EV充電の新たな課題：スマートな経路と電力網の安定性
電気自動車（EV）の普及が進む中、その背後にある技術的課題に新たな光が当たっている。二つの独立した研究が、EVの未来を形作る二つの側面を明らかにした。一つは、運転手が充電ステーションに効率的に到達するための「スマートナビゲーション」の革新であり、もう一つは、急速充電が電力網に与える予期せぬ「電力品質」への影響である。これらの研究は、EVの利便性を向上させるソフトウェアの進化と、その裏で支えるインフラの物理的限界という、二律背反の課題を浮き彫りにしている。
東南大学（Southeast University）の宋宇航（Song Yuhang）、陳宇帆（Chen Yufan）、魏延嶺（Wei Yanling）、高山（Gao Shan）らの研究チームは、EVの充電経路計画に革命をもたらす新しいアプローチを提案した。従来のナビゲーションシステムは、地図上の道路網を「頂点」と「辺」からなるグラフ構造としてモデル化している。充電ステーションは、このグラフの「頂点」の一つとして扱われることが多かった。しかし、このモデルには大きな盲点がある。実際の充電ステーションは、道路の交差点（頂点）ではなく、その近くの駐車場や路地に位置している。車両が充電ステーションに到達するには、道路から降りて減速し、曲がり、駐車スペースを探すという一連の複雑な動作が必要となる。これらの動作はエネルギーと時間を消費するが、従来のモデルでは無視されてきた。
この問題を解決するために、宋らは「三段式表現法」と名付けられた革新的なモデルを構築した。この方法は、EVの移動を3つの基本的なセグメントに分解する。第一に、出発地点（家やオフィス）から道路網に接続する「入り口」への移動。第二に、道路網の頂点から頂点へと進む「メインネットワーク上での移動」。第三に、道路網の「出口」から、目的地または充電ステーションへの最終的なアプローチである。この三段階の構造により、ナビゲーションアルゴリズムは、充電ステーションへのアプローチに伴う減速や曲がりによるエネルギー損失、待ち時間といった現実的なコストを、経路計画に直接組み込むことができるようになった。
このモデルの真の革新は、充電という行為の「概念の転換」にある。従来、充電は「目的地に到達する」という通常の移動とは別個の「特別な行動」として扱われ、アルゴリズムの「行動空間」に複雑な次元を追加していた。これに対し、三段式表現法では、充電ステーションに曲がることは、単に「左折」や「右折」するのと同じ種類の「方向選択」と見なされる。このようにすることで、充電という行動が「特別な選択肢」ではなく、通常の運転行動の延長線上にあるものとして扱えるようになり、アルゴリズムの計算負荷が大幅に軽減され、学習効率が向上した。
研究チームは、このモデルを「強化学習」というAI技術のフレームワークに組み込んだ。強化学習では、AIエージェント（ここではEV）が環境（道路網）と相互作用しながら、報酬（目的地に到着、時間やコストの最小化）を最大化する最適な行動を学習する。宋らは、Q学習と深層Qネットワーク（DQN）という2つの強化学習手法を用いて、この三段式モデルの有効性を検証した。実験では、南京の東南大学周辺の34平方キロメートルのエリアを対象に、バッテリー残量が極めて低い状態（2.8%）から、充電を経由して目的地に到達する最適経路をAIに学習させた。
その結果は顕著だった。従来の「頂点依存型」モデルと比較して、三段式表現法を用いたAIは、より短い距離、より少ない時間、そしてより低い充電コストで目的地に到達できた。これは、充電ステーションへのアプローチに伴う現実的なコストを正確にモデル化できたことの証左である。さらに、このモデルの汎用性も確認された。成都の人民公園周辺という全く異なる都市環境に適用したところ、同様の性能を発揮し、わずか数回の学習で最適な経路を発見することができた。これは、このモデルが特定の地域に依存せず、広く応用可能であることを示している。
この研究の成果は、自動運転車の未来に大きな影響を与える。自動運転車は、運転手の介入なしに長距離を走行する必要がある。その際、バッテリー残量の管理と充電ステーションへの正確なナビゲーションは生死を分ける問題となる。三段式表現法は、充電ステーションへのアクセスを単なる「方向選択」として扱うことで、自動運転システムの判断プロセスを劇的に単純化し、より信頼性の高い走行を可能にする。これは、EVの「航続距離不安」を、より大きなバッテリーだけでなく、よりスマートな経路計画で克服するという、新たなアプローチの幕開けを意味する。
一方、長沙理工大学（Changsha University of Science and Technology）の王洪彪（Wang Hongbiao）、蘇詩平（Su Shiping）、胡雅傑（Hu Yajie）、欧阳振宇（Ouyang Zhenyu）らの研究チームは、EVのもう一つの顔、すなわち「電力網への負荷」に焦点を当てた。彼らの研究は、急速充電ステーションが電力網に与える、目に見えないが深刻な影響を明らかにした。急速充電器は、家庭用のコンセント（交流）とは異なり、車両のバッテリーに直流を供給するため、複雑な電力変換装置を内蔵している。この装置は、高周波トランスやIGBT（絶縁ゲート型バイポーラトランジスタ）などの半導体スイッチを高速でオン・オフすることで、交流を直流に変換する。この高速スイッチングが、電力網に「トランジェント現象」と呼ばれる短時間の電圧・電流の乱れを引き起こす原因となる。
研究チームは、このようなトランジェント現象を詳細に分析するため、直流バス型の急速充電ステーションを組み込んだ配電網の詳細なシミュレーションモデルを構築した。彼らの分析は、二つの主要な問題に集中している。第一に「電圧低下（Voltage Sag）」。これは、充電ステーションが起動された瞬間、大量の電流が流れ込むことで、周囲の電圧が一時的に下がる現象である。シミュレーションでは、充電ステーションの稼働開始から0.1秒後に電圧低下が発生し、充電中は電圧が低下したまま推移し、停止してから回復する様子が確認された。これは、多数のEVが一斉に充電を始めると、周囲の家庭や事業所の電力供給に影響を与える可能性を示唆している。
第二に「電磁トランジェント」。これは、半導体スイッチの高速動作によって発生する、極めて短時間で高周波の電圧・電流の突波や振動である。通常の稼働中でも、0.105秒にパルス状の突波、0.121秒に振動的なトランジェントが検出された。これらは、一瞬の出来事ではあるが、産業用の制御装置や医療機器、通信機器など、電力品質に敏感な機器の誤動作を引き起こす恐れがある。特に問題なのは、短絡事故などの「故障状態」におけるトランジェントの挙動である。研究によると、二相短絡事故では、トランジェントの発生タイミングや強度が通常時とは大きく異なり、より深刻な電力品質の悪化を引き起こすことが分かった。さらに興味深いのは、一部の故障ではトランジェントが発生しないこと。これは、トランジェントの発生が単なる機器の動作だけでなく、電力網の接地方式や故障の種類といった複雑な要因に依存していることを示している。
これらの発見は、電力会社やインフラ開発者にとって極めて重要な意味を持つ。都市部に急速充電ステーションが集中設置され、朝夕のピーク時間帯に多くのEVが一斉に充電を始めれば、「電圧低下」と「電磁トランジェント」が複合的に発生し、局所的な停電や機器の故障を引き起こす「完璧な嵐」が生じるリスクがある。このリスクに対処するには、単なる「充電器の設置」ではなく、高度な対策が必要だ。例えば、動的電圧補償装置（DVR）やアクティブフィルターを設置して電圧を安定させたり、充電ステーションにバッテリーを併設して、起動時の突入電流を吸収する方法がある。また、最も効果的なのは「スマート充電」の導入だ。車両と電力網が通信し、充電のタイミングや速度を最適化することで、電力需要のピークを平準化し、電力網への負荷を和らげることができる。
この二つの研究は、EVの未来が単に「バッテリー技術の進歩」だけでは決まらないことを示している。一方では、AIが運転手を最適な充電ステーションへ導く「スマートなソフトウェア」が進化している。他方では、そのソフトウェアが前提とする「ハードウェア」、すなわち電力網の強化と安定化が、同等に重要な課題となっている。宋らの研究は、ユーザー体験を向上させる道を示し、王らの研究は、その体験を支えるインフラの現実的な制約を突きつけている。両者は対照的だが、共に欠かせない要素である。電気自動車の真の成功は、車両の航続距離を伸ばすだけでなく、私たちの電力網がその革新を支える準備ができているかどうかにかかっている。スマートな車が必要なのは、スマートな電力網があるからこそである。
宋宇航、陳宇帆、魏延嶺、高山、東南大学、自動化電力系統学報、DOI: 10.7500/AEPS20230621004；王洪彪、蘇詩平、胡雅傑、欧阳振宇、長沙理工大学、電気測定と計器、DOI: 10.19753/j.issn1001-1390.2024.06.021