研究の概要

大規模言語モデル（LLM）と高性能計算（HPC）ツールを統合し、電力系統計画のマルチシナリオ最適潮流解析を自律的に実施するエージェントAIフレームワーク「AgentiGrid」が発表された（arXiv:2609.04544、2026年9月）。

送電系統の最適化（AC最適潮流・確率的最適潮流・セキュリティ制約付き最適潮流）は、再生可能エネルギーの大量導入において必須の計算作業だが、高度な専門知識と莫大な計算時間を要する。AgentiGridはLLMエージェントが自律的にパラメータを調整・検討し、HPC実行と結果解釈を繰り返すことで、この専門的作業を高度に自動化する。

主な発見・成果

  • AC最適潮流の自律的収束：送電制約付きAC最適潮流を20回未満の反復で高信頼度に収束させることに成功。従来は高度な専門家が手動で行っていた作業を自動化。
  • 複数のLLMバックエンド対応：OpenAI・Anthropic・Ollama等の主要モデルに対応。組織のAI利用ポリシーや機密性要件に応じてモデルを選択できる。
  • ExaGOとの統合：DoE（米エネルギー省）開発のHPCベース電力系統最適化ツール「ExaGO」をバックエンドとして使用し、大規模系統モデルへのスケーラビリティを確保。
  • Streamlitによるリアルタイム可視化：最適化プロセスをWebインターフェースでリアルタイムモニタリング可能。

実務への応用

GX実務担当者にとっての具体的示唆：

  1. 再エネ系統接続の高速評価：系統計画部門が太陽光・風力の系統接続可能性を評価する際、AgentiGridのようなAIエージェントを活用することで解析時間を大幅短縮できる。電力会社や系統運用者との接続協議の効率化に直結。
  2. 複数シナリオの並列比較：再エネ導入量・配置パターン・需要変化シナリオを多数並列で計算・比較することが現実的なコストで可能になる。GX投資の意思決定精度を高める。
  3. 専門人材不足の補完：系統計画専門家は国内でも希少なリソース。LLMが自律的に潮流解析の試行錯誤を担うことで、専門家の負担を減らしより戦略的判断に集中できる。
  4. GX投資計画のシミュレーション基盤：Scope 1削減策として大規模再エネや蓄電池導入を検討する大口需要家や電力会社にとって、AgentiGridは投資規模・配置・タイミングの最適化計算の基盤ツールとなり得る。