Hybrid AI-based energy forecasting and multi-objective optimisation for industrial decarbonisation: A UK Net Zero case study

日本語

本論文は、産業部門の脱炭素化に向けて、ハイブリッドAI（機械学習と物理モデルの融合）を用いたエネルギー需要予測と多目的最適化手法を提案する。英国のネットゼロ目標を背景に、実際の工場データを用いたケーススタディにより、エネルギーコストとCO2排出量の同時削減が可能であることを実証。提案手法は、再生可能エネルギーの統合や運用最適化に有効であり、産業界の脱炭素化計画に貢献する。

English

This paper proposes a hybrid AI approach combining machine learning and physical models for energy forecasting and multi-objective optimization in industrial decarbonization. Through a UK Net Zero case study using real factory data, it demonstrates simultaneous reduction of energy costs and CO2 emissions. The method supports renewable integration and operational optimization, contributing to industrial decarbonization strategies.

日本のGX文脈において

日本でも、産業部門の脱炭素化はGX実現の重要課題。本論文のハイブリッドAIによる最適化手法は、日本の工場でも応用可能であり、特にRE100やSBT達成に向けたエネルギー管理に示唆を与える。ただし、英国の電力市場・政策環境に依存する部分には注意が必要。

In the global GX context

Industrial decarbonization is a critical pillar of global net-zero targets. This study provides a transferable hybrid AI framework for energy optimization, relevant to ISSB-aligned disclosure on transition plans and SBTi targets. The UK context offers lessons for countries implementing similar policies, though grid and market specifics vary.