【論文解説】強化学習×蓄電池制御でEV充電を脱炭素化NEW

EVの充電ステーションに太陽光パネルと蓄電池を組み合わせ、さらに電力を系統へ逆潮流させる構成——いわゆる「VPP型充電ステーション」をどう運用すれば、待ち時間・電気代・CO2排出を同時に抑えられるか。この問いに正面から答える論文を、英カーディフ大学（Cardiff University）の研究チームが2026年10月末にarXivへ公開した。

タイトルは「Electric Vehicle Scheduling and Carbon-Aware Energy Dispatch for Charging Stations」。強化学習（TD3）と軽量ヒューリスティクスを組み合わせたハイブリッド制御を提案している。従来の最適化ソルバーに頼らず、現場で即応できる軽い判断と、長期的な学習ベースの判断を分業させる発想が面白い。EV充電の現場寄りに踏み込んだ、実装志向の研究だ。

太陽光と蓄電池を抱えた充電ステーションの難しさ

充電ステーションの運営には、相反する目的が3つある。EVユーザーを長く待たせないこと、電気代を節約すること、CO2排出量を減らすこと。これらは単純には両立しない。日中の太陽光が余っている時間に充電を集中させれば電気代と排出は下がるが、昼に充電したい人の列ができる。夜に系統電力で捌けば待ち時間は減るが、火力由来の電気を使う分だけCO2が増える。

さらに、ステーション内の蓄電池をいつ充電し、いつ放電し、いつ系統に売電するかという判断も絡む。充電器の台数という物理的な制約と、エネルギーの流れという連続量の制約が同時に走るため、問題はきわめて複雑になる。従来は数理最適化ソルバーで解いていたが、計算が重く、現場でリアルタイムに動かすのは厳しかった。

強化学習（TD3）と貪欲法のハイブリッド「SFGH-TD3」

論文の核は「問題を2層に分割する」こと。上層は到着したEVをどの充電器にいつ割り当てるかを決める「Vehicle Scheduling（車両スケジューリング）」。下層は蓄電池をいつ充放電し、電力をどこから引くかを決める「Energy Dispatch（エネルギー配分）」。

上層にはSFGH（Solver-Free Greedy Heuristic、ソルバー不要の貪欲ヒューリスティクス）を使う。「待たせる時間が最も減るような割り当てを一つずつ選ぶ」という、人間にも理解できる単純な作戦だ。難しい最適化問題を一括で解くのではなく、場当たり的に「今いちばん良い手」を打っていく。計算が軽い。

下層にはTD3（Twin Delayed Deep Deterministic Policy Gradient、ツインディレイド深層決定方策勾配）という強化学習手法を使う。これは経験を積んで、電気代と排出量のバランスを取る蓄電池の動かし方を学んでいくAI。人間が明示的にルールを書けない部分を、長期の試行錯誤に任せる仕組みだ。

スケジューリングと蓄電池制御を分離するメリット

なぜ分けるのか。レストランに例えるとわかりやすい。ホールの店員が席の割り当て（スケジューリング）をし、厨房が食材の仕入れ・調理タイミング（エネルギー配分）を決める。両方を一人でやろうとすると判断が追いつかない。

論文はこの発想を電力制御に持ち込んだ。EV到着のような離散的なイベントは軽い貪欲法で捌き、電力のアナログな流れは強化学習に任せる。この役割分担によって、強化学習が探索する状態空間がぐっと小さくなり、学習が収束しやすくなる。TD3は学習済みの方策をそのまま推論に使うので、重い数理最適化ソルバーを本番環境で回し続ける必要がない。論文の検証はPCワークステーション上のシミュレーションにとどまるが、推論負荷の低さそのものは実装面で扱いやすい性質だ。

1年分のシミュレーションで示された具体的な数値

論文は1年という長期のシミュレーションで性能を評価している。設備規模の前提は、定格出力90kWの急速充電器5基と、容量900kWh・最大出力450kWの定置型蓄電池。比較対象は、別のヒューリスティクスや、複数のAIが協調学習するマルチエージェント型の深層強化学習（DRL）の構成だ。

結果は、SFGH-TD3の組み合わせが、累積の待ち時間・電気代・CO2排出のすべてで最も低い値を示した。従来法のFIFO（先着順割り当て）と比較してサービス遅延を約2.6〜2.9%削減、複数のAIが協調学習するマルチエージェント型（方策最適化手法のPPO:Proximal Policy OptimizationとTD3を組み合わせた構成など）に対しても約4.1〜5.9%の削減を達成している。

特に、太陽光と蓄電池から系統への逆潮流を認め、売電収入とカーボンクレジットの両方を評価関数に取り込んだ設計がきいている。「電気を貯める」だけでなく「電気を売る」「排出を減らしてクレジット収入を得る」ところまで含めて最適化対象にする設計思想は、今後の充電ステーション運営の方向性と重なる。

BLADE NOTE の視点

日本の充電インフラは、e-Mobility PowerやNEXCO、自治体系など複数の運営主体が並走しているが、ほとんどのステーションはまだ「充電器を並べる」段階にとどまっている。太陽光＋定置型蓄電池＋双方向系統連系をフルセットで備えた拠点は少ない。重要なのは、本論文が扱うのは車両からの給電（V2G）ではなく、ステーション側に設置した定置型蓄電池による系統連系・売電だという点だ。日産リーフやサクラといった車両側のV2G普及を待たずとも、定置蓄電池側の制御高度化だけで成立するモデルといえる。BYD ATTO 3のようにV2H/V2Lに対応した輸入EVも国内展開されているが、本論文のアプローチはこれらとは別軸で、ステーション運営者単独で導入可能な設計を示している。

論文の提案手法が面白いのは、ソルバーを使わないという現場寄りの発想だ。日本の高速道路SA/PAのように、停電や通信遅延が許されない場所では、クラウド側で重い最適化計算を回し続ける方式はリスクが高い。論文自体はPC上でのシミュレーション検証にとどまるものの、推論負荷の低いSFGHと学習済みTD3の組み合わせは、将来的にステーション現地のエッジデバイスでリアルタイム稼働させるアーキテクチャとしても親和性が高い——これはあくまで実装側の展望としての見立てだ。日本の充電インフラ整備の次の段階として、こうした分散制御の設計思想は参考になる。

評価関数にカーボンクレジットを組み込んでいる点も、事業採算性の観点から見逃せないポイントだ。日本ではJ-クレジット制度や非化石証書など、再エネ由来の電気を金銭価値に変換する仕組みが動いているが、EV充電領域ではまだ活用例が少ない。電気代だけでなくCO2クレジットでも稼ぐ充電ステーションという収益モデルを、評価関数レベルで織り込んだ設計は極めて実践的だ。バッテリー技術の現在地と組み合わせれば、リン酸鉄リチウムイオン（LFP）セルを定置型蓄電池に転用した充電ハブとして、国内メーカーにも実装の余地が残されている。

論文の範囲外だが、現実の運用では充電器の予約システム、電力会社との契約電力の制約、各種補助金の条件なども効いてくる。今回の提案はシミュレーション段階にとどまるが、実機への移植で得られる知見は、日本の充電事業者にとって無視できない方向性を示している。

出典

• Electric Vehicle Scheduling and Carbon-Aware Energy Dispatch for Charging Stations（arXiv, Fulong Yao et al., Cardiff University, 2026-10-27）