← 論文一覧に戻る

韓国鉄鋼工場における運用電力負荷・電力品質・炭素排出の実証モデリングと機械学習予測

Empirical Modeling and Machine Learning Prediction of Operational Electrical Load, Power Quality, and Carbon Emissions in a Korean Steel Manufacturing Plant (原題)

Vishwakarma A, Guneja RK

Research Squareプレプリント2026-10-12#AI×ESG経営インパクト: コスト削減対象セクター: manufacturing
DOI: 10.21203/rs.3.rs-11310221/v1
原典: https://doi.org/10.21203/rs.3.rs-11310221/v1

🤖 gxceed AI 要約

日本語

韓国鉄鋼工場の2018年15分間隔メータデータ35,040件を分析。負荷変動と無効電力・力率の関係をパスモデルで示し、MLPが負荷予測でR²=0.72を達成。工場内対策は年440tCO₂の1.7%削減にとどまる一方、夜間シフトは夜間限界排出が高い場合に排出を増やし、昼間太陽光時間への移行は8〜25tCO₂削減した。Scope2会計下での需要シフト設計の重要性を示す。

English

Analyzed 35,040 fifteen-minute meter records (2018) from a Korean steel plant, linking load regimes to reactive energy and power factor via a path model. An MLP forecast reached test R²=0.72 versus 0.32 for seasonal-naive. In-plant measures abated only 1.7% of 440 tCO₂/yr, while shifting evening load to midday solar hours cut 8–25 tCO₂/yr under a solar-rich grid, whereas night-shifting raised emissions when night marginal emissions were higher. Highlights marginal-emissions-aware load shifting under Scope 2 accounting.

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

Scope2排出量の算定・削減において、需要シフトの効果が系統の時間別限界排出係数に依存することを実証。SSBJや有報でのScope2開示、再エネ調達・負荷平準化戦略を検討する日本企業にとって、時間別排出係数を考慮した対策設計の示唆となる。

In the global GX context

Adds empirical evidence that Scope 2 abatement from load shifting depends on time-resolved marginal emission factors, relevant to GHG Protocol Scope 2 guidance and hourly matching debates (24/7 CFE) in ISSB/CSRD disclosure. Demonstrates ML applied to operational carbon accounting.

👥 読者別の含意

🔬研究者:MLによる電力負荷・炭素予測と時間別限界排出係数を組み合わせたScope2削減評価の実証手法として参考になる。

🏢実務担当者:工場の需要シフトや力率改善を検討する際、時間別排出係数を踏まえた対策設計に活用できる。

🏛政策担当者:時間別排出係数や需要側管理を排出削減政策・電力市場設計にどう組み込むかの示唆を提供する。

📄 Abstract（原文）

<title>Abstract</title> <p>The electrical load of steel processing plants is set by induction motors, drives and transformers whose behaviour changes with operating regime. We analysed 35,040 fifteen-minute meter records (2018) from a Korean steel plant. A path model with day-block bootstrapping related tariff-period regime to reactive energy, power factor and active energy. Multilayer perceptrons (MLP) and random forests were tested as non-linear benchmarks against linear regression and a seasonal-naive forecast. Simulations evaluated power-factor correction, idle-load reduction, load shifting and grid decarbonisation under Scope 2 accounting. Maximum-load periods drew 8.1 times the energy of light-load periods. Power factor fell from about 91% at high load to 54% at idle; one-third of the energy differential co-varied with reactive energy. A schedule-only MLP reached a test R² of 0.72 (naive forecast: 0.32). In-plant measures abated 1.7% of 440 tCO₂/yr. Shifting peak energy to night raised emissions whenever night-time marginal emissions exceeded daytime ones. Moving evening load into midday solar hours instead cut emissions by 8–25 tCO₂/yr under the solar-rich grid profile.</p>

🔗 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。