電力最適化モジュール群

再生可能エネルギーの拡大やエネルギーミックスの変化も対応可能

大規模問題も効率よく解くことが可能

単に需要量を予測するだけでなく、動的に変動する不確実性も予測しながら最適化可能

なぜ統合最適化が必要か

再生可能エネルギーの拡大に伴い、エネルギーミックスが変化している中、旧来の化石燃料を中心とした固定的なシステムを用いて経験と勘で対応では対応が難しい部分も多く、多くのロスも発生するため非効率的です。

また、機械学習で需要予測を行った後、意思決定の最適化を行うのではなく、MOAI技術を用た予測と最適化の融合モデルで同時に計算することが可能です。この手法は海外ではすでに応用されているところもあります。

適用可能問題

1.セキュリティ制約付き起動停止問題の最適化

動的に変動する不確実性も考慮した需要予測に基づき、発電ユニットの運転計画を最適化し、最小限の運用コスト、最小限の環境負荷で、必要な発電量を確保する計画です。近年では旧来の化石燃料の他に再生可能エネルギーも加わり、問題も大規模化しており、MOAIのような高度な最適化技術でないと効率的な計算ができません。

2.電力市場取引最適化

市場での電力取引において、需要予測を基に価格設定や売買タイミングなど売買戦略を立てることができます。各種規制、資源、需給バランスの維持に関する制約を守りながら最適な価格で販売し、収益を最大化します。

.最適潮流問題の最適化

power flowの最適化はリアルタイム性が求められます。人手による調整だけでは、最適化を行うことは極めて困難で、大きなソンスつを招きます。海外のISOでは、深層学習と最適化を融合した手法を用いて、リアルタイムの準を実現しています。MOAI Labでは、AC/DCの両者に対してSOTAのアルゴリズムを開発し、深層学習による高速化を実現しています。

アルゴリズムの性能

最適化アルゴリズムについては、できる限り多くのベンチマーク問題例で実験的解析を行い、SOTA(state of the art)のアルゴリズムと同等以上の性能を出すことを確認済みです。また、弊社独自の機械学習と最適化アルゴリズムの融合(MOAI)技術、複数の最適化アルゴリズムからの自動選択などの先端技術を使うことによって、SOTAアルゴリズムの数倍から数百倍の速度向上を実現しております。


導入方法

最適化課題解決フロー