Data-driven stochastic robust optimization for low-carbon retrofit of industrial utility systems under multiple uncertainties

日本語

本論文は、産業ユーティリティシステムの低炭素改修を対象に、データ駆動型の確率ロバスト最適化手法を提案する。複数の不確実性（エネルギー需要、価格、炭素排出係数など）を考慮し、コストと炭素排出の削減を両立する改修計画を導出する。中国の産業システムを事例とし、提案手法の有効性を検証している。

English

This paper proposes a data-driven stochastic robust optimization approach for low-carbon retrofit of industrial utility systems under multiple uncertainties. It balances cost and carbon emission reductions while considering uncertainties in energy demand, prices, and emission factors. A case study in China demonstrates the effectiveness of the method.

日本のGX文脈において

日本の製造業では、省エネ法やGXリーグ等の枠組みで工場の脱炭素化が求められており、本手法は不確実性下での設備投資判断に有用。SSBJ開示やカーボンプライシング導入を見据えた投資計画に示唆を与える。

In the global GX context

Globally, industrial decarbonization is critical for meeting net-zero targets. This optimization framework supports investment decisions under uncertainty, aligning with TCFD/ISSB disclosure requirements that emphasize scenario analysis and resilience. It offers a quantitative tool for transition planning.