電動車のスマート充電で電力網を革命
電動車（EV）の台頭は、自動車産業にとどまらず、電力インフラの根本的な変革を促している。世界中の都市でEVの普及が加速する中、それらが単なる電力の「消費者」で終わるのか、それとも電力網を安定させる「動力源」に変貌できるかが、持続可能な未来の鍵を握っている。しかし、その可能性を引き出すには、大きな壁が立ちはだかる。数百万台のEVが一斉に充電を始めれば、電力需要のピークがさらに高まり、電力網に過大な負荷をかける。これは「ピークオンピーク」と呼ばれる危険な状態であり、停電のリスクを高め、電力会社と消費者双方のコストを跳ね上がらせる。このジレンマを解決するためには、単なる「充電の順序を整える」だけの発想を超える、画期的なアプローチが必要となる。江蘇理工学院の研究チームは、この難題に正面から取り組み、従来の常識を覆す新たな方法論を発表した。彼らの研究は、電気自動車の充電・放電という複雑な意思決定プロセスを、驚くほどシンプルで効率的なものに変える。その鍵となるのは、「変数の前処理」という発想の転換と、自然界の生き物からインスピレーションを得た高度な最適化アルゴリズムの組み合わせにある。この画期的な成果は、国際的に権威のある学術誌『Application Research of Computers』に掲載され、そのDOIは10.19734/j.issn.1001-3695.2023.12.0357である。
従来のEV統合制御のアプローチは、ある種の「総力戦」に近かった。電力網の中央制御システムは、各EVが15分や1時間ごとに「充電するか、しないか」という決定を独立して行うと仮定し、その膨大な数の二値変数（0または1）を管理しようとする。EVが数百台、数千台と増えるにつれ、可能な充電パターンの組み合わせは爆発的に増大する。これを「次元の呪い」と呼ぶ。この複雑さのため、最適化アルゴリズムは計算に膨大な時間を要し、最良解ではなく「それなりの解」を見つけることしかできず、実用性が著しく制限されていた。江蘇理工学院の于仲安（Yu Zhong’an）教授率いるチームは、この根本的な問題に立ち返り、問いかけた。「本当に、このように複雑な問題を解く必要があるのだろうか？」
彼らの答えは「ノー」だった。彼らの革命的なアイデアは、「変数の前処理」にある。これは、問題の定式化の段階で、複雑さを劇的に軽減する戦略である。具体的には、各EVの充電プロセスを、単なる「時間帯のオン・オフ」の連続ではなく、「充電スケジュール」という一つのまとまった「パッケージ」で捉え直す。まず、EVが接続され、目的地までの満充電が必要な場合、そのEVが充電に必要な総時間を計算する。次に、駐車可能な時間帯の中で、その総時間を満たすすべての時間帯の組み合わせ（例：夜間の4時間帯、深夜の4時間帯など）を列挙する。この一つ一つの組み合わせが、一つの「充電スケジュール」となる。そして、このスケジュール群に1, 2, 3…と番号を付ける。この単純な操作により、従来の「駐車時間帯×2」の膨大な二値変数が、たった「1つの整数変数」（選択されたスケジュール番号）に置き換わる。これにより、最適化アルゴリズムが探索しなければならない解空間は、天文学的な規模から、現実的な規模へと劇的に縮小される。これは、問題解決のアプローチそのものを変えた、真の意味でのパラダイムシフトである。
しかし、江蘇理工学院のチームは、この「技術的」な革新にとどまらなかった。彼らは、実際の電力市場における「経済的」なインセンティブを、この前処理プロセスに巧みに組み込むことで、さらに一歩進んだ。その手段が、時間帯別電力料金（TOU）の活用である。夜間の電力は安価で、再生可能エネルギーの供給も豊富なことが多い。一方、日中のピーク時間帯は電力が高価で、電力網に負荷がかかる。この価格差を活用しない手はない。研究チームは、前処理の段階で、各EVの「充電スケジュール」の候補を、時間帯別料金と照らし合わせて絞り込む。つまり、「ピーク時間帯に充電するスケジュール」は、最初から候補から除外するか、ペナルティを付けて優先度を下げる。この処理により、最適化アルゴリズムが探索を始める時点から、すでに「安価な時間帯に充電する」という経済合理性にかなった解の集合が用意されている。これは、最適化の「スタートライン」を、はるかに有利な位置に設定する戦略であり、最終的な解が実用的で、経済的にも魅力的なものになることを保証する。
このようにして、複雑さを抑え、経済的インセンティブを組み込んだ状態で、研究チームは本格的な最適化問題に取り組む。彼らのモデルは、三つの重要な目標を同時に追求する多目的最適化問題として設計されている。第一に、「等価ネット負荷の変動性」の最小化。これは、電力網に接続されたマイクログリッドの総需要と、その内部の太陽光や風力などの発電量の差（ネット負荷）の変動を、できるだけ小さく保つことを意味する。変動が大きいと、電圧や周波数の安定性が損なわれ、電力会社が高価な調整力（アンシラリーサービス）を購入する必要が生じる。第二に、「マイクログリッドの運営コスト」の最小化。これは、電力会社から電力を購入するコスト、マイクログリッド内に設置されたガスタービンやディーゼル発電機などの運転・燃料コスト、そしてバッテリーの劣化コストなどを含む。第三に、「EVユーザーの充電コスト」の最小化。いくら電力網の安定化に貢献しても、ユーザーの電気代が高くなってしまっては、参加意欲は失われる。この三つはしばしば矛盾する目標であり、これらをバランスよく最適化するには、高度なアルゴリズムが必要となる。
この複雑な最適化問題を解くために、研究チームは「多目的蛇最適化アルゴリズム（Multi-objective Snake Optimization Algorithm, MOSA）」という、自然界の蛇の行動から着想を得たアルゴリズムを採用した。蛇は獲物を探す（探索フェーズ）ときと、繁殖や戦い（開発フェーズ）のときで行動パターンが変わる。この特性を模倣し、アルゴリズムも解の探索フェーズと、既存の良い解を基にした改良（開発）フェーズを繰り返す。しかし、多くの知的アルゴリズムが抱える共通の課題がある。それは、「局所最適解に陥りやすい」という点だ。アルゴリズムが良さそうな解を見つけると、その周辺をうろつき、それ以上良い解を見つけるのをやめてしまう。これを「早すぎる収束」と呼ぶ。
江蘇理工学院のチームは、この弱点を克服するために、二つの革新的な改良を加えた。第一に、「Tent写像」と呼ばれる数学的手法を用いて、アルゴリズムの初期解（個体群）を生成する。従来のランダム生成とは異なり、この方法は解空間をより均等にカバーする初期解群を生成できる。これにより、アルゴリズムが最初から多様な方向を探求し、局所最適解に陥るリスクを大幅に減らす。第二の改良は、「魚群集積装置（Fish Aggregating Device, FAD）効果」の導入である。これは、海洋捕食者アルゴリズムから着想を得たもので、一定の確率で、解の一部を大きく「ジャンプ」させることで、アルゴリズムが探索の「ルーチン」から抜け出し、未知の領域を探索できるようにする。これは、蛇が新しい獲物を探すために、既存の縄張りを離れ、遠くの地域に移動する様子に似ている。この二つの改良により、MOSAアルゴリズムは、より広範で、より深い探索が可能となり、真に最適な解に近づく能力が飛躍的に向上した。
この理論が、果たして現実の複雑な状況で有効なのかを検証するために、研究チームは大規模なシミュレーションを実施した。対象としたのは、典型的な住宅地のマイクログリッドであり、太陽光発電、風力発電、ガスタービン、蓄電池、そして120台のEVが接続されている。彼らは、以下の5つのシナリオを比較した。シナリオ1は、EVが接続され次第、即座に充電を始める「無秩序充電」。シナリオ2と3は、従来の「順序ある充電」。そして、シナリオ4と5が、彼らが提案する「変数前処理」を活用した「順序ある充電」と「順序ある充放電」である。
シミュレーションの結果は、圧倒的だった。無秩序充電のシナリオでは、EVの充電需要が夕方の家庭用電力需要と重なり、電力需要のピークがさらに高くなる「ピークオンピーク」が発生した。これは、マイクログリッドと外部電力網との接続線の許容容量を超過し、現実世界では停電を引き起こす可能性がある。一方、研究チームの提案する「順序ある充放電」のシナリオでは、劇的な変化が見られた。EVは、主に夜間の安価な電力時間帯に充電する。さらに重要なのは、昼間の電力需要ピーク時に、EVがバッテリーの電力を電力網に「返す」（V2G）機能が働いたことだ。この「ピークシービング（ピークの平準化）」と「バレー・フィリング（谷間の充填）」の組み合わせにより、接続線の電力変動は大幅に抑制された。シミュレーション上では、ピークと谷間の差（ピークツーバレー）が著しく小さくなり、電力網にかかる負荷が極めて安定した。
経済面での成果も同様に顕著だった。マイクログリッドの総運営コストは、無秩序充電に比べて大幅に削減された。これは、高価なピーク電力を購入する必要が減ったことと、ガスタービンなどの発電機を効率的な出力で稼働させることができたためである。そして、最も重要なのは、EVユーザーの充電コストも大幅に低下した点だ。安価な時間帯に充電し、高価な時間帯に電力を売却することで、ユーザーは純粋な「コスト」ではなく、電力網の安定化に貢献することで「収益」を得られるようになった。これは、電力会社、マイクログリッド管理者、そしてEVユーザーという三者がともに利益を得る「三重の勝利（Win-Win-Win）」を実現したと言える。
この研究の真の価値は、単にシミュレーションで優れた結果を得たことにあるのではない。それは、これまで「計算的に不可能」とされてきた、大規模なEV統合制御の道を現実のものにした点にある。彼らの「変数の前処理」という発想の転換は、計算の複雑さという根本的な壁を打ち破った。これにより、数万、数十万台のEVをリアルタイムで最適化制御するという、かつてはSFの世界だったビジョンが、現実味を帯びてきた。また、経済的インセンティブを前処理に組み込むという戦略は、技術的な最適化と市場メカニズムを巧みに融合させ、実用的なソリューションを生み出すためのモデルを示している。
江蘇理工学院の于仲安教授とそのチームのこの研究は、EVが電力網の「重し」から「支え」へと変貌するための重要な一歩を踏み出した。彼らの方法論は、単なる理論的な探求にとどまらず、電力会社やスマートシティの開発者が直面する現実の課題に真っ向から挑戦している。今後、この研究が実際の電力網に応用され、数百万台のEVが静かに電力網を支える日が来るかもしれない。それは、電動化の革命が、交通の世界から、エネルギーの世界へと完全に拡大した瞬間となるだろう。
電動車のスマート充電で電力網を革命 于仲安、夏強威、肖宏亮、葉康 江蘇理工学院、Application Research of Computers、DOI: 10.19734/j.issn.1001-3695.2023.12.0357