EVとACクラスターが再生可能エネルギー統合の課題を解決
カーボンニュートラルに向けて疾走する世界において、電力網が再生可能エネルギーを受け入れるための苦闘は、クリーンエネルギー革命の背景にある目に見えないボトルネックとなりつつあります。かつては魔法に近い解決策として称賛された太陽光と風力は、現代の電力システムの根本的な弱点を露呈しています。太陽は常に輝くわけではなく、風は常に吹くわけではなく、それらが力を発揮するとき、時には最悪のタイミングで電力網を氾濫させてしまいます。そこに、思いがけないヒーローが登場します。駐車中の電気自動車（EV）と稼働中のエアコン（AC）です。これらはエネルギー消費者としてではなく、敏捷でインテリジェントな資産として、バランスを取る準備ができているのです。
『Power System Protection and Control』誌に掲載された画期的な研究は、需要側の柔軟性についての考え方を再構築します。国家電網南陽供電公司経済技術研究院の胡志勇（コ シユウ）、郭雪莉（カク セキリ）、王爽（オウ ソウ）らと、大連理工大学の徐聡明（ジョ ソウメイ）、李婷婷（リ テイテイ）、周偉（シュウ イ）らによるこの研究は、新しい「反応意欲（response willingness）」の枠組みを通じて管理される大規模なEVとACの集合体が、風力および太陽光発電の削減をほぼ完全に無くすことができることを実証しています。そしてそれは、強制的な制御ではなく、人間の行動、不確実性、現実世界の変動性を尊重することによって達成されます。
これは、学術的な表記法に埋もれた単なるアルゴリズムの練習問題ではありません。これは、日常的な過剰発電や逆潮流といった問題に直面している電力会社にとっての実用的な青写真です。これらの問題は、分散型再生可能エネルギーが予測不能な急増で配電網に流入する河南省などの地域で深刻化しています。この研究を際立たせているのは、その心理的な現実性です。ユーザーが従順なロボットのように dispatch 信号に従うと想定する代わりに、このモデルは、バッテリーレベル、室内温度、そして決定的には提供されるインセンティブの大きさに基づいて、ドライバーや建物の居住者が自分の行動をシフトさせる「意欲」を定量化します。
想像してみてください。中国中部で、風が爽やかに吹く明るい午後のことです。屋上の太陽光パネルと近くの風力発電所は、地元の家庭や工場が使用できる量よりも多くの電力を生み出しています。変電所は唸ります―効率ではなく、ストレスで。何の介入もなければ、そのクリーンエネルギーの5%を削減し、無駄にし、源流で遮断しなければなりません。それは、桶がいっぱいだからと泉の水を止めるようなものです―ちょうど道を下ったところに、数千台のEVが半分空のバッテリーで駐車しており、数千台のエアコンが商業ビルでゆったりと稼働しているというのに。
従来の系統運用者は、発電を抑制したり、後で高価なピーク発電所に依存したりすることで対応してきました。しかし、胡氏らのチームは根本的に異なるものを提案します。負荷に踊ってもらう（ask the loads to dance）のです。
彼らの方法は、数式ではなく共感から始まります。バッテリー残量20%で家に到着したばかりのドライバーは、たとえ中程度のインセンティブでも、充電する意欲が、すでに90%のバッテリーを持つドライバーよりもはるかに高いのです。同様に、オフィスワーカーは、穏やかな春の天候の時よりも、熱波の間の室内温度の1度の変化をはるかに耐えられません。研究者らはこれらの人間の現実を、複雑で不正確な関係をモデル化するための確立されたツールである、高木・菅野（Takagi-Sugeno-Kang: TSK）ファジィ推論システムに符号化します。
固定の参加率を割り当てるのではなく、このモデルは「反応意欲」を動的でファジィな変数―最も可能性の高い値を中心に、行動の不確実性を反映した下限と上限で囲まれた三角形の形状―として扱います。あるEV所有者はkWhあたり0.20元の報酬に熱心に反応するかもしれませんが、別の所有者は気が散っていたり懐疑的だったりして、同じ信号を無視するかもしれません。TSKモデルは、複数の「if-then」ルールを組み合わせることでこの差異を吸収します。「もし充電率（SOC）が低く、かつ価格が高ければ、ならば意欲は高い」、「もしSOCが中程度で、かつ価格が低ければ、ならば意欲は中程度」といった具合です。専門家の判断がルールの重みを調整し、データと領域知識を橋渡しします。
その brillance は、これをスケールアップすることにあります。単一のEVの柔軟性は無視できます。しかし、5,000台のEVが集合体としてモデル化されると、調整可能な余力（dispatchable margin）を生み出します。これは、バッテリーの制約やユーザーの期待を侵害することなく、安全に上下にシフトさせることができる電力の回廊です。10,000台のエアコンでも同様です。決定的に、このモデルは各クラスターの調整可能な余力を、そのリアルタイムの意欲レベルに直接リンクさせます。意欲が高いとき、回廊は広がり、低いときは狭くなります―システムを行動の実現可能性に基づいて維持するのです。
しかし、意欲だけでは不十分です。潜在能力を行動に変えるために、チームはインセンティブ型デマンドレスポンス戦略を重ねます―負荷調整を段階的に報酬する金融メカニズムです。動的なボーナスシステムと考えてください。最初の1メガワットの負荷低減にはkWhあたり0.05元、次の階層には0.08元、そして深く持続的なシフトには最大0.50元まで、といった具合です。この構造は、過剰な支払いをすることなく参加を促進します―経済的実行可能性にとって重要です。
最適化の目的は優雅なまでにシンプルです。総運用コスト（風力/太陽光の削減コスト + インセンティブ支払い + 連系線の過負荷に対するペナルティ）を最小化すること。
削減コストは抽象的ではありません―失われた再生可能エネルギーを補償するために石炭やガスユニットを稼動させる現実世界の費用に、環境的な外部性を加味して設定されています。連系線のペナルティは物理的な系統制限を反映します。逆潮流が多すぎると、変圧器が過熱します。
ここに現れるのは自己修正ループです。再生可能エネルギーの過剰生産が迫ると、オプティマイザーはEV充電とAC負荷を（それらの意欲によって制約された余力の範囲内で）どれだけ安全に増加させることができるかを計算し、その後、そのシフトを引き付けるのに十分な高さの段階的インセンティブを設定します―しかしそれ以上高くはしません。不足期には、その反対を行います。遅延や低減に対してささやかな支払いを提供することで、負荷をそっと下方に nudging します。
5,000台のEVと10,000台のACユニットを備えた現実的な配電ネットワークを設定したシミュレーションは、驚くべき結果をもたらしました。需要応答が全くない場合、削減率は再生可能エネルギー総発電量の4.77%に達し、太陽光発電量が急増するが産業需要が遅れる午前8時から午後2時にかけてピークに達しました。提案された戦略を導入した場合は？ 削減率ゼロ。風力と太陽光のすべてのkWhが吸収されます―蓄電設備や送電設備を過剰に建設するのではなく、柔軟な需要と供給をインテリジェントに調整することによって。
さらに示唆に富むのは経済的な差（デルタ）です。システム総コストはベースラインと比較して16,000元以上減少しました―主に、メイングリッドからの電力購入の削減によるものです。これは控えめに聞こえるかもしれませんが、都市や州にスケールアップすると、節約額は数百万円に達します。そして覚えておいてください。これはユーザーに不快感を強いることなく達成されます。EVドライバーは依然として満充電のバッテリーで家を出発し、オフィスの居住者は好みの温度帯の±1.5°C以内に留まります―すべて、気づかずに系統バランス調整の英雄的行為を行いながら。
この研究の最も洞察に富む検証の一つは、固定の意欲仮定と動的TSKアプローチを比較しています。研究者らが平坦な50%の参加率（保守的）を仮定した場合、総コストは4,700元増加しました。100%の参加率（楽観的）を仮定した場合、モデルは物理的制約を侵害しました。数時間において、スケジュールされたEV/AC負荷が最小実行可能電力を下回りました―つまり、現実世界の実行は失敗することを意味します。言い換えれば、ユーザーの順守性に対する過信は、コストを膨らませるだけでなく、システムを破綻させるのです。
これは別の重要な発見につながります。不確実性は管理可能だが、無視はできない。チームは3段階の意欲の不確実性―なし、軽度（±5%）、高度（±10%）―をテストしました。不確実性が高まるにつれ、削減率はゼロのままでしたが、外部からの電力購入はわずかに増加しました。なぜでしょうか？ 一部のユーザーが反応しないリスクをヘッジするために、オプティマイザーは系統から少し多めに予備電力を購入するからです―天気予報が「降水確率40%」と言うときに傘を持っていくようなものです。これは合理的なトレードオフです。保証された信頼性のためなら、わずかに高いコストもやむなし、ということです。
おそらく最も説得力のある洞察は相乗効果（シナジー）に関わるものです。チームは4つのシナリオを実行しました。 1) EV + AC 両方アクティブ 2) EVのみ 3) ACのみ 4) どちらもなし
結果は？ EV単独では、削減コストを99.97%削減しました―その高い電力とスケジューリングの柔軟性のおかげで印象的です。AC単独では57.6%削減しました。しかし、両方を組み合わせると、それらの部分の合計を上回る性能を発揮しました。なぜでしょうか？ 相補的なプロファイルだからです。EVは主に夜間と早朝に充電し、鋭いピークを持ちます。ACは昼間、特に夏期に安定して稼働します。再生可能エネルギーが昼間に過剰生産すると、ACが大量吸収を提供します。過剰生産が夜間（例えば風力から）に発生すると、EVが助けに飛び込みます。これは完璧な時間的な受け渡しです―柔軟性の多様性が、発電の多様性と同じくらい重要であることの証明です。
ズームアウトすると、この研究はより深い変革を物語っています。電力網はもはや一方通行の道ではありません。電力は流れ下りますが、知性と制御は今、数百万のエンドポイントから流れ上がらなければなりません―それぞれが独自の制約と選好を持っています。発電機が命令に従い、負荷が受動的に消費するという、トップダウン dispatch の古いパラダイムは、その端でほころびつつあります。その代わりに出現するのは、参加型の電力網（participatory grid）―交渉し、インセンティブを与え、協力する電力網です。
胡氏らが構築したものは、命令システムではありません。それは柔軟性のための市場（marketplace for flexibility）です。EVとACは強制されているのではなく、公正な報酬と引き換えに、自発的に行動しているのです。そしてこのモデルは、行動の現実性（ファジィな意欲を通じて）と物理的限界（調整可能な余力を通じて）を尊重するため、需要応答の古典的な落とし穴―要請されたときに決して実現しない約束された容量―を回避します。
電力会社にとって、その意味合いは深遠です。配電計画者は今、EVとACの集合体が再生可能エネルギー統合にどれだけ貢献できるかを、時間ごと、季節ごとに定量化できます。規制当局は、経済的信号と系統の必要性を一致させるインセンティブ構造を設計できます。一方、自動車メーカーとHVACメーカーは、将来の製品に系統フレンドリーな知性を組み込むためのロードマップを手にします。スマート充電だけでなく、意欲を考慮した（willingness-aware）充電です。
すでに、上海や深圳でのパイロット事業では、類似の概念―リアルタイムの価格信号に反応するEVフリート、ピーク料金が適用される前に事前冷却する商業ビル―がテストされています。しかし、ほとんどのものは人間の反応の不確実性のモデル化までには至っていません。そこがこの研究が独自の価値を加える点です。意欲を二値的ではなくファジィとして扱うことで、最適化に謙虚さを注入します―人間はデバイスではなく、柔軟性にはソフトなエッジがあることを認めるのです。
しかし、課題は残っています。このモデルは均一なフリート（同じEV仕様、同じAC設定温度）を想定しています。現実世界の不均一性（Tesla対BYD、インバーター駆動対固定速度コンプレッサー）は、より細かいクラスタリングを必要とするでしょう。サイバーセキュリティとデータプライバシーは大きな問題です。リアルタイムのSOCや室内温度を推定するには、システムは機微なデバイスデータへのアクセスが必要です。そしておそらく最も批判的に、消費者の信頼を獲得しなければなりません。ユーザーが操作されたり不当な扱いを受けたりすると感じると、インセンティブプログラムは失敗します。
今後の研究として、著者らは、ピアツーピアのエネルギー共有―EVが余剰を吸収するだけでなく、直接隣人に供給する―を統合することや、意欲モデルを時間の経過とともに個人の行動に適応する機械学習と結合することを提案しています。あなたの日常を学習するアプリを想像できるでしょう。もしあなたが通常午前8時30分に80%の充電で出発するなら、インセンティブがどれだけ高くても、午前7時45分以降に充電を遅らせるよう依頼することはないでしょう。
しかし、核心的なメッセージは既に明らかです。私たちが必要とする柔軟性は、数十億ドル規模のバッテリーファームに閉じ込められているわけではありません。それはガレージに駐車され、天井裏で唸っています―命令ではなく、行動するための正当な理由を待ちながら。
再生可能エネルギーの導入率が50%、60%、さらには80%へと上昇するにつれて、電力網の最大の資産は、その電線や変圧器ではなく、そのユーザー―力を与えられ、報酬を受け、解決策の一部になるよう招かれたユーザー―であるかもしれません。
それは単なる工学ではありません。それはエネルギー民主主義なのです。
胡 志勇 (コ シユウ), 郭 雪莉 (カク セキリ), 王 爽 (オウ ソウ), 徐 聡明 (ジョ ソウメイ), 李 婷婷 (リ テイテイ), 周 偉 (シュウ イ) 国家電網南陽供電公司 経済技術研究院, 中国 南陽市 473000; 大連理工大学 電気工程学院, 中国 大連市 116024 『Power System Protection and Control』, Vol. 51, No. 15, 2023年8月1日 DOI: 10.19783/j.cnki.pspc.221699