EV集約が変えるグリッド規模蓄電の計画手法とその重要性
電力システムの静かな一角で、ささやかながらも強力な変革が進行中だ。技術者や研究者が、電気自動車（EV）を単なる電力消費者としてではなく、動的で移動可能なグリッド資産として扱い始めている。この視点の転換は、特に配電系統レベルにおけるエネルギー貯蔵設備の導入戦略に新たな道を開いている。この領域では、再生可能エネルギーの変動や負荷の不確実性が長らく計画を複雑にしてきた。
羅世剛（ルオ・シーガン）、滕杰（トン・ジエ）、譚壮熙（タン・ジュアンシー）らが『Energy Storage Science and Technology』に発表した画期的な研究は、この統合を「どのように行うべきか」について、これまでで最も明確な設計図の一つを提示する。彼らの論文は、系統連系されたエネルギー貯蔵システムの立地と容量決定のための、新型の二段階確率最適化フレームワークを導入している。特に注目すべきは、集約化されたEV充電ステーションの dispatch可能な柔軟性を、計画プロセスに明示的に組み込んでいる点だ。その結果は漸進的などではなく、革命的ですらある。
一見すると、この考えは自明に思える。すでに何百万台ものEVが毎日系統に接続されているのだから、それを集合的で制御可能な負荷（そして時には分散型エネルギー資源）として扱えばよいのではないか、と。しかし、いつものように悪魔は細部に宿る。モデリングの精度、計算の扱いやすさ、現実世界の運用上の制約といった細部にだ。研究チームの手法は、従来の多くの障害を巧みに回避する。プランナーを高次元の最適化問題で溺れさせたり、個々のEVのデータを要求したりする代わりに、二次近似されたミンコフスキー和に基づくモデルを用いて、充電ステーションの集合的な実行可能領域を記述する。このモデルは、EV群の本質的な柔軟性——到着時間、出発時間、充電状態の要求など——を捉えつつ、従来のように大規模計画では非現実的だった組み合わせ爆発を起こさない。
この研究が数多い関連研究の中で際立つ理由は、その運用における現実主義にある。エネルギー貯蔵の計画研究は、蓄電をブラックボックス——安い時に充電し、高い時に放電するもの——として扱いがちだ。このアプローチは経済的に直感的だが、裏目に出る可能性もある。大規模なアービトラージ主導の蓄電行動は、場合によっては、かえって系統の混雑を悪化させ、新たなピークを生み出したり、負荷ストレスをあるフィーダーから別のフィーダーに移し替えたりすることさえあり得る。羅らは、コスト最小化や純粋な利益最大化ではなく、「潮流の時空間的バランス」を中核目的とすることで、この落とし穴を回避した。
都市の交通計画を想像してほしい。単に道路上の車を減らしたいのではなく、時間的にも車線的にも、よりスムーズで均等に分散した交通流を望むはずだ。同様に、研究チームの「バランス指標」は、すべての分岐線と時間間隔において電流がどの程度均等に流れているかを定量化する。この指標を最小化することは、より平坦で回復力のある電圧プロファイル、線路や変圧器の熱的ストレスの軽減、連鎖故障のリスク低減につながる。これはシステムレベルでの指標——分散型エネルギー資源が増加する中で、系統運用者が必要とする、まさに先見性のある指標なのである。
このモデルは、もう一つの古典的な頭痛の種も巧みに回避する。それは、充放電サイクルにおけるエネルギー損失を、整数変数や非線形性によってソルバーを麻痺させることなく、どう表現するかという問題だ。彼らの解決策は、内部の電池の非効率性を、電力潮流方程式における「仮想抵抗分岐」に置き換えるというもの。これは高度な配電モデリングの文献から借用した、小技ながらも優雅なトリックである。これにより、損失の表現を線形化しつつ物理的な忠実度を保ち、さらに、計算の拡張性と解の精度を確保するためにチームが使用しているDistflow方程式の二次錐緩和と見事に調和する。
しかし、この研究からの最も重要な洞察は、数学ではなく、その含意にあるのかもしれない。
著者らが修正版IEEE 33バス配電系統でこのフレームワークをテストした結果、驚くべきことがわかった。EVの「制御可能率」が20%から80%に増加するにつれて、導入される最適なエネルギー貯蔵容量は、わずかながら実際に増加したのである。これは、より多くのEVの柔軟性が定置型蓄電池を代替するという単純な期待に反する。なぜか？
EVと定置型蓄電池は代替関係ではなく、相補関係にあるからだ。EVは短期間で、きめ細かな負荷シフト能力を提供し、日内の太陽光発電の平滑化や局所的な電圧低下への迅速な対応に理想的である。一方、特に太陽光発電設備と併設された定置型蓄電池は、より長時間のエネルギーシフト——例えば、日中の中頃の余剰太陽光を夕方のピーク時間帯に移動させる——を提供する。両者はともに、柔軟性のスペクトラムの異なる部分をカバーする。このモデルはこの相乗効果を認識し、それに応じて資源を配分するのである。
さらに決定的なのは、炭素への影響が劇的である点だ。制御可能率50%の場合、テストケースにおける一日の炭素排出量は18%以上減少した——これは発電量の追加ではなく、よりスマートな協調によってもたらされた。EVの参加率が高まると、この削減率は約30%にまで達した。同時に、太陽光発電の出力制限は激減した。EVと最適化された蓄電池が連携して運用的場合、太陽光の利用率はベースラインケースの約86%から97%以上に跳ね上がった。
これは理論上の話ではない。この研究のシナリオ生成は、中国の県レベルのEV充電ネットワークから得られた実際の充電記録——開始時間、停止時間、供給総エネルギー——を使用している。そして、二次の集約モデルは驚くほど正確であることが証明された。完全な個別EVスケジューリングと比較検証した場合、ステーションのプール内のEVが50台を超えると、集約電力の追跡における平均二乗誤差はほぼゼロにまで低下した。これは統計的な平滑化が効き始める閾値——そしてプランナーが充電ハブを、小さな高速応答の需要側資源と同様に、予測可能な柔軟性を持つ負荷として自信を持って扱えるようになる閾値なのである。
事業者視点でも、経済性は成立する。事例研究では、導入された蓄電設備——ノード16に2.25MWh、ノード21に3.32MWh——の年間償却コストは約230万元だったが、年間346万元の便益をもたらした。内訳は、エネルギー購入費の削減267万元、系統増強の先送りによる利益12万元、炭素コンプライアンスコストの回避67万元である。これは投資利益率150%に相当し、蓄電設備自体のコストを含んだ数字である。
この種の結果は、従来の認識を一変させる。エネルギー貯蔵は、再生可能エネルギーに対応するための必要な緩衝材——つまりコストセンター——と見なされがちだった。ここでは、それは価値増幅器である。EVとのより良い協調を可能にし、それがより多くの再生可能エネルギー導入を実現し、それがさらなる蓄電の導入を正当化する。好循環が生まれるのである。
もちろん、実世界での実装は容易ではない。このモデルは充電ステーションの集中型協調を想定しており、それは堅牢な通信インフラ、標準化されたAPI（OCPP 2.0など）、そしてアグリゲーターが系統サービス市場に柔軟性を入札することを可能とする規制枠組みを必要とする。また、EVの到着・出発パターンの正確な予測を前提としており、これは非構造化の都市環境では依然として困難な課題である。
しかし、実現可能性を示す兆候はある。カリフォルニアでは、PG&Eなどの事業者が、EVSE（EV供給設備）が価格や信頼性のシグナルに応答する「マネージド・チャージング」プログラムのパイロット事業を既に実施している。英国では、National Gridの「動態周波数応答」サービスがEVフリートからの入札を受け付け始めている。そして、この研究の本拠地である中国では、国家電網公司が深州や南京などの都市で vehicle-to-grid（V2G）のパイロットゾーンを積極的に展開している。必要なピースは集まりつつある。
これまで欠けていたのは、この収束を予見し、数年先を見越して系統をそのために最適化するのに十分に洗練された計画方法論だった。ほとんどの蓄電設備の立地研究は、負荷を受動的、再生可能エネルギーを所与のもの、EVをノイズとして扱い続けている。この論文はそれを変える。計画担当者に問いを投げかける。太陽光を緩衝するためだけでなく、EVが能動的な系統参加者となることを可能にするために、どこに蓄電設備を設置すべきか？ と。
その答えは、戦略的な併置にあることが判明した。IEEE-33のテストケースでは、蓄電設備はノード16と21に設置された。偶然ではないが、これらのフィーダーには太陽光発電設備群とEV充電クラスターが存在している。これは局所的な柔軟性のマイクロハブを創出する。昼間は太陽光が蓄電池を充電し、夕方のピーク時には蓄電池と協調したEV充電が共同で支持し、（利用可能で合意が得られれば）余剰なEVの放電能力が補助サービスを提供する。
これは、配電系統を単方向のパイプラインではなく、資産がリアルタイムで通信し、取引し、適応する、智能的で相互作用的な柔軟性ノードのメッシュとして描くビジョンなのである。
批判的に、著者らは過大な主張を避けている。すべてのEVがV2G対応である（これはまだ黎明期の技術）とは想定せず、代わりに、今日でははるかに導入可能性の高い単方向のスマートチャージングに焦点を当てている。完全な予測も要求せず、太陽光と負荷の不確実性は、単純なk-meansよりも分布の特徴を保持するロバストなクラスタリングアルゴリズムであるK-Medoidsシナリオ縮約によって処理される。また、ハードウェアの限界も無視していない。電池のエネルギー状態の制約、変換器の定格、線路の熱的限界はすべて、二次錐制約式によって明示的に強制され、大域的最適性に近い解を保証する。
この手法におけるベンダーズ分解の使用も特筆に値する。投資判断（第一段階：どこに、どれだけ建設するか）と運用判断（第二段階：数百ものシナリオにわたって蓄電設備とEVをどのように配分するか）を分離することで、拡張性と現実性の両方を達成している。主問題は30反復未満で収束し——このような複雑なシステムでは一瞬の速さ——各副問題（シナリオごとに一つ）は並列解決が可能であり、より大規模なフィーダーに対してもこのアプローチを実行可能にしている。
将来的には、このフレームワークは容易に拡張できるだろう。一部のEVがV2Gをサポートする場合は？ モデルは最小限の修正で双方向の電力曲線を吸収できる。水素燃料の大型トラックが参入する場合は？ それらの長い給油時間と高いエネルギー需要は、単に集合的実行可能領域のパラメータを変更するだけだ。中核となるアーキテクチャはモジュール式で拡張可能なのである。
より深遠なのは、この研究が公益事業の計画における根深い前提——受動的で最悪ケースを想定した負荷モデリングが「保守的」であり、したがって安全である——に疑問を投げかけている点だ。実際には、分散型の柔軟性が広がる世界では、制御可能な資源を無視することこそが最も危険な姿勢なのである。それは、電線や変圧器への過剰投資、蓄電設備の低利用、再生可能エネルギーの遊休化、脱炭素化の機会損失につながる。
羅、滕、譚の貢献は、不確実性にただ耐えるのではなく、それを利用する計画方法論——厳密でありながら実装可能な代替案——を提供したことにある。EVを系統安定性への脅威としてではなく、適応能力の潜在的な供給源として扱うことで、彼らは配電系統の新たな設計空間を開いた。それは単により清潔で、より安価なだけでなく、より智能的で、より回復力があり、根本的により人間中心——人々が実際にどのように生活し、運転し、充電するかを中心に設計された——なのである。
結局のところ、この研究で最も重要な数字は、150%のROIでも30%の排出量削減でもない。その含蓄に込められたメッセージだ。未来の系統は、電気自動車にもかかわらず構築されるのではなく、電気自動車とともに——能動的なパートナーシップのもとに——構築されるだろう、というメッセージである。
そして我々は今、それを正しく行う方法の設計図を、初めて手にしたのである。
羅 世剛 (ルオ・シーガン) ¹ 滕 杰 (トン・ジエ) ² 譚 壮熙 (タン・ジュアンシー) ³
¹ 国網甘粛省電力公司 経済技術研究院、中国 蘭州 730030 ² 国網甘粛省電力公司、中国 蘭州 730030 ³ 湖南科技大学、中国 湘潭 411100
Energy Storage Science and Technology DOI: 10.19799/j.cnki.2095-4239.2023.0310