研究の概要

電力系統の需給調整や再生可能エネルギーの変動吸収において、建物の空調（HVAC）システムの「柔軟性」—需要を一時的に増減させる能力—は重要な調整資源として注目されています。しかし、多数の建物HVACの柔軟性を集約してグリッド運用者や電力市場に提供するためには、複雑な「柔軟性集合（flexibility set）」を正確かつ低コストで推定する必要があります。

本研究は、従来の「容積最大化」志向の柔軟性推定から脱却し、「アグリゲーターのディスパッチコスト最小化」を直接目標とした学習フレームワークを提案します。電力価格の不確実性を分布的ロバスト最適化（Distributionally Robust Optimization）で扱い、条件付きバリュー・アット・リスク（CVaR）を最小化する凸最適化問題として定式化します。

主な発見・成果

  • コスト志向の学習が容積志向ベンチマークより低いディスパッチコストを達成：NYISOの電力価格データを用いた検証で有意なコスト削減を確認
  • 電力価格の不確実性への頑健性：分布ロバスト化により、価格変動シナリオへの適応性が向上
  • CVaRベースのリスク制御：極端な価格状況でのコスト超過リスクを統計的に制御できる
  • 凸最適化として実装可能：実用的な計算コストでリアルタイム運用に統合可能な定式化

実務への応用

企業のエネルギー管理担当者やアグリゲーター事業者にとって、以下の点で直接活用できます：

  1. DR（デマンドレスポンス）プログラムの高度化：空調の停止・抑制タイミングを電力コスト最小化の観点から自動決定することで、需要応答参加のROIを向上
  2. 電力調達コスト削減：NYISO等の電力市場データを活用したリスク考慮型の柔軟性制御で、スポット電力コストを削減
  3. RE100・GHG削減との連動：電力需要のシフトにより、再生可能エネルギーの高出力時間帯に消費を集中→実質的な脱炭素効果