再生可能エネルギーの不均衡決済と柔軟リソース配車の意思決定学習ベース最適化
Decision-Focused Learning-Based Optimization for Renewable Imbalance Settlement and Flexible Resource Dispatch
本論文は、再生可能エネルギーの導入拡大に伴う不均衡決済と、予備力調達および柔軟リソースの活性化を統合的に扱う意思決定学習ベース最適化フレームワークを提案する。このフレームワークは、下流の配車、信頼性、決済結果を通じて、再生可能エネルギーの偏差と柔軟リソースの供給能力の表現を学習する。数学的な貢献として、学習された不確実性、リソースの時間的信頼性のある容量証明、ネットワーク制約付きマルチステージ配車、および反事実的な限界貢献配分を結合する決済を考慮した学習目的関数を開発した。33ノードの張家口地域ケーススタディでは、15分間隔で5つのリソースクラス(独立型ストレージ、データセンターの柔軟性、産業用調整可能負荷、商業用デマンドレスポンス、電気自動車アグリゲーション)を用いた。提案手法は、固定比率の予備力ルールと比較して、地域バランスコストを950千ドルから618千ドル(34.9%)に削減し、再生可能エネルギーの受け入れ率を97.8%に達成し、不足確率を0.7%に制限し、決済公平性指数を0.92とした。500アセットのインスタンスを118秒で解決する。外部検証では、2025年のElexon/BMRS市場からの4027件の30分観測データを使用し、提案モデルは12.0%の再生可能エネルギーの不均衡決済コスト削減、不足間隔頻度の4.64%から1.28%への減少、99.74%の再生可能エネルギー受け入れ率を達成した。これは、配車に影響を与える不確実性と、供給可能な柔軟容量を同時に学習することによる改善である。
- 33ノードの張家口地域ケーススタディで、提案フレームワークにより地域バランスコストを950千ドルから618千ドル(34.9%削減)に削減し、再生可能エネルギー受け入れ率97.8%を達成
- 2025年のElexon/BMRS市場データ(4027件の30分観測データ)による外部検証で、再生可能エネルギーの不均衡決済コスト12.0%削減、不足間隔頻度を4.64%から1.28%へ削減
再生可能エネルギーの統合を支える送配電システムの運用最適化に関する学術研究であり、不均衡決済コストの削減(最大34.9%)と再生可能エネルギー受け入れ率の向上(97.8%)を実証している点は、再エネ普及が進む電力市場での系統運用効率化の方向性を示す。ただし、これは学術的なケーススタディであり、商業化や企業の具体的な成果に直接結びつくものではないため、投資判断への影響は限定的。