研究の概要

AIデータセンターの建設が急増する中、系統連系容量（グリッドとの接続容量）の確保が年単位の遅延を引き起こすボトルネックになっている。本研究は、データセンター事業者の視点から「系統から引き込む最大容量をどう最小化するか」を最適化する計画フレームワーク「ICP-AI」を開発した。太陽光発電（PV）・蓄電池（BESS）の規模決定と、AIワークロードの時間的柔軟性（ディープラーニング学習のスケジュール調整）を同時に最適化する点が新しい。

主な発見・成果

  • $100M投資予算で系統連系容量の削減は条件によって6〜13.3%（負荷率が低い昼間ピーク型の場合が最大）
  • $10M予算でも、ワークロードの5%を1時間以内で先送り（deferral）できれば、必要BESS容量が15.3MWhから4.87MWhに削減可能（▲68%）
  • 連系容量削減効果は「ロードシェイプ（負荷のピーク形状）」「PV利用可能量」「ワークロード柔軟比率」「遅延許容時間」の4つに強く依存する
  • 8,760時間の年間全時刻解析でも主要な傾向が維持されることを確認し、月次ストレスプロファイルによる簡略計算の有効性も示した

実務への応用

  • データセンター事業者・デベロッパーが系統連系申請前に「投資額vs連系容量削減のフロンティア曲線」を描けるため、申請容量の過剰設定を防ぎ、工期短縮につながる
  • 日本のデータセンター立地では系統制約が深刻な地域が多く、本手法で必要連系容量を事前に削減することが実現可能性を高める直接手段になる
  • AIワークロードのフレキシビリティを「デマンドレスポンス商品」として系統に提供する際のベースラインキャパシティ算定にも応用できる