AI駆動の入札戦略で仮想発電所が電力網の柔軟性を向上
ネットゼロ排出に向けた移行が急務となる現代において、再生可能エネルギー源と電気自動車（EV）の電力システムへの統合は、必要性と課題の両方を兼ね備えています。太陽光発電やEVが分散型エネルギー供給の実現を約束する一方で、その変動性は電力網の安定性に重大なリスクをもたらします。この課題を解決する手段として注目されているのが「仮想発電所（VPP）」です。VPPは分散型エネルギー資源をデジタルで集約し、単一の制御可能な発電所として機能させます。『電力システム技術』誌に掲載された最新研究では、先進的な機械学習が前日市場におけるVPPの入札精度と収益性を大幅に向上させる手法が実証されました。
太原科技大学の石炭・電力クリーンインテリジェント制御重点研究所を率いるグオジ・チャン氏のチームは、位相空間再構成とガウス過程回帰（GPR）を組み合わせた画期的なフレームワークを開発しました。この手法により、太陽光発電（PV）、EVクラスター、蓄電池で構成されるVPPの「入札可能領域」を予測します。従来の入札戦略では、計画電力と実際の需給量の乖離によるペナルティが課題でしたが、新手法はこの問題を克服します。
「入札可能領域」の概念が研究の中核を成します。従来型発電所と異なり、VPPの運用柔軟性は動的に変化します。各時間帯における電力の売買可能性は、接続中のEV台数、充電状態、太陽光発電の予測出力、蓄電池の残容量など、複合的な要因に依存します。これらのパラメータから導かれる電力制約・エネルギー制約・時間制約が、VPPの運用可能範囲を定義します。24時間先まで正確にこの領域を予測することで、収益性の高い市場戦略を構築可能となります。
従来モデルではEVの利用可能性と太陽光発電量を独立変数として扱い、時間的相互依存性を軽視してきました。この欠陥が非現実的な入札計画を生み、経済的損失を招いていました。研究チームは入札可能領域を「カオス時系列」として扱い、隠れた決定論的構造を抽出するアプローチを採用しました。Takensの埋定理論を応用し、1次元の時系列データを高次元位相空間に再構成することで、システムの振る舞いを支配するアトラクターを可視化します。非線形力学から借用したこの手法は、生データでは捉えられないパターンを明らかにします。
位相空間再構成後は、ガウス過程回帰を適用します。深層学習と異なり、小規模データセットでも確率的予測と不確実性の定量化が可能なGPRは、リスクを考慮した意思決定を支援します。過去のEV接続記録・発電量・蓄電池状態から学習したモデルは、翌日の15分間隔ごとの電力・エネルギーの境界値を予測します。
真の革新性は、この予測を市場入札プロセスに統合する方法にあります。二段階最適化フレームワークを構築しました。第一段階では、各VPPが戦略的入札者として行動し、予測した入札可能領域を反映した価格-数量曲線を提示します。複数VPP間の競争的相互作用をナッシュ均衡問題としてモデル化し、経済合理性と物理的実現可能性を両立させます。第二段階では、市場運営者がノーダル限界価格（LMP）メカニズムに基づき需給を調整し、送電網制約を考慮した最終的な配分を決定します。入札量と実際の配分量の乖離に対してペナルティを課すことで、現実市場の状況を再現しています。
RBTS 38ノード配電システムを用いた検証実験では、異なる位置に配置された4つのVPPを設定しました。1000時間以上の実EV充電データと太陽光発電データに基づき、位相空間を活用したGPRモデルを従来のバックプロパゲーションネットワーク（BP）および位相空間未使用のGPRと比較しました。結果は明快でした。新手法は予測精度において特に日没時やEV充電需要急増時などの過渡期に優れ、従来手法を上回りました。経済的効果も顕著で、BPネットワーク比で最大7%の前日調達コスト削減を達成しました。市場運営者による出力制限も大幅に減少し、入札の受け入れ率が向上しました。
300データポイント（約12日分の15分間隔データ）という限定条件下でも、予測誤差は電力市場のペナルティ閾値である10%を下回りました。これは運用履歴が浅い新規VPP事業者にとって極めて実用的な成果です。さらに、EVの双方向充放電（V2G）の戦略的価値が明らかになりました。V2G対応フリートを有するVPPは、夜間の低価格帯で充電し、午後のピーク時に放電する価格差取引を実行可能です。太陽光発電の大量導入地域では、昼間の発電過剰による価格暴落や夕方の需要急増時の火力発電依存度を軽減できます。
電力系統運用者への示唆も重要です。知的な入札戦略を採用するVPPが増加すれば、分散資源の予測可能性と制御性が向上します。これにより、高価な回転予備力の必要性が減少し、再生可能エネルギーの導入拡大を安全性を損なわず実現できます。EV充電を系統需要と同期させることで、「アヒル曲線」と呼ばれる夕方の急峻な需要上昇を緩和し、火力発電所の負担を軽減します。
政策面では、正確性と柔軟性を評価する市場ルールの重要性が浮き彫りになりました。現行市場では乖離ペナルティは存在するものの、正確な予測に対するインセンティブが不十分です。本研究の成果は、信頼性の高い入札を提出したVPPに対して、ペナルティ軽減や優先配分権付与などの報奨制度を導入することで市場効率をさらに向上できる可能性を示唆しています。
今後の課題として、資源可用性だけでなく市場参加者の行動パターンや異常気象への対応が挙げられます。研究チームは現在、確率論的プログラミングや分布ロバスト最適化を活用し、不確実性を明示的に考慮した入札モデルの開発を進めています。
カオス理論・機械学習・市場経済学を融合したこの研究は、仮想発電所の運用知能化における重要な進展です。分散型脱炭素社会に対応する電力市場の世界的な進化において、この種の技術革新が不可欠であることは明らかです。電力会社やアグリゲーター、政策立案者にとって、電力網の柔軟性向上の鍵は、新規設備の導入以上に、既存資産の潜在能力を解放する高度なアルゴリズムの開発にあると言えます。
執筆者：グオジ・チャン、ヤンビン・ジア、シャオキン・ハン、ゼ・チャン（太原科技大学 石炭・電力クリーンインテリジェント制御重点研究所、中国山西省太原市030024）
掲載誌：電力システム技術、第48巻第9号、2024年9月
DOI：10.13335/j.1000-3673.pst.2024.0234