← 論文一覧に戻る

時間変動炭素排出係数を考慮した企業電力消費の動的多目的最適化

Dynamic Multi-Objective Optimization for Enterprise Electricity Consumption with Time-Varying Carbon Emission Factors (原題)

Jiehui Chen, Dexing Sun, Feiwei Li, Junwei Zhang, Zihao Wang, Guo Lin, Xiaoshun Zhang

Energies📚 査読済 / ジャーナル2026-04-24#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: manufacturing
DOI: 10.3390/en19092073
原典: https://doi.org/10.3390/en19092073

🤖 gxceed AI 要約

日本語

本論文は、高精度な負荷予測と最適スケジューリングを統合した産業用電力消費の動的多目的最適化フレームワークを提案する。改良型LSTMモデル（DGO-TA-LSTM）で負荷予測を行い、NSGA-IIとIGTDを用いて電力コスト、炭素排出量、負荷偏差の3目的を最適化する。中国南部の高エネルギー産業企業の実データを用いたケーススタディでは、電力コスト1.9%削減、炭素排出量30%削減を達成した。

English

This paper proposes a dynamic multi-objective optimization framework for industrial electricity consumption, integrating high-precision load forecasting and optimal scheduling. An improved LSTM model (DGO-TA-LSTM) is used for forecasting, and NSGA-II with IGTD optimizes three objectives: electricity cost, carbon emissions, and load deviation. A case study on a high-energy industrial enterprise in southern China achieved a 1.9% reduction in electricity cost and a 30% reduction in carbon emissions.

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

日本の産業界では、電力コスト削減と脱炭素の両立が急務であり、本手法は工場のエネルギー管理システム（EMS）に組み込むことで、SSBJ開示や省エネ法対応にも貢献できる。時間変動排出係数とピークシフトを考慮した最適化は、再エネ導入拡大に伴う需給調整にも有用である。

In the global GX context

Globally, this work aligns with the growing need for operational decarbonization in energy-intensive industries. The integration of load forecasting with multi-objective optimization under time-varying carbon factors offers a scalable approach for corporate climate action, complementing disclosure frameworks like TCFD and CSRD by providing concrete emission reduction strategies.

👥 読者別の含意

🔬研究者:Provides a novel integration of LSTM-based forecasting with NSGA-II for multi-objective industrial energy optimization, offering a benchmark for future research.

🏢実務担当者:Offers a practical framework for industrial facilities to reduce electricity costs and carbon emissions simultaneously, which can be integrated into existing energy management systems.

🏛政策担当者:Demonstrates the potential of AI-driven optimization in achieving industrial decarbonization targets, informing policies that encourage adoption of such technologies.

📄 抄録（日本語訳）

世界的な炭素排出削減と生産コスト管理という二重の圧力の下、エネルギー集約型の産業企業は、経済的利益、環境パフォーマンス、生産継続性を調和させるバランスの取れた低炭素運営戦略を緊急に必要としている。既存手法における多次元目的のバランス調整の限界に対処するため、本論文は、高精度負荷予測と最適スケジューリングを統合した、産業用電力消費のための動的多目的最適化フレームワークを提案する。負荷予測については、改良型デュアルゲート最適化時間的注意長期短期記憶（DGO-TA-LSTM）モデルを開発し、中国南部の高エネルギー産業企業の1年間の時間別電力運用データ（8760サンプル）に基づいてモデル化し、その性能は、平均絶対誤差（MAE）、二乗平均平方根誤差（RMSE）、平均絶対パーセント誤差（MAPE）の3つの標準指標を用いて、5つの主流ベースラインモデルと比較して検証された。これに基づき、時間変動する電力炭素係数と時間帯別電力料金を二重の誘導信号として考慮する場合、電力コスト、炭素排出量、負荷偏差を最小化する3目的最適化モデルを構築し、非優占ソート遺伝的アルゴリズムII（NSGA-II）によって解き、改良グレイターゲット意思決定法（IGTD）を導入して最適な妥協解を選択した。ケーススタディの結果は、提案スキームが非最適化戦略と比較して電力コストを1.9%削減し、炭素排出量を30%削減したことを示し、産業企業にとって実現可能で拡張可能な低炭素運営経路を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Under the dual pressures of global carbon emission reduction and production cost control, energy-intensive industrial enterprises are in urgent need of a balanced low-carbon operation strategy that reconciles economic benefits, environmental performance and production continuity. To address the limitations of existing methods in multi-dimensional objective balancing, this paper proposes a dynamic multi-objective optimization framework for industrial electricity consumption, integrating high-precision load forecasting and optimal scheduling. For load forecasting, an improved dual-gate optimization temporal attention long short-term memory (DGO-TA-LSTM) model is developed, which is modeled based on the one-year hourly electricity operation data (8760 samples) of a high-energy industrial enterprise in southern China, and its performance is verified via three standard metrics—the mean absolute error (MAE), root mean square error (RMSE) and mean absolute percentage error (MAPE)—compared with five mainstream baseline models. On this basis, when taking time-varying electricity-carbon factors and time-of-use electricity prices as dual guiding signals, a three-objective optimization model minimizing electricity cost, carbon emissions and load deviation is constructed, which is solved by the Non-Dominated Sorting Genetic Algorithm II (NSGA-II), with the Improved Gray Target Decision-Making (IGTD) method introduced to select the optimal compromise solution. Case study results show that the proposed scheme achieved a 1.9% reduction in electricity cost and a 30% reduction in carbon emissions compared with the unoptimized strategy, providing a feasible and scalable low-carbon operation path for industrial enterprises.

🔗 Provenance — このレコードを発見したソース

🔔 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。