研究の概要

ハイパースケールAIデータセンターは、大規模なGPUクラスターによるワークロードの急激な変動が電力系統に深刻な影響を与えることが問題となっている。特に、学習ジョブの開始・終了時に発生するMW規模の電力急変は、系統の周波数安定性を脅かす。本研究では、バッテリー蓄電システム（BESS）とスーパーキャパシタを組み合わせたハイブリッド蓄電システムと、残差差分予測制御（Residual Differentiable Predictive Control: Residual DPC）を組み合わせた「ソース側緩和」アーキテクチャを提案する。

従来の研究ではデータセンター負荷制御（デマンドレスポンス）側からのアプローチが主流だったが、本研究はデータセンターへの電力供給側（発電機・インターフェース側）に蓄電システムを設置し、電力系統への影響を根本的に遮断する方向性を取る。

主な発見・成果

シミュレーション実験において、提案手法は発電機の周波数偏差を80%以上削減することを実証した。最悪ケースでの周波数偏差が従来の15.1 mHzから1.3 mHzへと大幅に改善され、電力系統品質基準（通常±30 mHz）を大きく下回る水準を達成した。BESSの高エネルギー密度とスーパーキャパシタの高出力密度を組み合わせることで、短時間の大電力変動と長時間の緩やかな変動の両方に対応できる。また、Residual DPCは物理ベースの予測モデルとニューラルネットワークの残差学習を組み合わせており、リアルタイム制御における計算効率と精度のバランスを実現している。

実務への応用

AIデータセンターの新規建設・電力系統接続計画において、ハイブリッド蓄電システムの容量設計とコスト試算の基礎となる定量的知見を提供する。特に大規模クラスター（100MW以上）の事業者にとって、系統への影響緩和を系統側に求めるのではなく自設備で解決するビジネスケースを構築できる。また、デマンドレスポンス（DR）プログラムとの組み合わせで、電力市場からの収益機会も開ける可能性がある。