行動を学習する。この研究では、DRLの「行動」は、MPCの制御パラメータを動的に調整することに設定されている。
具体的には、システムは二重の構造を持つ。下層には、電力網の周波数や電圧の状態を監視し、発電機やEVの出力指令を出す「MPCコントローラー」がいる。上層には、このMPCコントローラーの「先生」に相当する「DRLエージェント」がいる。DRLエージェントは、電力網全体の周波数の乱れ具合や、EVステーションが提供できる電力の上限（これは常に変化している）といった情報を常に観察している。そして、「周波数が安定しているかどうか」という「報酬」（Reward）の指標を基に、MPCコントローラーのパラメータを少しずつ調整していく。例えば、夜間は多くのEVが接続されており、EVからの支援が期待できるため、DRLエージェントは「EVの出力を積極的に利用する」ようなパラメータにMPCを設定する。一方、夕方の通勤時間帯になると、多くのEVが外出中で利用できない。DRLエージェントはこの状況を学習し、「EVに頼らず、他の発電機に負荷をかける」ようにMPCのパラメータを再設定する。このように、システム全体が環境の変化に応じて自ら「進化」し、最適な制御戦略を常に見つけ出すのである。
この二重構造のもう一つの大きな利点は、安全性にある。純粋なAI（DRL）だけに制御を任せる「エンドツーエンド」なアプローチには、深刻なリスクが伴う。AIは、学習データに含まれていなかった「未知のシナリオ」に出くわしたとき、何をすべきか分からず、誤った、あるいは危険な指令を出す可能性がある。電力網でそれが起これば、大規模停電につながる。武漢大学の戦略は、この「ブラックボックス」のリスクを巧みに回避している。DRLエージェントが故障して動作しなくなった場合、下層のMPCコントローラーは、あらかじめ設定された「安全モード」のパラメータに自動的に切り替わる。これにより、AIが完全にダウンしても、システムは即座に崩壊することなく、最低限の安定を維持できる。AIは「最適化の達人」として働いてくれるが、そのAIが失敗したときでも、伝統的な制御システムが「安全網」として機能する。これは、実用化を前提とした極めて現実的で信頼性の高い設計思想である。
研究チームは、3つのマイクログリッド（小規模電力網）が相互接続された仮想的なシステムで、このLBMPC戦略の性能を徹底的に検証した。シミュレーションでは、風力と需要の変動という「強ランダム擾乱」と、あるマイクログリッドの発電機が突然停止するという「極端な故障」の二つのシナリオが設定された。結果は圧倒的だった。従来のPID制御やファジィ制御、そして標準的なMPCと比較して、LBMPCは周波数の乱れを最も小さく抑え、1秒以内に安定状態に復帰した。特に注目すべきは、「優秀率」と呼ばれる指標で、これは周波数が許容範囲（±0.01Hz）内に収まっている時間の割合を示す。LBMPCの優秀率は99.8%に達し、ほぼ完璧な制御を実現した。
さらに、EVの利用状況が一日のうちで変化するシナリオも検証された。深夜0時（多くのEVが充電中）と、夕方17時（多くのEVが外出中）に同じ擾乱を加えた。従来の制御手法は、17時の状況ではEVが利用できないため、性能が著しく低下した。しかし、LBMPCはDRLエージェントの学習能力により、EVの利用可能性の変化を認識し、制御戦略を自動的に最適化した。その結果、17時でも優秀率98.95%という非常に高い性能を維持できた。これは、システムが「予測不能な人間の行動」にも適応できることを示している。
最後に、AIの故障というシナリオも試された。40秒後にDRLエージェントが故障し、80秒後に復旧するという設定だ。純粋なDRL制御では、故障期間中は周波数が大きく乱れ、復旧後も安定状態に戻るのが困難だった。一方、LBMPCは故障中もMPCの安全モードが機能し、周波数の乱れはごくわずかにとどまり、システムの安全性が保たれた。この実験は、AIの信頼性という社会的課題に対しても、技術的な解決策を提示している。
この研究は、EVと電力網の関係を一変させる可能性を秘めている。EVはもはや、電力網の負担ではなく、その安定性を支える「分散型バッテリー」の集合体となる。武漢大学の研究チームが開発したこの「進化するAI」は、その橋渡しとなる鍵となる技術であり、再生可能エネルギーを主役とする未来のスマートグリッドの実現に、確かな一歩を踏み出した。
ペイシャオ・ファン、ジュン・ヤン、ユーシン・ウェン、ソン・ケ、リーロン・シエ、武漢大学電気自動化学院。Transactions of China Electrotechnical Society。DOI:10.19595/j.cnki.1000-6753.tces.222138