概要
AIデータセンターなど、大規模な電力需要を持つ施設が基幹電力系統へ急速に接続される中、適切な計画なしに負荷が増えると、停電リスクが高まり、供給信頼度が低下する可能性があります。本論文は、大規模負荷の追加による信頼度への悪影響を抑えるため、エネルギー貯蔵システム(ESS)の容量と設置地点を最適化する枠組みを提案します。まず、AIデータセンターの負荷変動を確率的セミ・マルコフモデルで表現し、複数施設の負荷プロファイルを生成します。そのうえで、ESSの高速応答性と柔軟性を活用し、系統の信頼度向上効果を最大化する設計を目指します。
ポイント
- AIデータセンターの負荷を、状態の遷移と滞在時間を考慮できる確率的セミ・マルコフモデルでモデル化する。
- 大規模負荷の追加によって生じる停電・供給不足リスクを、蓄電池によって緩和する。
- ESSは容量だけでなく、系統上の設置地点も信頼度向上効果を左右するため、同時に最適化する。
- 蓄電池の高速な出力制御を活用し、需要急増や系統設備の故障時に電力供給を支える。
- AIデータセンターの拡大を前提に、負荷増設と蓄電設備を一体的に計画する考え方を示す。
実務への示唆
データセンターや大型工場の新設では、接続可否や送電線増強だけでなく、負荷の確率的な変動と故障時の影響を踏まえて、ESSの容量・配置を同時に検討する必要があります。蓄電池は再生可能エネルギーの導入促進にも活用できますが、本研究の中心は脱炭素量の評価ではなく、大規模負荷統合時の供給信頼度向上です。そのため、導入効果を評価する際は、CO2削減量に加えて、停電頻度、継続時間、必要な予備力、系統制約などを指標に含めることが重要です。
出典
Reliability-based Sizing of Energy Storage for Large Load Integration
この記事はAIが海外情報を要約・翻訳したものです。元記事は出典リンクをご覧ください。
