研究の概要

EV普及率の急激な上昇は配電系統（変圧器・配電線）に集中的な負荷を与えるが、「どの地域で・どの時間帯に・どれだけの充電負荷が発生するか」を精度よく予測するためのデータが不足している。本研究はノルウェー・トロンハイムの14ヶ月の実充電ログ（18万件以上）をもとに、CTGANとカーネル密度推定を組み合わせた生成AIパイプラインで2020〜2030年の高分解能合成EV充電データセット（76,993レコード・時間粒度）を作成。寒冷地特有の挙動（気温依存・季節変動）を精緻にモデル化している点が特徴。

主な発見・成果

  • 実充電ログと統計的指標（SSB成長乗数）を組み合わせ、2030年まで段階的なEV普及シナリオを反映したデータ生成に成功
  • 寒冷地特有の「気温低下による充電時間延長・頻度増加」「積雪期の行動パターン変化」を単純なスケールアップで見落とすリスクを定量化
  • 7.2kW AC充電制約下での中程度普及シナリオを基本とし、変圧器負荷・充電需要予測・スマート充電アルゴリズム開発のベンチマークとして設計
  • データセットはオープン公開（Zenodo等想定）を前提に設計されており、研究者・事業者が独自分析に使用可能

実務への応用

  • 配電系統の変圧器・配電線の増強計画を立案する際、EV普及成長率と季節・時間帯別負荷分布を組み合わせた影響評価に活用できる
  • 日本では気候が温暖な地域が多いが、北海道・東北・日本海側では寒冷地型の充電行動が予想されるため、本データセットの生成手法（CTGAN+KDE）を日本の実データに適用する研究への示唆がある
  • スマート充電（V2G・DR対応）のアルゴリズム開発・検証データとして、寒冷地条件での性能評価に使用できる