マルチ戦略型改良オーチャードアルゴリズムによるマイクログリッド内の再生可能エネルギーとEV充電器の最適配置

日常生活で賢い充電が重要な理由

より多くの人が電気自動車に切り替え、住宅や事業所で屋根上太陽光や小型風力を導入するにつれて、地域の電力ネットワークにはこれまで以上の負荷がかかっています。これらの技術が計画なしに接続されると、近隣で電圧のちらつき、エネルギー損失の増大、より広域の系統への余分な負荷といった問題が生じる可能性があります。本論文は、マイクログリッド内で太陽光パネル、風力タービン、電気自動車充電器をどこに配置すべきかをより賢く決める方法を探り、ドライバーが安定して充電でき、照明が安定し、システムの無駄が減るようにすることを目指します。

クリーン電力の普及で増す課題

現代の配電網は、家庭の需要、屋根上太陽光、小型風力タービン、電気自動車充電ステーションの群れを同時に扱う必要がある能動的なマイクログリッドへと変わりつつあります。太陽光や風力の出力は天候により増減し、ドライバーは予測しにくい時間に様々な時間だけ充電します。これらの変動が重なると、電圧が安全範囲から外れたり、特定の配電線が過負荷になったり、マイクログリッドと主系統間で望ましくない電力の往復が発生したりします。既存の多くの計画手法は各技術を個別に扱うか、安定で予測可能な条件を仮定しているため、これらの要素が同時に相互作用する場合に対応が難しくなります。

果樹園に着想を得た新しい計画手法

著者らは「マルチ戦略改良オーチャード最適化アルゴリズム」と呼ぶ計画手法を導入します。このアプローチでは、マイクログリッドの各設計候補を果樹園の木に見立て、アルゴリズムが多くのサイクルを通じてこれらの木をより良い解に“成長”させます。局所的な微調整、候補間の特徴の混合、弱い設計の選択的置換といった複数の探索手法を組み合わせ、設計の多様性を保ちます。これらの手順は、電圧を理想値に近づけること、主系統との電力交換を平滑にすること、配電線の実電力損失を削減することという三つの目的を合成したスコアにより導かれます。単純な試行錯誤や従来のメタヒューリスティック法と異なり、このマルチ戦略版は多目的が競合するときに平凡な解に陥るのを避けるよう設計されています。

電気自動車と再エネのモデル化方法

この計画手法を現実的に検証するため、研究では太陽光パネル、風力タービン、電気自動車の詳細なモデルを構築しています。太陽光出力は日射量とセル温度に依存し、風力出力は風速と空気条件の変化に依存し、車両の充電は走行距離、到着時刻、滞在時間、バッテリーの充電状態に応じて変化します。これらの挙動は単一の固定パターンではなく確率分布と多数の一日シナリオで表現されます。最適化は、標準的な33バス試験ネットワーク上で、太陽光・風力ユニットの最適な配置と容量、充電ステーションの最適な位置と容量を選ぶと同時に、再エネ出力や価格信号に合わせて充電挙動を調整します。

最適化されたマイクログリッドの姿

この試験システムで改良オーチャードアルゴリズムを実行すると、ネットワーク内の特定のバスに中規模の太陽光・風力ユニット数基と10基の充電ステーションを配置する計画が得られます。基本的なオーチャードアルゴリズムや、遺伝的アルゴリズム、粒子群最適化、ホエールオプティマイゼーションなどのよく知られた手法と比較して、新手法は電圧変動の低減、電力損失の縮小、結線線（タイーライン）電力の安定化で優れた結果を示します。数値的には、電圧偏差と線損が概ね6分の1程度低下し、結線線の電力変動は約8分の1低下しました。さらに、アルゴリズムはこれらの解により少ない反復回数と短い計算時間で到達でき、将来の多様なシナリオを検討する際に実務上重要です。

将来の電力網にとっての意義

専門外の方に向けた主要なメッセージは、クリーンエネルギーや充電ステーションをどこに、どのように追加するかが、何台設置するかと同じくらい重要だということです。地域の電力網をシステム全体として扱い、日射、風、ドライバー行動の不確実性を考慮することで、提案手法は電圧を健全に保ち、無駄を削減し、主系統への負荷を軽減する配置を見つけます。これにより、電気自動車利用者はより安定して充電でき、再生可能エネルギーはより効率的に使われ、送配電網事業者は高価な設備更新を先送りできる可能性が高まり、コミュニティは日常の性能を損なうことなくよりクリーンで回復力のある電力へと移行できます。

引用: V., K., Thirumalaisamy, S.K., M., M. et al. Multi-strategy enhanced orchard algorithm for optimal integration of renewable energy sources and EV charging stations in microgrids. Sci Rep 16, 15588 (2026). https://doi.org/10.1038/s41598-026-46503-z

キーワード: マイクログリッド, 電気自動車充電, 再生可能エネルギー統合, 電力損失低減, 最適化アルゴリズム