ロバストな負荷モデルパラメータ同定:変動する公称電力下での環境測定からのアプローチ
Robust Load-Model Parameter Identification from Ambient Measurements Under Time-Varying Nominal Power
インバータベースの再生可能エネルギー発電が増加する中、電力系統の安定性評価のために環境測定からの負荷モデリングが重要となっている。本研究では、公称電力の変動を考慮しない場合、電圧・周波数依存の負荷応答に誤って帰属され、パラメータ推定値にバイアスが生じる可能性があるという課題に対し、自己回帰移動平均モデルを用いて公称電力の変動をモデル化し、電圧・周波数依存の負荷応答から分離する手法を提案する。さらに、複数の時間窓にわたる検証誤差を集約することで、特定の窓への依存性を低減する。シミュレーションの結果、公称電力の変動が平均公称電力の1.0%であった場合、提案手法は全体誤差0.100を達成し、単一窓推定の平均誤差より86%、感度ベース手法の結果より79%低減した。追加分析でも、提案手法は一般的に比較的低い同定誤差を維持することが示された。
- 公称電力の変動を考慮しないと電圧・周波数依存の負荷応答に誤帰属され、パラメータ推定にバイアスが生じるという課題を提示
- 自己回帰移動平均モデルで公称電力の変動をモデル化し、電圧・周波数依存の負荷応答から分離する手法を提案
- 複数の時間窓にわたる検証誤差を集約し、単一窓への依存を低減
- 公称電力変動が平均公称電力の1.0%の条件で提案手法は全体誤差0.100を達成し、単一窓推定の平均誤差比86%減、感度ベース手法比79%減
電力系統の安定性評価に使う負荷モデル同定の精度向上は、インバータ電源(再エネ)大量導入下での系統運用・接続判断の前提条件になる。本研究は計測データから公称電力の変動を自己回帰移動平均モデルで分離し、推定バイアスを最大86%低減したと報告しており、系統解析ソフトや運用データサービスを手掛ける企業にとっては解析精度=受注競争力に直結する。ただし現時点ではシミュレーション検証段階であり、商用製品化や規制・市場への実装は未確認。投資判断では、系統運用者・送配電事業者向けの状態推定/負荷モデリング製品にこの手法が組み込まれるか、また実データでの検証結果が出るかを追いたい。