EVとマイクログリッドが紡ぐスマート電力網
電気自動車（EV）の台頭は、私たちの移動手段を変えるだけでなく、電力システムそのものの構造と運営方法を根本的に再構築している。世界中でEVの台数が急増し、太陽光や風力といった再生可能エネルギーの導入が進む中、従来の配電網はかつてないほどのプレッシャーにさらされている。電圧の不安定、電力損失の増大、そして予測困難な需要パターンは、電力供給の信頼性と効率性を脅かす深刻な課題となっている。この複雑な状況に、中国の研究者たちが革新的な解決策を提示した。EVとマイクログリッド（微小電力網）を統合的に活用する「二層協調制御戦略」は、単なる技術的進歩にとどまらず、ユーザーのニーズを尊重しながら、より安定で効率的なスマートグリッドの実現に向けた道筋を示している。
中国電力系統自動化学会誌『Automation of Electric Power Systems』に掲載された画期的な研究は、EVとマイクログリッドが連携して配電網の有効電力と無効電力を最適化する方法を提案している。この研究を率いたのは、武漢大学の范培潇（ファン・ペイシャオ）、楊軍（ヤン・ジュン）、柯松（ケ・ソン）、劉学成（リュウ・ガクセイ）、丁楽言（ディン・ユイエン）の各氏と、南方電網科学研究院の温裕鑫（ウェン・ユーシン）氏である。彼らの研究は、EVを単なる電力の「需要家」としてではなく、電力網の安定化に貢献する「能動的な資産」として捉えるというパラダイムシフトを体現している。
この戦略の核となるのは、「二層」のアーキテクチャである。上位層は「配電網制御層」であり、電力網全体の状況を監視し、戦略的な決定を行う。この層は、静止型無効電力補償装置（SVC）、EV充電ステーション、そしてマイクログリッドに制御信号を送信する。その目的は、配電網内の電圧を安全な範囲内に保ち、ネットワーク全体の電力損失を最小限に抑えることだ。一方、下位層は「マイクログリッド制御層」である。上位層から受け取った指令をもとに、マイクログリッド内部にある太陽光発電のインバータ、マイクロタービン、蓄電池などの分散型エネルギー資源（DER）を、より細かく、かつ迅速に調整する。この上下の二層構造により、大規模な配電網の戦略と、地域的なマイクログリッドの現場のニーズがシームレスに連携する。
このモデルの真の革新性は、技術的な枠組みだけでなく、人間の行動とニーズへの深い配慮にある。研究チームは、EVの所有者が電力網の制御に参加する際、自分の車の充電が遅れたり、予期せぬ放電が行われたりすることに不満を感じる可能性を十分に理解している。このような「ユーザーの要求損失」を無視した制御は、技術的には成功しても、実用化の場で長続きしない。そのため、彼らは「移動チェーン」モデルを導入した。これは、ユーザーの日常的な行動パターン——家、職場、公共の場所——を時間と空間の両面からシミュレーションするものだ。このモデルにより、システムはいつ、どの地域にEVが停車し、充電可能であるかを高精度で予測できる。これにより、制御システムは、出発予定時刻が迫っているEVに放電を要求するような、ユーザーにとって不都合な決定を回避できる。
研究チームは、このユーザー中心の考えを、具体的な指標にまで落とし込んだ。それが「ユーザー要求損失量」である。これは、EVが理論上可能な最大充電速度と、実際に制御下で行われる充電速度との差を表す。この差がゼロに近いほど、ユーザーのニーズが満たされていることになる。この損失量を制御アルゴリズムの報酬関数に組み込むことで、システムは「電圧を安定させる」という技術的目標と「ユーザーの充電ニーズを満たす」という社会的目標の両立を学習する。この設計により、EVは電力網の「犠牲」ではなく、「パートナー」として機能する。
このような複雑な多目的最適化問題を解決するためには、高度な人工知能（AI）が必要不可欠となる。研究チームは、深層強化学習（DRL）と進化的アルゴリズムを融合した「進化-深層強化学習（EDRL）」の改良版を開発した。DRLは、試行錯誤を通じて最適な行動方針を学ぶ強力な手法だが、複雑な環境では「ごまかしの報酬」に騙され、局所最適解に陥る傾向がある。改良版EDRLは、進化的アルゴリズムの「探索能力」を活かし、新たな戦略（新奇性）を発見するようAIエージェントを誘導する。これにより、システムは短期的な利益に惑わされることなく、長期的に最適な制御ポリシーを発見する能力が飛躍的に向上した。
研究チームは、この戦略を「IEEE 33ノード配電網」という標準的なモデルに適用し、24時間の運用シナリオでシミュレーションを行った。このシナリオには、現実的な負荷プロファイル、ノイズを含んだ太陽光発電データ、そして500台のEVが含まれており、非常に現実に近い状況を再現している。制御の決定は15分ごとに行われ、リアルタイムに近い粒度での意思決定を模擬している。
その結果は顕著なものだった。提案された戦略は、電力需要が最も高まる正午前後の時間帯においても、すべてのノードの電圧を安全範囲（0.95～1.05p.u.）内に保つことに成功した。電力損失は、従来の粒子群最適化（PSO）アルゴリズムと比較して12.17%削減され、電圧の偏差は65.68%も低減された。何よりも重要なのは、「ユーザー要求損失量」が最小限に抑えられたことである。これは、技術的なパフォーマンスを犠牲にすることなく、ユーザーの満足度を保つことが可能であることを示している。
さらに興味深い比較実験が行われた。ユーザー要求損失のコストを報酬関数から取り除いた場合、ユーザーの損失は4.1倍に急増したが、電圧や損失の指標にはほとんど改善が見られなかった。この結果は、一見すると「効率的」に見える制御でも、ユーザーのニーズを無視すれば、社会的にも経済的にも非効率であることを如実に示している。真にスマートな電力網とは、システムの安定性とユーザーの利便性を両立できるものでなければならない。
マイクログリッドの役割も、この戦略において極めて重要である。マイクログリッドは、上位の配電網と下位の分散資源との間の「仲介者」として機能する。例えば、上位層から「マイクログリッドに100kWの電力を供給せよ」という指令が下った場合、マイクログリッドの内部コントローラは、太陽光発電の出力を増やすか、蓄電池を放電するか、マイクロタービンを稼働させるかを、最適な組み合わせで判断し、実行する。この階層的な分業により、制御の精度と速度が大幅に向上する。また、これにより、大規模なSVCやコンデンサバンクの設置といった高コストなインフラ投資を回避でき、より経済的で持続可能な電力網の構築が可能になる。
政策的な観点から見ても、この研究は極めてタイムリーである。2024年1月、中国国家発展改革委員会は「新エネルギー自動車と電力網の融合・インタラクションを強化する実施意見」を発表し、V2G（Vehicle-to-Grid）技術の重要性を強調した。この研究は、その政策的ビジョンを実現するための強力な技術的基盤を提供している。EVを単なる電力消費者から、電力網の安定化に貢献する「モバイルバッテリー」として活用するという構想を、現実的な制御アルゴリズムとして具体化した点で、極めて高い実用価値を持つ。
研究チームは、本研究の限界も率直に認めている。例えば、マイクログリッド内部のユーザーの需要応答や、より複雑な市場メカニズムのモデル化は今後の課題として挙げている。しかし、これらの点は、本研究が基礎的で堅固なフレームワークを構築したことを示しており、今後の発展の土台となっている。
この研究の意義は、中国に留まらない。世界中の電力会社や自動車メーカーが、EVの大量導入に伴う電力網の安定化という共通の課題に直面している。EVとマイクログリッドを二層構造で協調させるというこのアプローチは、都市部の高密度EV環境にも、地方の分散型エネルギーシステムにも応用可能な、普遍的な解決策の一つである。未来の電力網は、中央集権的なコントロールではなく、EVや家庭用蓄電池といった無数の「小さな知性」が分散して協調する、より柔軟で回復力のあるシステムになるだろう。
この変革の成功は、電力工学、AI、行動科学、経済学、政策立案といった多様な分野の専門家たちの協働にかかっている。范培潇氏らの研究チームは、まさにこの協働の好例であり、技術の革新が、人間中心の設計（human-centered design）に根ざしていなければならないことを示している。彼らの成果は、スマートグリッドの未来が、冷たいアルゴリズムではなく、ユーザーの生活をより豊かにするために存在するものであることを、力強く語っている。
電気自動車とマイクログリッドが紡ぐ、よりスマートで、より公平な電力網のビジョンは、もはや遠い未来の話ではない。それは、今日、この瞬間、アルゴリズムと一基のEV、一基のマイクログリッドを積み重ねることで、現実のものとされつつある。
EVとマイクログリッドの参加を考慮した配電網の二層協調制御戦略は、范培潇、楊軍、温裕鑫、柯松、劉学成、丁楽言（武漢大学交直流スマート配電網湖北省工学技術研究センター、電気自動化学院、中国南方電網会社有限責任公司電力研究院）によって開発された。『Automation of Electric Power Systems』第48巻第19号（2024年10月10日）に掲載。DOI: 10.7500/AEPS20240203001。