研究の概要
需要側柔軟性（デマンドフレックス）の活用は電力系統の安定運用とGX推進の両面で重要だが、ユーザーのデバイス制約・消費パラメータが非公開である場合の最適制御は困難であった。ETH Zürichの研究チームは、この情報制約下での負荷削減最適化を、双層最適化問題として定式化し、「Bi-ZOL（Bilevel Zeroth-Order Learning）」アルゴリズムを開発した。系統運用者（SO）の目的関数の解析情報と、ユーザー応答感度のゼロ次推定を組み合わせることで、不完全情報下でも準最適解に収束できる。
主な発見・成果
Bi-ZOLアルゴリズムは近似定常点への収束保証を理論的に証明しており、シミュレーション検証では完全情報ベースの最適解に迫る性能を達成した。非滑らかな応答曲線（デバイスのON/OFF制約等）を数学的に平滑化することで推定誤差を低減する双層構造の分解が鍵となっている。ユーザープライバシーを保護しながら需要削減インセンティブを設計できる実践的な手法として位置づけられる。
実務への応用
電力小売・新電力各社がデマンドレスポンスプログラムを設計する際、産業需要家・ビル管理者の詳細な消費パラメータを開示させることなく最適なインセンティブ価格を算定できる。工場・データセンター・商業ビルなど多様なデバイス制約を持つ需要家群を対象とした自動DR（Automated Demand Response）システムへの組み込みに向け、本手法の理論的保証は実装信頼性の裏付けとなる。