EV群のV2G、IFCMアルゴリズムで最適化
電気自動車（EV）の台数が世界的に急増する中、これらの車両は単なる移動手段を超えて、電力網の安定化に貢献する「移動型バッテリー」としての役割を期待されている。特に、EVが電力網に双方向に接続し、電力を供給する「ビークル・トゥ・グリッド（V2G）」技術は、電力需要のピークを抑える「ピークシービング」や、風力・太陽光といった変動する再生可能エネルギーの出力を調整する鍵として注目されている。しかし、数百万台のEVを一括して制御することは、計算量が膨大になる「意思決定変数の爆発」という技術的課題に直面しており、その実用化は難しいとされてきた。この難題を解決する画期的なアプローチが、中国の河海大学と国家電網河南省電力会社電力研究院の研究チームから発表された。彼らは、EVの走行パターンに着目し、高度なクラスタリングアルゴリズムを用いることで、大規模なEV群の効率的かつ経済的な電力網支援を可能にする新モデルを提案した。
この研究は、金永天、謝俊、周翠玉、張金帥、徐銘銘、楊小蓮の各氏によって行われ、電力工学分野の権威ある学術誌『High Voltage Engineering』に掲載された。その核心は、「Improved Fuzzy C-Means」（IFCM）と呼ばれる改良型のクラスタリングアルゴリズムの導入にある。従来の研究では、K-meansアルゴリズムなどが用いられてきたが、これは各EVを厳密に一つのグループに分類する「ハードクラスタリング」であり、実際のユーザーの行動の曖昧さ（例えば、通勤と買い物を組み合わせるなど）を十分に反映できないという欠点があった。一方、FCM（Fuzzy C-Means）アルゴリズムは「ソフトクラスタリング」を採用し、一つのEVが複数のグループに同時に所属する可能性を考慮できるため、より現実に即している。しかし、FCMは計算の過程で最適解ではなく、局所的な解に陥りやすいという問題があった。
ここで登場するのが、研究チームが採用したIFCMアルゴリズムである。彼らは、従来のFCMを二つの点で改良した。第一に、指数関数的なメンバーシップ関数を導入することで、アルゴリズムがより広い範囲を探索し、局所最適解に陥るリスクを大幅に低減した。第二に、クラスタリングの質を客観的に評価するための「有効性関数」を新たに設計した。この関数は、「コンパクト性」（同じグループ内のEVがどれだけ似ているか）と「分離性」（異なるグループのEVがどれだけ離れているか）のバランスを評価し、その値が最小になる点を最適なクラスター数として自動的に決定する。これにより、研究者の主観に頼ることなく、データの性質に最も合ったグループ分けを行うことが可能になった。
この高度なアルゴリズムを活かすためには、EVの行動を正確に表す「特徴量」が必要となる。研究チームは、EVユーザーの一日の行動パターンを「移動チェーン」としてモデル化した。具体的には、以下の4つの典型的なパターンを想定している。一つ目は「自宅-職場-自宅」（H-W-H）で、通勤が主な用途のユーザー。二つ目は「自宅-商業施設-自宅」（H-C-H）で、買い物やレジャーが中心のユーザー。三つ目は「自宅-職場-商業施設-自宅」（H-W-C-H）と、四つ目は「自宅-商業施設-職場-自宅」（H-C-W-H）で、より複雑なスケジュールを持つユーザーである。これらの移動チェーンに基づき、研究チームは「自宅を出発する最初の時刻」「各充電ステーションでの滞在時間」「各走行区間の距離」という3つの主要な時空間的特徴を抽出した。これらのデータは、米国の家庭調査データなどを参考に、正規分布に従うと仮定してシミュレーションされた。
このモデルのアプローチは、「クラスタリング-ピーク調整-タスク割り当て」という三段階のプロセスで構成されている。第一段階で、上記の特徴量を用いてIFCMアルゴリズムが7,500台のEVを少数のクラスターに分類する。このプロセスにより、最適化計算に必要な意思決定変数の数が数千から数十に劇的に削減される。第二段階では、このクラスター化されたEV群を、電力網のピーク調整に活用する。目標は、電力購入コスト、EVバッテリーの劣化コスト、風力発電の出力抑制（カーテイルメント）コスト、そして負荷変動による発電機の追加負荷コストを含む「総合制御コスト」を最小化することである。シミュレーションの結果、EVが協調的に動作することで、朝のピーク時間帯（09:00-13:00）の電力需要を最大25MW、夜のピーク時間帯（18:00-22:00）を5.32MW削減できた。これは、EVが深夜の電力が安い「谷間」に充電し、日中の電力が高価な「ピーク」時に電力を電力網に供給する（放電）ことで達成された。
第三段階は、第二段階で得られた「各クラスターの充放電タスク」を、個々のEVに最適に割り当てる「個別タスク割り当て」である。この段階では、クラスター全体の目標を達成しつつ、個々のEVのバッテリー劣化を最小限に抑え、かつユーザーの移動ニーズ（出発時の十分な充電量の確保）を満たすような、最適な充放電スケジュールを算出する。この三段階のアプローチにより、大規模なEV群の複雑な制御を、計算可能かつ現実的なものに変換している。
研究の興味深い点は、異なる移動チェーンのユーザーが、ピーク調整能力に差があることだ。シミュレーションでは、一日に複数回の充電機会がある「H-W-C-H」や「H-C-W-H」のユーザーは、より柔軟な応答が可能で、相対的なピーク削減率（RPR）が高かった。一方で、一日に一回しか充電しない「H-W-H」のユーザーは、その機会が限られるため、調整能力がやや劣る結果となった。これは、電力会社や政策立案者が、V2Gプログラムのインセンティブを提供する際に、単にEVの所有者全員に一律に提供するのではなく、より柔軟性の高いユーザー層に重点を置くことで、より高い効果を得られる可能性を示唆している。
また、EVの接続台数を50%から175%まで変化させたシミュレーションでは、EVの台数が増えるほどピーク調整能力は向上したが、その効果の伸び率（限界利益）は徐々に鈍化する「収穫逓減」の傾向が確認された。これは、ある一定の規模に達すると、それ以上のEVの追加投入よりも、既存のEV群の制御の最適化に注力する方が効率的である可能性を示している。
さらに、本研究のモデルが従来の「均等割り当て」方式と比べてどれだけ優れているかを検証した。均等割り当て方式では、すべてのEVに同じ充放電指示を出すが、これはEVの種類やユーザーの行動を無視している。対照的に、IFCMベースのクラスタリングモデルは、ユーザーの特性を反映した最適化を行う。その結果、クラスタリングモデルは、総合制御コストを約8%削減し、負荷変動コストを10%以上削減し、ピークと谷間の電力差を12,000kW以上も縮小するという、圧倒的な性能差を示した。この差は、単に計算量を減らすだけでなく、EVの多様性を「資産」として活用することで、経済性と効率性の両方を劇的に向上させることの重要性を強く示している。
この研究の成果は、EVの大量導入時代に向けたインフラ整備に大きな示唆を与える。今後は、EV充電インフラの整備に加えて、EVユーザーの行動データを収集・分析し、IFCMのような高度なアルゴリズムを用いて、EV群を最適に管理する「クラウドベースのエネルギーマネジメントシステム」の開発が不可欠となる。このようなシステムがあれば、EVオーナーは、自分の移動パターンに合わせた最適な充電プランを受け取り、電気代の節約やインセンティブを受けながら、無理なく電力網の安定化に貢献できるようになる。これは、電力会社、EVオーナー、そして社会全体にとってのウィンウィンの関係を構築する鍵となる。
金永天、謝俊、周翠玉、張金帥、徐銘銘、楊小蓮、河海大学、国家電網河南省電力会社電力研究院、High Voltage Engineering、DOI: 10.13336/j.1003-6520.hve.20230320