EV充電インフラの最適配置で都市の未来を設計する
電動化の波はもはや未来の話ではなく、今日の現実である。世界中の都市が電気自動車（EV）の急増に直面する中、その背後で静かに進行しているのは、単なる車両の置き換えではなく、都市インフラ全体の再設計という巨大な課題だ。ガソリンスタンドの代わりに充電ステーションを設置するという単純な発想は、もはや時代遅れ。EVの普及は、交通流、電力網、そして人々の生活様式に至るまで、複雑に絡み合ったシステムに深い影響を与える。この複雑なパズルを解く鍵となるのが、スマートでデータ駆動型のインフラ計画だ。上海電機学院の張智禹（Zhang Zhiyu）氏が率いる研究チームは、この課題に立ち向かい、交通網と電力網を統合的に考慮したEV充電ステーションの最適配置モデルを構築した。その成果は、電力測定と計装の分野で権威ある学術誌『Electrical Measurement & Instrumentation』に掲載され、実用性の高い理論的基盤を提供している。
従来の充電ステーションの配置計画は、多くの場合、直線距離や既存の商業施設の近くといった、比較的単純な基準に基づいていた。しかし、都市の道路網は迷路のように複雑で、ドライバーが選ぶのは「地図上の最短距離」ではなく、「運転時間の最短ルート」である。この現実とのギャップが、過密なステーションと閑散なステーションを生み出し、ユーザーの利便性と電力網の安定性を損なってきた。本研究の画期的な点は、この根本的な問題に着目し、交通網の「現実のルート」を正確に反映する手法を採用したことにある。
研究チームは、2つの強力な数学的手法を融合させた。1つ目は「ボロノイ図」。これは、平面上の複数の「母点」（ここでは充電ステーション）から等距離にある点の集合によって、空間を分割する幾何学的な概念だ。従来のボロノイ図は「ユークリッド距離」、つまり直線距離を基準とする。しかし、本研究では、これに「ダイクストラの最短経路アルゴリズム」を組み合わせ、いわば「ダイクストラ距離」に基づくボロノイ図を構築した。ダイクストラ法は、ネットワーク上の2点間の最短経路を求めるアルゴリズムで、道路の長さや制限速度、渋滞状況などを考慮した「現実的な移動コスト」を計算できる。これにより、各充電ステーションの「サービスエリア」は、地図上ではなく、実際に車でどのステーションにどれだけの時間で到着できるかという、ドライバーの視点に立ったリアルな範囲として定義される。このアプローチは、ユーザーの行動に非常に近い形で需要を予測可能にし、配置の精度を飛躍的に高めた。
しかし、配置を決めただけでは不十分だ。ステーションが混雑し、長時間待たされるようでは、ユーザー満足度は下がる。そこで研究チームは、充電ステーションの運用を「待ち行列理論」でモデル化した。これは、スーパーのレジや銀行の窓口の列を分析する理論を、EVの充電に応用したものだ。モデルは「二層動的待ち行列」という構造を採用している。第1層は、実際に充電中である車両。第2層は、充電器が空くのを待っている車両の列だ。このモデルは、単に「何台充電できるか」ではなく、「平均待ち時間はどのくらいか」「ピーク時の混雑度合いはどうか」といった、ユーザー体験に直結する指標を予測できる。シミュレーションを通じて、あるステーションが特定の時間帯に混雑する可能性を事前に把握し、その負荷を周辺のステーションに分散させる最適な配置を導き出すことができる。
需要予測の精度をさらに高めるために、研究チームは「モンテカルロシミュレーション」という強力なツールを用いた。これは、数万回、数十万回とランダムなシナリオを繰り返しシミュレートすることで、確率的な未来を描く手法だ。研究では、シミュレーション開始時に、EVの台数、出発地点、目的地、出発時刻、バッテリー残量（60%～80%の範囲でランダムに設定）といったパラメータをランダムに生成した。さらに、道路の等級（最高速度と交通容量が定義されている）と時間帯による交通流の変化（朝夕の「二重ピーク」を想定）を組み込み、各車両の走行ルートと速度を計算した。バッテリー残量が30%を下回る、または目的地まで到達できないと判断された時点で、車両は最短経路の充電ステーションに向かい、充電を開始する。このプロセスを数千台のEVに対して繰り返すことで、時間と空間にわたる詳細な「充電需要分布」が得られる。この需要予測は、モデルの根幹を成すものであり、あらゆる最適化の出発点となる。
最も重要なのは、この交通の最適化が、電力網の安定性と直結している点だ。都市の電力網、特に末端の配電網は、局所的な大電力需要に弱い。多くのEVが一極集中して充電すると、その地域の電圧が低下し、周辺の家電製品に影響を及ぼす可能性がある。本研究は、この「交通」と「電力」の二つの世界を統合的に扱う点で、従来の研究と一線を画している。シミュレーションで得られた各充電ステーションの需要（負荷）を、対応する配電網のノードに割り当て、MATPOWERという電力系統解析ソフトウェアで潮流計算を行った。これにより、電圧の変動（電圧偏差）、電力の損失（線路損失）といった電力網の健康状態を、定量的に評価することができる。
研究の核心は、この複雑な多面的な問題を、一つの「最適化問題」として定式化し、解決策を見出すことにある。研究チームは、以下の4つのコストを最小化するという多目的最適化問題を設定した。
- 充電ステーションの年間建設・運営コスト：新しいステーションの建設費、設置する充電器の費用、そして運営にかかる電力コスト。
- 配電網のペナルティコスト：充電需要が電力網に与える悪影響（電圧低下など）に対するコスト。電圧が大きく下がるほど、このコストは高くなる。
- EVユーザーの充電コスト：これは単なる電気代だけでなく、目的地から充電ステーションまで往復するための「走行距離」や「時間」に換算したコストも含む。ユーザーにとっての利便性を数値化したものだ。
- ユーザー満足度：これは、待ち行列モデルから得られる「平均待ち時間」と「ステーションの利用率」を組み合わせた指標として定義され、コストの一部として扱われた。
この4つの目標は、互いにトレードオフの関係にある。ステーションを多く設置すれば、ユーザーの移動距離や待ち時間が減り、満足度は上がるが、建設・運営コストも当然上昇する。逆に、ステーションを少なくすればコストは下がるが、ユーザーは遠くまで行かざるを得ず、電力網も過負荷になるリスクが高まる。この複雑なバランスを取るため、研究チームは「改良粒子群最適化（PSO）アルゴリズム」を採用した。これは、鳥の群れが餌を探す様子を模したアルゴリズムで、多数の「粒子」（候補解）が互いに情報を共有しながら、最適な解の方向へと進化していく。本研究では、さらに「カオス的なシミュレーテッド・アニーリング」という手法を組み合わせ、局所最適解に陥らず、より広い範囲を探索できるように改良されている。
このモデルは、実際の交通網（107の道路と61のノード）とIEEE標準の33ノード配電網を統合したシミュレーションで検証された。3つの異なるEV保有台数のシナリオが設定された。
- シナリオ1（2万台）：既存の11ヶ所のステーションで需要を十分に賄える。
- シナリオ2（4万台）：2ヶ所の新設ステーションが最適とされた。
- シナリオ3（7万台）：5ヶ所の新設ステーションが最適とされた。
結果は明確だった。新設ステーションを追加することで、ユーザーの充電コスト（移動距離）が大幅に削減され、待ち時間も短縮された。一方で、建設コストは上昇した。しかし、最も重要なのは電力網への影響だ。シナリオ3（7万台）においても、電圧偏差は5%以内に抑えられ、電力網の安定性が保たれた。さらに、ネット損失率は3.22%から2.87%に低下し、電力の無駄が減り、効率的な運用が可能になった。これは、適切に配置された充電インフラが、電力網の負担を軽減し、むしろ効率を向上させうることを示している。
この研究の意義は、単に「どこにステーションを置くか」という答えを出すこと以上にある。それは、都市の持続可能な未来を設計するための「思考のフレームワーク」を提供している点だ。EVの普及は、交通問題でも電力問題でもなく、それらを統合した「システムの問題」である。本研究は、その複雑な相互作用を数理モデルで解き明かし、データに基づいた意思決定を可能にする。これは、自治体、電力会社、充電インフラ事業者にとって、極めて貴重なツールとなる。無駄な投資を避け、ユーザー満足度を高め、電力網を守る。この三者の利害が一致する最適解を、このモデルは見出している。EVの時代に求められるのは、技術革新だけでなく、インフラをどうスマートに管理するかという「知恵」である。張智禹氏らの研究は、その知恵の一つを、私たちに示してくれた。
張智禹、王致杰、楊皖昊、張洪玮、上海電機学院、上海理工大学、Electrical Measurement & Instrumentation、DOI: 10.19753/j.issn1001-1390.2024.10.006