研究の概要

太陽光・洋上風力の大量導入に対応する送電網の拡張計画（どの送電線をいつ増強するか）は、数十年先までの不確実な需要・発電シナリオを考慮した「確率的多段階最適化問題」として定式化されます。しかしこの問題は計算コストが膨大で、実際の系統スケールで多数の将来シナリオを同時に考慮したストレステストや政策感度分析を行うことは、従来手法では計算時間的に困難でした。

本研究は、ニューラルネットワークを「代理モデル（サロゲート）」として利用する新手法を提案します。送電投資判断（どの送電線を建設するか）と将来シナリオを入力として、運用コストを出力するニューラルネットワークを事前学習。次にこの学習済みモデルを数学的に「混合整数線形制約式（MILP制約）」へ変換し、送電計画最適化モデルに直接埋め込みます。これにより大規模な数値シミュレーションを省略しながら、ほぼ同等の最適解を高速に得られます。

IEEEテストシステムを用いた実験では、通常の完全最適化アプローチと比較して計算時間を最大13分の1に削減しながら、高品質な近最適解を維持することを実証しました。

主な発見・成果

  • 完全最適化比で計算時間を最大13倍削減しながら高品質な近最適解を維持
  • ニューラルネット代理モデルを混合整数線形制約（MILP）として最適化モデルに埋め込む新手法を確立
  • 従来は計算コスト上限で検討できなかった「大規模シナリオ分析・ストレステスト」が現実的な計算時間内で実施可能に
  • 多段階（複数の投資決定時点）・多シナリオ（需要変動・再エネ出力変動等）問題に対して有効性を実証
  • IEEE標準テストシステムを用いた検証で他研究との比較可能性を確保

実務への応用

電力会社・系統運用者・エネルギー省庁の長期系統計画担当者にとって、本研究は「カーボンニュートラルに向けた送電インフラ投資判断の精度向上」に直結する実用ツールを提供します。

最も重要な実務的含意は「計算コストという障壁を下げることで、不確実性を考慮した堅牢な送電計画が初めて実用可能になる」という点です。従来の送電計画では計算時間の制約から「数少ない代表シナリオ」しか検討できず、太陽光急増・極端気象・需要急変といった実際のリスクシナリオを網羅的に評価できませんでした。本手法の13倍高速化により、同じ計算資源でより多くのシナリオを検討し、投資計画の堅牢性を向上させられます。

日本では2050年カーボンニュートラルに向けた大規模系統増強（北海道洋上風力連系・九州-本州間広域融通・水素キャリア拠点連系等）の投資計画において、複数の再エネ普及シナリオ下での費用便益分析が必要です。経済産業省の電力系統計画・環境アセスメントの審査でも、代理モデルベースの高速シナリオ分析ツールは意思決定の質を高める可能性があります。GX担当エンジニアは「送電計画AI化ツール」の評価軸に代理モデルアプローチを加えることを検討すべきです。