研究の概要

配電系統における「省エネ電圧削減（Conservation Voltage Reduction: CVR）」は、配電電圧をわずかに低下させることで需要家の電力消費量を数%削減する技術として広く普及している。しかし実際の多段階制御（OLTCなどの低速アクション + SVG・PV逆変換器などの高速アクション）では、予測モデルの誤差が多段階にわたって「連鎖的に増幅」される問題があり、既存の逐次制御手法は電圧安全性と省エネ効果の最大化を両立できていなかった。

本論文は、この問題を解決するために「意思決定連動型予測（Decision-Focused Forecasting）」の概念を導入した二層多時間スケール予測（Bi-MTF）フレームワークを提案した。従来型の予測モデル（MSE最小化）の代わりに、下流の最適化目標（省エネと電圧安全性）に直結した目標関数で予測モデルを学習させる。計算コスト削減のため、改良版の感度駆動整数L字型法を開発した。

主な発見・成果

  • 省エネ効果2〜3倍向上: 提案手法（Bi-MTF）は高速デバイス容量の増大に応じて省エネ率2.74%〜3.41%を達成。従来の逐次MSE最小化手法は同条件で1.50%〜1.76%にとどまり、約2倍の差
  • 電圧安全性の同時改善: 省エネ効果の向上と同時に運用安全性も向上。コストと安全のトレードオフを改善
  • IEEE 33バスシステム（標準的な配電系統テストモデル）での検証により、手法の実用性を確認
  • 高速アクションデバイス（SVG・PV逆変換器）の容量を増やすほど提案手法の優位性が拡大

実務への応用

配電事業者の需要側省エネ担当者および系統運用最適化担当者への示唆：（1）CVRは比較的低コストで導入できる系統側省エネ手段だが、制御アルゴリズムの質によって省エネ効果が2〜3倍変わりうる。既存CVR設備のソフトウェア（制御アルゴリズム）更新による省エネ効果改善の余地を再評価すべき。（2）PV・SVGなど高速応答デバイスの増加に伴い、これらを組み合わせた多段制御最適化の価値が高まる。太陽光導入率の高いエリアで特に有効。（3）電圧制御のAI・ML化において、予測モデルを「省エネ目標に直結した形で訓練する」意思決定連動型アプローチは、省エネ・電力品質・信頼性の同時最適化を実現する設計思想として注目すべきである。