EVクラスターが電力と交通の未来を最適化
電気自動車（EV）の急速な普及は、私たちの移動のあり方を変えるだけでなく、現代社会の基盤を成すインフラそのものを再構築しようとしている。EVはもはや内燃機関の単なる代替品ではなく、交通ネットワークと電力ネットワークという二つの重要なシステムを結びつける、動的で知的な「資産」としての役割を果たしている。この二つのネットワークの融合、いわゆる「電力-交通連携ネットワーク」は、効率性、持続可能性、そしてレジリエンスを高めるための画期的な機会を提供している。しかし、この潜在能力を真に引き出すためには、単純化されたモデルを越え、EVの走行ルートと電力使用の複雑でダイナミックな相互作用を捉える必要がある。昆明理工大学の研究チームが『Automation of Electric Power Systems』（AEPS）誌に発表した画期的な研究は、EVクラスターの柔軟性を最大限に引き出し、最適なスケジューリングを実現するための新たな戦略を提案している。このアプローチは、電力と交通の連携を「動的協調」という新たな次元へと引き上げるものだ。
この課題は多面的である。一方では、増加し続けるEVフリートの非協調的な充電は、配電網に大きな負荷をかけ、電圧の変動や設備の過負荷、ひいては電力会社の運用コスト増加を引き起こす可能性がある。これは、電力需要がすでに高いピーク時間帯に特に顕著である。他方では、EVドライバーの意思決定——目的地、ルート、そして充電ステーションの選択——は、リアルタイムの交通状況、ステーションの空き状況、そして価格に深く影響されている。これにより、強力なフィードバックループが生まれる。交通渋滞が人気の充電ステーションでの行列を引き起こし、それによってドライバーがそのステーションを避け、交通と充電の需要が最適でない場所へと誘導される。その結果、配電網の一部が過負荷になる一方で他は未利用のまま放置され、道路の一部が渋滞に陥りながら他の道路は空いているという、非効率な状態が生じる。この悪循環を断ち、調和のとれた効率的なシステムを実現する鍵は、EVを受動的な電力消費者としてではなく、より大きな統合ネットワークにおける能動的かつ柔軟な参加者として扱うことにある。
本研究を率いる劉志堅教授とそのチーム（戴景、楊霊睿）は、この複雑な課題に直接取り組んでいる。彼らの研究は、これまでの多くの先行研究が持つ限界を克服している。それらの研究は、電力と交通のシステムを分離して扱ったり、交通やエネルギーの流れの流動性とリアルタイム性を捉えきれない静的なモデルを用いたりすることが多かった。例えば、ある充電ステーションの最適価格を、単一の瞬間の需要状況に基づいて決定しても、その価格が交通状況の変化に応じてドライバーの行動に与える影響を無視してしまっては意味がない。また、他のモデルでは、単に物理的に最短のルートをドライバーに案内する「最短経路戦略」を採用しているが、これは根本的に利己的な戦略であり、「共有地の悲劇」を招く。つまり、全員が個々に最適な選択をする結果、集団としての最悪の結果（渋滞とネットワークの過負荷）を招いてしまうのだ。
昆明チームのアプローチの核となる革新は、その「動的二層最適化フレームワーク」にある。このモデルは、電力網と道路網を個別に見るのではなく、二つのネットワークの間に継続的な対話を生み出す。そのために用いられるのが、「瞬時単位流量移動コスト」という強力な共通信号である。このコストは、燃料費と通行料の単純な合計ではない。それは、特定の瞬間に移動する際の経済的負担をリアルタイムで捉える、洗練された指標である。電気代、ドライバーの移動時間の価値（「時間コスト」）、そして充電ステーションでの行列による遅延に対するペナルティコストという、三つの要素を統合している。これらの要素を統合することで、システム全体の健康状態に関する包括的な視点を提供する。
このプロセスは、動的交通ネットワークの詳細なシミュレーションから始まる。研究者たちは「動的ネットワークローディング（DNL）」と呼ばれる手法を用いて、都市内の道路や交差点を通る交通流が時間とともにどのように伝播するかをモデル化している。彼らのモデルの重要な特徴は、「仮想アーク」を用いて、移動の出発点と充電ステーションそのものを表現している点である。この洗練された抽象化により、充電ステーションでの行列と充電という複雑なプロセスを、道路を走行することと同様に数学的に扱うことが可能になる。つまり、行列に加わるほど長くなる「移動時間」を持つ仮想的な「アーク」として表現するのだ。この移動時間は、「アークインピーダンス関数」と呼ばれる数学的関係式で計算され、道路（物理的アーク）や充電アーク（仮想アーク）といったセグメントを通過する時間は、利用する車両の数が増えるにつれて非線形に増加することを示している。これは、交通量の少ない道路に一台追加されても影響は小さいが、すでに渋滞している高速道路に一台追加されると、すべてのドライバーの速度が大幅に落ちることを現実的に捉えている。
この動的交通モデルが完成すると、焦点はEVそのものに移る。研究者たちは、すべてのEVが同じではないことを認識している。私用車、バス、ライドシェア車両など、異なるタイプのEVは、走行パターン、バッテリー容量、充電ニーズが異なる。さらに重要なのは、個々のEVの柔軟性が静的ではなく、その現在の充電レベル、目的地、そして充電ステーションに滞在する予定の時間に依存していることだ。チームは、各EVに対して「柔軟運用領域」と呼ばれる数学的表現を構築し、これはドライバーのニーズを満たしつつ、可能なすべての充放電パターンを表している。この領域は、EVが特定の瞬間に電力網から吸収できる電力の上限と下限を定義している。
このモデルの真の力は、数千台の個々のEVを、管理可能な一つの「クラスター」に集約する能力にある。各EVを個別に管理しようとすれば、計算量が膨大すぎて不可能だ。この問題を解決するために、研究者たちは「ミンコフスキー和」という高度な数学的手法と、幾何学的形状「ゾノトープ」を用いた線形近似法を組み合わせている。これにより、数百から数千台のEVの柔軟運用領域を、ある充電ステーションにおけるクラスター全体の、時間とともに変化する単一の「柔軟運用領域」に効率的に統合することができる。この集約されたクラスターは、電力網が需要と供給のバランスを取るために活用できる、巨大な「仮想バッテリー」、つまり「一般化エネルギー貯蔵ユニット」として扱える。
ここで、モデルの二つの層が強力なフィードバックループで結びつく。上層は「交通ネットワーク最適化（TNO）」モデルであり、ネットワーク全体のEVユーザーの移動コストを最小化することを目的としている。このモデルは、リアルタイムの「瞬時単位流量移動コスト」を用いて、ドライバーを最も効率的なルートと充電ステーションへと誘導する。このコストはネットワークの現在の状態から導き出される。つまり、あるステーションでの電気代が高かったり、あるルートで交通が混んでいたり、ある充電器の行列が長かったりすると、その経路のコストが上昇し、ドライバーがその経路を選ばなくなるようにする。
下層は「配電ネットワーク最適化（DNO）」モデルであり、電力網の経済的かつ安定な運用に焦点を当てる。その目的は、伝統的な発電所の運転コスト、風力や太陽光などの再生可能エネルギーを余ったために「カット」（廃棄）しなければならない場合のペナルティ、そしてピーク需要時に非EVの顧客に電力を「カット」（供給停止）しなければならない場合のペナルティを最小化することである。DNOモデルは、EVクラスターの集約された柔軟運用領域を、強力な新しいツールとして活用する。再生可能エネルギーの発電量が高く、電気料金が安い時には、DNOモデルはTNO層に信号を送り、その地域の電網に接続された充電ステーションでより多くのEVが充電するよう促す。これにより、余剰のクリーンエネルギーを効果的に「貯蔵」できる。逆に、需要が高く、料金が跳ね上がっている時には、EVに電力を電網に返送（V2G：Vehicle-to-Grid）するよう促し、ピーク需要に対応して高額なペナルティを回避する。
このシステムの優れた点は、その反復的な性質にある。TNOモデルは現在のコストに基づいて交通流を計算する。その交通流は、どのEVがどの充電ステーションにいて、どのくらいの時間滞在するかを決定し、それがDNOモデルが利用できる柔軟運用領域を定義する。DNOモデルは、最適な電気料金とシステムコストの新しいセットを計算する。この更新された価格はTNOモデルにフィードバックされ、「瞬時単位流量移動コスト」を変化させ、ドライバーに行動を調整させる。このサイクルは、ドライバーの意思決定と電力網のニーズが完全に一致する最適かつ安定した状態に達するまで繰り返される。
彼らの複雑なモデルを検証するために、研究者たちは標準的なベンチマークである「Nguyen交通ネットワーク」を再構築したケーススタディを実施した。彼らは、4つの充電ステーションを持つネットワークをシミュレーションし、それぞれを模擬電力網の異なる部分に接続した。2つのステーションは風力発電所の近くに、1つは太陽光発電所の近くに、1つは再生可能エネルギーの発電がない場所に設置し、多様で現実的なシナリオを創出した。シミュレーションは8時間の期間にわたり、5分間隔で実施され、3種類のEVがフリートを構成した。
その結果は劇的だった。伝統的な「最短経路」戦略と比べて、新たな動的協調モデルは顕著な利点を示した。最短経路シナリオでは、ドライバーは自然と最も近い2つの充電ステーション（c3とc4）に集中した。その結果、接続道路の交通量が容量を超え、移動時間が急上昇する深刻な渋滞が発生した。一方、他の2つのステーション（c1とc2）に至る道路は完全に利用されず、インフラの巨大な無駄となった。この渋滞は、ユーザーの総移動コストを47%も押し上げた。その主な原因は、渋滞で失われた膨大な時間だった。
電力網側の状況も同様に劇的だった。c1とc2のステーションでEVが充電していないため、その地域の電網は柔軟性がゼロだった。c2で風が強く吹いていたとき、余剰電力は行き場がなく、廃棄され、高い「カットペナルティ」が発生した。同様に、c1で需要が高まったとき、電網はEVの柔軟リソースを使って需要を満たす方法がなく、高価で汚染の多い予備発電機に頼らざるを得なかった。電力網の総運用コストは、はるかに高くなっていた。
対照的に、動的協調モデルは、バランスが取れ、効率的な結果を達成した。「瞬時単位流量移動コスト」は、成功裏にドライバーを混雑したルートから、利用が少ないステーションへと誘導した。交通流はネットワーク全体にはるかに均等に分散され、どの道路も致命的な渋滞に見舞われることはなかった。これにより、ユーザーの移動時間とコストが大幅に削減された。
電力網への影響は、変革的だった。4つのステーションすべてのEVクラスターが、電網の安定化に積極的に参加するようになった。c2のステーションでは、モデルは風力発電量が多かった時期に多くのEVを充電するよう成功裏に誘導し、本来は廃棄されるはずだった風力エネルギーの67.9%を吸収した。c3のステーションでは、余剰太陽光エネルギーの61.7%を利用できた。この再生可能エネルギーを「吸収」する能力は、エネルギーの無駄を減らすだけでなく、電力の総コストを下げた。さらに、柔軟なEVクラスターの広範な可用性により、電網はピーク需要に効果的に対応できた。モデルは、「負荷供給能力」の大幅な向上を示した。つまり、EVが電網に供給できる電力が増え、高価な負荷カットの必要性が減ったことを意味する。総合的に、この研究は、協調戦略が最短経路戦略と比べて再生可能エネルギーの消費量を33%、負荷供給応答を25.8%増加させたことを明らかにした。
この研究の意義は極めて大きい。それは、スマートシティの未来に向けた、堅牢で数学的に確かな枠組みを提供している。EVを管理すべき問題として見るのではなく、むしろそれが解決策の中心であることを示している。交通システムとエネルギーシステムの間に、完璧でリアルタイムの通信チャネルを築くことで、都市はかつてない効率性と持続可能性を達成できる。ドライバーは、より短く、予測しやすい移動時間と、潜在的に低い充電コストの恩恵を受ける。電力会社は、より安定し、レジリエントで経済的な電網の恩恵を受ける。社会全体は、温室効果ガス排出量の削減と、再生可能エネルギーへのより速やかな移行という恩恵を受ける。
Liu Zhijian, Dai Jing, Yang Lingrui, Automation of Electric Power Systems, DOI: 10.7500/AEPS20230728004