Temporal optimization of greenhouse gas emissions from a hybrid energy system using recurrent neural networks

日本語

本研究は、ハイブリッドエネルギーシステムからの温室効果ガス（GHG）排出を時間的に最適化するために、リカレントニューラルネットワーク（RNN）を適用している。RNNの時系列予測能力を活用することで、エネルギー生成と消費の動的なバランスを取り、GHG排出を最小化する運転スケジュールを導出する。AIを用いた排出削減の実証事例として、GX分野への応用可能性を示している。

English

This study applies recurrent neural networks (RNN) to temporally optimize greenhouse gas (GHG) emissions from a hybrid energy system. By leveraging the time-series prediction capability of RNN, it derives operation schedules that dynamically balance energy generation and consumption to minimize GHG emissions. It demonstrates the applicability of AI-driven optimization for decarbonization in the energy sector.

日本のGX文脈において

日本では、再生可能エネルギーと従来型電源のハイブリッドシステムが注目されており、本論文はAIによる排出最適化手法を提供する。SSBJや有報でのGHG削減計画策定において、時系列最適化の知見は実務上有用である。

In the global GX context

Globally, hybrid energy systems are key to integrating renewables while maintaining grid stability. This paper contributes an AI-based method for optimizing GHG emissions in such systems, relevant to TCFD/ISSB disclosure scenarios and corporate decarbonization planning.