研究の概要

地域暖房ネットワーク（District Heating Network: DHN）は、欧州を中心に広く普及している熱供給インフラです。複数の熱源ユニット（ボイラー、熱ポンプ等）と蓄熱槽を組み合わせて運用しますが、機器のオン/オフ切替（離散決定）と流量・温度設定（連続決定）を同時に最適化する「混合整数最適化問題」は計算コストが高く、リアルタイム制御に適用することが困難でした。

本研究では、連続・離散両方の操作を同時に学習できる「ハイブリッド行動型ニューラル制御器（HANC）」を提案。Gumbel推定器を用いた「直通勾配」技術により、離散行動を微分可能化し、閉ループシミュレーション全体を通じた誤差逆伝播（バックプロパゲーション）で端末間学習を実現します。実際の地域暖房ネットワーク（イタリア RSE SpA）のシミュレーション環境で検証されました。

主な発見・成果

  • 動的電力価格下で運用コスト30%削減：ルールベースの産業用ベースラインと比較して、リアルタイム電力価格に応じた最適な機器制御を実現
  • ハードスイッチング（機器の頻繁なオン/オフ）を約1/10に削減：ノイズ注入訓練により決定マージンが広がり、機器の劣化・摩耗を大幅に抑制
  • 学習型制御の実用化：混合整数問題をニューラルネットワークで近似することで、リアルタイム制御に必要な計算コストを実現
  • 熱エネルギー貯蔵との統合：層状蓄熱槽（stratified thermal energy storage）を含む複雑システムにも適用可能

実務への応用

地域暖房・コージェネレーション・工業用熱供給システムを運用する企業にとって、直接的な応用可能性があります：

  1. 電力料金最適化：時間帯別・リアルタイム電力価格に連動した熱源の最適切替により、電力調達コストを大幅削減
  2. 設備寿命延長：頻繁なオン/オフ（ショートサイクリング）の削減で、ボイラーや熱ポンプの劣化を抑制→設備投資コスト低減
  3. 熱ポンプ導入時の制御設計：電力駆動の熱ポンプを地域暖房に組み込む際の制御設計に、このアーキテクチャが応用可能
  4. GHG削減との連動：電力安値（再生可能エネルギー余剰）時間帯に蓄熱を積極活用→実質的な再エネ利用率向上