人工ニューラルネットワークとサロゲートモデリングを用いた電力システム移行シミュレーション
Power Systems Transition Simulation Using Artificial Neural Networks and Surrogate Modelling (原題)
Antans Sauhats, Diāna Žalostība, Roman Petrichenko, Gaļina Bočkarjova, Konstantins Burcevs, Gatis Junghāns, Edgars Eisons
🤖 gxceed AI 要約
日本語
本論文は、電力システムの長期的な移行計画における計算負荷を軽減するため、人工ニューラルネットワーク（ANN）を用いたサロゲートモデリングフレームワークを提案する。確率的シナリオ生成と詳細シミュレーションを組み合わせ、ANNで近似することで、多数のシナリオを高速に評価可能にする。ケーススタディにより、不確実性分析や多シナリオ評価の効率性が実証された。
English
This paper proposes an AI-based surrogate modeling framework using artificial neural networks (ANNs) to accelerate long-term power system transition planning. By combining stochastic scenario generation with detailed simulations and ANN surrogates, it enables rapid evaluation of numerous scenarios while maintaining accuracy. A case study demonstrates improved computational efficiency for strategic planning under uncertainty.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本の電力システムは再生可能エネルギー導入拡大に伴い計画の複雑性が増しており、本手法は系統計画や市場分析の効率化に寄与する。SSBJや有報での気候関連情報開示においても、シナリオ分析の迅速化に応用可能である。
In the global GX context
Globally, the transition to carbon-neutral power systems demands efficient scenario analysis for planning and investment decisions. This ANN-based surrogate framework addresses the computational bottleneck in long-term energy modeling, supporting TCFD-aligned scenario analysis and transition planning.
👥 読者別の含意
🔬研究者:ANNサロゲートによる電力システム計画の計算効率化手法を学ぶ価値がある。
🏢実務担当者:再生可能エネルギー導入計画や系統運用のシナリオ分析を効率化するツールとして活用できる。
🏛政策担当者:エネルギー政策の長期計画における不確実性評価の迅速化に寄与する可能性がある。
📄 Abstract（原文）
Transforming energy supply systems is essential for achieving a sustainable, carbon-neutral future. However, this transition substantially increases the complexity of long-term planning due to the large-scale integration of carbon-free energy sources, strong interactions among technical and economic subsystems, multiple stakeholders, and significant uncertainty. Comprehensive evaluation of alternative development pathways requires detailed power system and electricity market simulations across numerous scenarios, resulting in a major computational bottleneck. The objective of this paper is to develop and demonstrate an artificial intelligence-based surrogate modelling framework that enables the rapid evaluation of large numbers of long-term power system development scenarios while preserving the accuracy of detailed simulation models. The proposed framework combines stochastic scenario generation, detailed power system and electricity market simulations, and artificial neural network (ANN)-based surrogate models to approximate scenario-dependent performance indicators. By replacing repeated high-fidelity simulations with ANN surrogates, the methodology substantially improves computational efficiency while supporting uncertainty analysis, multi-scenario assessment, and multi-stakeholder decision-making. A case study demonstrates the effectiveness of the proposed framework for scalable, high-resolution strategic power system planning.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/en19153607first seen 2026-08-21 04:31:15
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。