研究の概要

気象条件と電力グリッドの安定性は相互に深く連関しているが、従来の電力フロー解析では気象データをグリッドモデルに直接組み込むことが困難だった。本研究は、気象データから電力グリッドの各ノード電圧を直接マッピングする「Weather-to-Voltage（W2V）」という差分可能なサロゲートモデルを構築し、6,717バスのテキサス州電力系統モデルに適用した。

701気象ステーションの気象データと電力系統の電圧データを組み合わせた大規模データセットで学習し、主成分分析（PCA）で初期化したニューラルネットワークで実装した。グリッド制御者が注目すべき「最も重要な気象特徴量」を特定する能力も持つ。

主な発見・成果

  • 6,717バスという大規模電力系統で高精度かつ数値安定な電圧予測を実現
  • 「系統全体に影響する突然の風速低下（ランプダウン前のクイックドロップ）」が最重要な気象特徴量として特定
  • 気象変化を先取りした系統運用が可能なグリッドアウェアな気象予測に応用可能
  • 軽量ニューラルネットワーク設計でリアルタイム運用に適した計算効率を達成

実務への応用

再生可能エネルギー比率の高い電力系統では、風速・日射量の変動が電圧問題を引き起こすリスクが増大している。W2Vモデルのようなサロゲートモデルを活用することで、気象予報データを直接グリッド電圧予測に変換し、事前に系統補強やデマンドレスポンス発動を計画できる。太陽光・風力発電の急速な導入が進む地域電力会社や送電系統運用者（TSO）にとって、気象リスクを電力系統運用に統合するツールとして活用が期待される。