研究の概要

電力系統の脱炭素化を進める上で、「どの地点・時間帯の電力利用がどれだけCO₂排出に寄与するか」を正確に定量化するロケーション別炭素排出係数（Locational Average Carbon Emissions: LACE）の精度が重要になっている。企業のScope 2算定や再エネ調達戦略（24/7 CFE）においても、この係数の品質が脱炭素効果の評価精度を左右する。

しかし既存のLACEは特定の系統動作点周辺でのみ有効な線形近似に過ぎず、この指標に基づいて電力負荷を空間的に移動させると、意図に反して系統全体のCO₂排出量が増加してしまう逆説的現象が発生することが知られていた。本論文ではニューラルネットワークを用いた「LACE-S」を提案。射影層（Projection Layer）によって総排出量バランスを保証し、ヤコビアン正則化によって発電機の応答パターン（感度）を忠実に反映する設計とした。また、複雑さを減らすゾーン集約手法（ZACE-S）も提案し、実用システムへの適用を見据えたスケーラビリティを確保している。

主な発見・成果

IEEE 30バスシステムを用いた検証により：

  • 既存のLACEメトリクスによる空間的負荷シフトが排出量を増加させる事例を定量的に確認——現行ツールの根本的な問題を実証
  • LACE-Sを用いた負荷シフトでは系統全体の排出量が確実に削減されることを実証
  • 射影層による総排出量バランスの保証と感度整合性（Sensitivity Consistency）の両立を達成
  • ゾーン集約（ZACE-S）により計算コストを削減しつつ精度を維持

実務への応用

Scope 2・Scope 3のGHG算定において電力消費の時間・場所を考慮する企業担当者、および再エネ調達戦略（PPA・EAC・24/7 CFE）の担当者にとって重要な示唆がある：（1）現在市場で利用されているロケーション別排出係数ツールは動作領域外では誤った方向に誘導する可能性があり、「係数が小さい地点・時間帯に消費を集中させれば必ず排出削減になる」という前提は成立しない場合がある。（2）将来的にLACE-Sのような感度整合型メトリクスが標準化されれば、電力消費の最適シフトによる実排出削減効果の定量化精度が大幅に向上する。（3）データセンター等の24/7 CFEプログラム設計において、ロケーション別係数の精度向上は投資対効果の算定精度を直接改善する。