EV集約器向けスマート充電戦略がコスト削減を実現
電気自動車（EV）の普及が加速する中、新たな課題として浮上しているのが、大規模なEV群の充電をいかに効率的かつ経済的に管理するかという問題だ。無秩序な充電は電力網に過大な負荷をかけ、電圧の不安定化やインフラ投資の増大を招く。この問題を解決するため、中国・広西師範大学の黄元清氏をリードとする研究チームが、画期的なエネルギー最適化戦略を提案した。この研究は、EVオーナーの多様なニーズを踏まえた上で、EV集約器（Electric Vehicle Aggregator, EVA）の長期的な電力購入コストを最小化することを目指しており、その成果は電力分野の権威ある学術誌『Southern Power System Technology』に掲載された。
本研究の核心は、従来の「一様な充電」の考え方に終止符を打ち、EVオーナーのニーズの「多様性」に着目した点にある。研究チームは、オーナーの充電に対する緊急度や、電力網に電力を供給するV2G（Vehicle-to-Grid）への参加意思の有無に応じて、EVを3つの異なる充電モードに分類した。これにより、EVAは一律のサービスではなく、個々のニーズに最適化されたサービスを提供できるようになる。
第一のモードは「高速充電モード」である。これは、タクシー運転手や長距離ドライブを控えるなど、充電を急いでいるオーナー向けのサービスだ。このモードでは、電力価格が高騰している時間帯でも即座に充電を開始し、最短時間で所望の充電レベルに到達できる。当然、この利便性にはプレミアム料金が付加される。第二のモードは「単方向スケジューリングモード」。これは、オフィス勤務などで昼間長時間車を駐車できるオーナー向けだ。彼らは充電に時間がかかっても構わないため、EVAは電力価格が最も安い深夜帯などに充電を集中させることができる。価格が高騰する時間帯は充電を中断し、コストを徹底的に削減する。その分、オーナーには大幅に割引された充電料金が提供される。第三のモードは、最も進んだ「双方向スケジューリングモード」である。このモードのオーナーは、V2Gへの参加に同意しており、電力価格が高騰するピーク時間帯に、自らのEVのバッテリーに蓄えた電力を電力網に供給（放電）することを許可する。これにより、EVAは高価格で電力を売却することで収益を得られ、その利益を還元してオーナーには最も安い充電料金を提供できる。このように、オーナーの柔軟性が高まるほど、双方のコストメリットも大きくなるという好循環が生まれる。
この3つのモードを効果的に運用するための技術的基盤として、研究チームは「強化学習」という最先端の人工知能（AI）技術を採用した。従来の最適化手法は、未来の電力価格やEVの到着・出発時刻を正確に予測する必要があり、現実の不確実性の前では限界がある。一方、強化学習は、未来の予測に頼らず、試行錯誤を通じて最適な行動を学習する。EVAを「エージェント」と見なし、リアルタイムの電力価格、接続されているEVのバッテリー残量、それぞれの充電モード、そしてオーナーの出発予定時刻といった「状態」を常に観測する。その状態に基づいて、「充電」「放電」「何もしない（待機）」という「行動」を選び、その結果として得られる「報酬」（ここでは、負のコスト、つまり節約できた金額）を学習のフィードバックとする。繰り返しのシミュレーションを通じて、エージェントは「安い時間帯に充電し、高い時間帯に放電する」など、長期的なコストを最小化する最適な判断基準を自ら構築していく。
研究チームは、英国の電力取引所「Nordpool」の実際のリアルタイム価格データを用いて、30日間のシミュレーションを実施した。その結果は、従来の「貪欲なアルゴリズム」（需要があるままに即座に充電を行う単純なルール）と比較して、驚異的なコスト削減効果が確認された。双方向スケジューリングモードでは、EVAの電力購入コストが54.1%も削減された。単方向スケジューリングモードでも、47.5%の大幅な削減が達成された。これは、EVAのビジネスモデルを根本から変える可能性を秘めている。電力コストはEVAの最大の経費であり、これを半分以下に抑えることができれば、サービスの価格競争力は飛躍的に向上する。その結果、より多くの充電インフラへの投資が促され、EVの普及をさらに加速させる正のスパイラルが期待される。
本研究の意義は、EVAの利益を最大化するという点にとどまらない。EVを単なる電力の「消費者」ではなく、電力の「供給者」にもできるという点に大きな価値がある。特に双方向スケジューリングモードでは、EV群が巨大な分散型バッテリーとして機能し、電力需要のピーク時に電力を供給することで、電力網の「ピークシフト」を実現する。これは、ピーク時に稼働する高コスト・高排出の「ピーク電源」の稼働を抑制し、電力網全体の安定性と効率性を高める。また、太陽光発電や風力発電などの再生可能エネルギーは、天候に左右され供給が不安定になる。EV群のバッテリーは、再生可能エネルギーの発電量が多すぎる「余剰電力」を吸収し、発電量が少ない夜間などに電力を供給する「バッファ」としての役割も果たせる。これにより、再生可能エネルギーの導入率をより高めることができ、脱炭素社会の実現に大きく貢献する。
この研究は、EVと電力網の関係を「負担」から「資産」へと変える可能性を示している。過去の研究の多くは、EVオーナーの視点に立って、個々の充電コストを最小化することに焦点を当てていた。しかし、都市部の商業地区など、多数のEVが集まる拠点では、EVAという「集約者」が中心となって、大規模なエネルギー管理を行うことが現実的である。本研究は、このEVAという新たなプレイヤーの立場に立ち、そのビジネスインセンティブ（コスト削減）と、電力網の社会的課題（安定化・グリーン化）を両立する実用的なフレームワークを提供した点で、大きな進歩と言える。
また、強化学習の採用は、システムの「適応性」を高める。EVの到着時刻や出発時刻、初期バッテリー残量など、ユーザーの行動には不確実性が付きものだ。従来の固定されたモデルでは、こうした不確実性に柔軟に対応できなかった。しかし、強化学習はリアルタイムのデータに基づいて継続的に学習し、最適な判断を進化させることができる。これは、予測不能な現実世界において、システムが長期間にわたり高いパフォーマンスを維持できる強みとなる。
政策立案者にとっても、本研究は重要な示唆を与える。EVバッテリーをV2Gで活用するためには、オーナーに適切なインセンティブ（報酬）を提供する仕組みが必要不可欠だ。本研究が示すように、双方向スケジューリングモードでは、オーナーは最も安い充電料金を得られる。これは、政府や電力会社が、V2G参加者に直接補助金を出すのではなく、市場メカニズムを通じてインセンティブを提供する、持続可能なビジネスモデルの可能性を示している。また、本研究の成果を踏まえれば、EV充電インフラの設置基準や、V2G対応充電器の普及促進策をより効果的に設計できるだろう。
自動車メーカーとエネルギー業界にとって、この研究は「未来のモビリティ」の姿を描いている。これからのEVは、単なる移動手段ではなく、家庭や社会のエネルギーインフラの一部となる。駐車している間も、エネルギーの貯蔵・供給という新たな価値を生み出す「エネルギーハブ」としての役割を担う。この変化に対応するため、メーカーはV2G機能を標準装備とし、エネルギー業界はEVAのようなスマートな集約プラットフォームの構築に注力する必要がある。黄元清氏らの研究は、こうした未来のインフラを支える、基盤的な技術の一つである。
結論として、広西師範大学の研究チームによるこの研究は、EVの大量導入がもたらす課題を、革新的な視点と技術で解決する成功例である。EVオーナーの多様なニーズを尊重し、強化学習というAI技術を活用して、EVAのコストを劇的に削減すると同時に、電力網の安定化とグリーン化を両立するという、一石二鳥どころか三鳥をも得る戦略を提示した。これは、単に充電の方法を変えるだけでなく、エネルギーの生産、消費、貯蔵のあり方そのものを変える、パラダイムシフトを示唆している。EVの普及が進む中、こうしたスマートなエネルギーマネジメント技術こそが、持続可能な社会を支える、見えないインフラとしての役割を果たしていくだろう。
黄元清、劉迪迪、覃光锋 et al. Southern Power System Technology. DOI: 10.13648/j.cnki.issn1674-0629.2024.10.016