Developing AI-based model for flexibility needs' management under high renewable energy penetration

2022 Fiscal Year Annual Research Report

• Project/Area Number: 22F22347
• Allocation Type: Single-year Grants
• Research Institution: University of Tsukuba
• Principal Investigator: 安芸 裕久 筑波大学, システム情報系, 教授 (70356343)
• Co-Investigator(Kenkyū-buntansha): ADEWUYI OLUDAMILARE 筑波大学, システム情報工学研究科(系), 外国人特別研究員
• Project Period (FY): 2022-11-16 – 2025-03-31
• Keywords: 電力系統 / 再生可能エネルギー / 最適化モデル / 人工知能

Outline of Annual Research Achievements

渡日後の5ヶ月間において、再生可能エネルギー資源と負荷需要予測のための人工知能ツールの適用など、本研究の主要な側面を概念化することができた。ランダムフォレスト（RF）、サポートベクター回帰（SVR）、長期短期記憶（LSTM）、ディープニューラルネットワーク（DNN）、一般回帰ニューラルネットワーク（GRNN）などの予測ツールについて、本研究への適用可能性を検討した。その最適な実装と、データ／特徴の特性に応じた適切なハイパーパラメータの決定についても検討を行ってきた。さらに、エネルギーシステム設計のための最適化モデルやソフトウェアツールについても検討を進め、実用的なモデルの構築を進めてきた。シミュレーションに用いるための電子計算機を購入し、プラットフォーム等の研究環境整備も進めた。エネルギーシステムの最適計画モデルを解くために、Matlab環境上のYALNIPツールボックスのCPLEXとGUROBIソルバーを用いる予定である。再生可能エネルギーが大規模に普及した条件下で、より現実的で信頼性の高い配電システムの最適運用分析・計画を実現するために、不確実性をモデル化する2次コーンプログラミング（SOCP）アルゴリズムをモデル化した。さらに、シミュレーションモデルの入力データとして、本研究で検討対象地域に関するデータベース（太陽光、風力、負荷需要、電力価格）を調査し、決定した。利用時間帯別デマンドレスポンス導入のための価格弾力性に基づくモデルを構築した。現在は、人工知能による予測解析のための特徴量生成のためのデータ分解手順を模索している。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初の予定通り、初年度は研究環境の整備、本研究で使用可能な各種ツールの検討を進めてきた。本研究では、最適化を行うための人工知能モデル、予測ツールおよびシミュレーションモデルの入力データの入手が大きな課題となる。そのため、初年度はそれらに多くの時間を割いて、特別研究員と受入研究者（研究代表者）とで、様々な調査・検討を行った。現実的かつ信頼性のある最適化モデルや電力系統の分析・計画モデルを構築できるように調査を進めてきた。

Strategy for Future Research Activity

今後の研究計画は、適切な電力系統フレキシビリティの定量化を伴う統合エネルギーシステムモデルの開発とシミュレーション実施である。人工知能を用いた電力需要や太陽光発電等を考慮した電力系統需給予測モデル、配電系統最適計画モデル、経済インセンティブとして時間帯別電気料金を用いる需要側マネジメントモデルなど、重要なモデルコンポーネントを構築していく。統合モデルは、利用可能な地域のエネルギー需給および気象データセットと、全システムコストの最小化アプローチ、電力系統損失の最小化、エネルギー貯蔵依存、電力系統からの電力への依存度、電力系統電圧安定マージンの推定を用いた、系統計画および運用パラメータに基づいて設計していく予定である。それらの成果を、学術講演会や雑誌論文にて発表する予定である。