EV集約戦略によるアクティブ配電網の電圧安定性向上
脱炭素化に向けた世界的な取り組みが加速する中、再生可能エネルギーの電力系統統合は不可避の課題となっている。太陽光発電や風力タービンの都市部から農村部への普及に伴い、従来の受動的な配電ネットワークは双方向の電力流を制御する「アクティブ配電ネットワーク（ADN）」へと進化を遂げつつある。しかしこの変革は、分散型電源の間欠性に起因する電圧不安定化という深刻な技術的課題を引き起こしている。
『エレクトリックドライブ』誌に掲載された画期的な研究は、電気自動車（EV）を単なる電力消費者ではなく系統安定化の能動的プレイヤーとして位置付ける新たな協調電圧制御戦略を提案している。この手法はEVアグリゲーション、多機能太陽光インバータ、無効電力補償装置を統合制御フレームワークに組み込むことで、系統レジリエンスの強化、インフラコストの削減、高再生可能エネルギー導入下における配電システムの安全かつ効率的な運用を実現する。
中核を成すのは「移動チェーン」の概念に基づく高度な予測モデルである。従来のEV充電予測がランダム事象として扱われてきたのに対し、移動チェーンモデルはEV利用者の日常行動を「自宅出発→通勤→用務→娯楽→帰宅」という時空間的に連鎖した活動系列として捉える。各移動区間には出発時刻、停車時間、目的地種別（住宅・商業・娯楽）、到着時充電状態（SOC）などの確率的情報が含まれる。モンテカルロシミュレーションとマルコフ状態遷移を組み合わせたこのモデルにより、集約化されたEV負荷プロファイルの予測精度が飛躍的に向上する。
この予測精度の革新は単なる理論的成果にとどまらない。EVが電圧調整に参加するためには、系統運用者が数時間～数日前から特定地点で利用可能な車両数、バッテリー容量、接続可能時間を把握する必要がある。移動チェーンモデルは都市機能ゾーン別の柔軟性リソースを高精度で予測し、従来のNSGA-II最適化アルゴリズムと比較して平均絶対パーセント誤差（MAPE）を25%から3.54%に低減。EV群を不確実性の高い変数からディスパッチ可能な系統資産へと変貌させる。
予測データを基に構築された階層型感度ベース電圧制御戦略は、低圧配電網の高い抵抗／リアクタンス比を考慮し、有効電力と無効電力の双方が電圧に与える影響を定量化する。電圧-電力感度行列の計算により、各ノード間の単位電力変化が及ぼす電圧変動を明らかにし、制御アクションの優先順位を決定する。
制御プロトコルは「無効電力優先・有効電力後続」の原則に基づく。日中太陽光発電ピーク時の過電圧発生時には、静止型無効電力補償装置、電圧支援モードのスマートPVインバータ、双方向給電（V2G）可能なEV充電器を第一選択肢として活用する。電圧偏差が持続する場合に限り、EV充電率の調整や車載バッテリーからの放電を実施する。この階層化アプローチにより機器の電力損失抑制とバッテリー寿命保護を両立させる。
実配電系統を模したシミュレーションでは顕著な効果が確認された。太陽光発電と軽負荷が同時発生した3母線の15%過電圧事例では、従来の無効電力補償だけでは不十分だったが、同一母線に接続されたEVアグリゲーションを起動することで0.07秒以内に±5%以内に収束。専用補償装置を有さない母線でもEV群が主要な調整機能を発揮し、システムの汎用性が実証された。
本手法の最大の利点は、新規インフラ投資を最小限に抑えつつ既存資産の価値を最大化することにある。太陽光インバータやEV充電器をインテリジェントに連携させることで、急速な再生可能エネルギー統合に直面する電力事業者の経済的負担を軽減する。さらにタップ切換器や進相コンデンサなどの機械的装置に比べ、EVベースの制御は物理的な磨耗を低減し、電圧変動への高速かつ詳細な対応を可能にする。
政策的観点では、EVアグリゲーターを系統サービス提供者として認める規制枠組みの整備が急務である。現在多くの市場では大規模集中型電源のみが補助サービスへ参加可能だが、分散リソースの統合により新たな価値が創出される。カリフォルニア州やドイツで進むパイロット事業は、本研究の技術的基盤を発展させる好機を提供している。
ユーザー受容性の確保も成功要因である。運転者が車両の充放電制御を許容するかについては、最低充電レベルの保証、適正な補償、バッテリー性能維持が鍵となる。移動チェーンモデルは予測可能な停車時間帯のみを調整対象とするため、利用者不便を最小化する設計となっている。
運輸部門の電化と電力系統の近代化を融合させる本戦略は、再生可能エネルギー普及の副産物である電圧不安定化の課題を、系統効率化と強靭性向上の機会へ転換する。2050年ネットゼロ達成を目指す都市において、データ駆動型の統合アプローチは柔軟かつ応答性の高い持続可能なエネルギーインフラ構築に不可欠な要素となる。
著者：
ユ・ジャリン¹、グオ・ジンルイ²、トウ・シャオドン¹、リウ・ウェイリアン¹、チョン・ウェイドン¹
所属：
¹ 国家電網浙江省電力有限公司 嘉興供電公司（中国・嘉興 314033）
² 南京郵電大学 自動化学院・人工知能学院（中国・南京 210023）
掲載誌：
『エレクトリックドライブ』2024年 第54巻 第9号
DOI：
10.19457/j.1001-2095.dqcd24472