🔬 physics

Energy-Optimal Allocation of Storage in Transmission Grid Networks

この論文は、再生可能エネルギーの自然変動を補うための蓄電システムの設置場所と容量を最適化し、送電損失や生産過剰を含めたエネルギー収支（ESOI）を最大化する手法を提案し、フランスの電力網を事例に検証したものである。

原著者： Emile Emery, Sébastien Aumaître, Hervé Bercegol

公開日 2026-03-04

📖 1 分で読めます☕ さくっと読める

原著者： Emile Emery, Sébastien Aumaître, Hervé Bercegol

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🌟 核心となる話：「エネルギーの貯金」の最適化

太陽光や風力発電は、天気によって「発電量」がコロコロ変わります。

晴れた日・風の強い日 ＝発電しすぎて余る（お財布に余ったお小遣い）。
夜・無風の日 ＝発電しすぎて足りなくなる（お小遣いが足りない）。

この「余った分」を貯めて「足りない分」に回すのが蓄電池の役割です。しかし、蓄電池を作るにはエネルギーとコストがかかりますし、電気を送る途中でも熱として消えてしまう（ジュール損失）こともあります。

この研究は、「蓄電池を作るエネルギー投資」に対して、「実際にどれだけのエネルギーを貯められるか」の比率（ESOI という指標）を最大化する方法を考えました。

🔍 3 つの重要な発見（3 つのステップ）

1. 「どれくらい大きな貯金箱が必要か？」（容量の決定）

まず、フランスの電力データを使ってシミュレーションを行いました。

発見: 太陽光と風力だけで電力を賄う場合、**「少しだけ発電機を大きくする（オーバーサイジング）」ことと、「適切な大きさの蓄電池」**を組み合わせるのがベストでした。
比喩: 毎日のお小遣いが不安定な場合、ただ「貯金箱」を大きくするだけでは不十分です。むしろ「お小遣い自体を少し多めにもらう（発電量を少し増やす）」ことで、貯金箱への負担を減らし、結果的にトータルの効率を上げられることがわかりました。
- 現在のフランスの電力構成をクリーンに変える場合、**約 21,000 万 kWh（21.21 GWh）の蓄電池が必要で、発電量を0.24%**だけ増やせば、最も効率的に動かせると計算されました。

2. 「貯金箱をどこに置くのがベストか？」（場所の決定）

蓄電池は、どこに置いても同じではありません。電線は細い道のように、電気がたくさん流れると熱くなってエネルギーが失われます（ジュール損失）。

発見: 蓄電池は、**「発電所が最もたくさんある場所（電力の中心）」**に置くのが最も損失が少ないことがわかりました。
比喩: 都会の中心地（発電所が多い場所）に「巨大な倉庫（蓄電池）」を作れば、余った荷物はすぐに倉庫に入り、遠くへ運ぶ必要がなくなります。逆に、田舎（発電所が少ない場所）に倉庫を作ると、余った荷物を遠くまで運ばなければならず、その間に荷物が壊れたり（エネルギー損失）、運ぶのに疲れたりします。
- 研究では、グラフ理論という数学的な手法を使い、「発電量の多い場所」に蓄電池を配置するのが、電線の無駄遣いを防ぐ「最短ルート」であることを証明しました。

3. 「時間ごとのバランス」

蓄電池は、数時間単位（昼と夜）のバランスを取るのに適しています。

発見: 太陽光や風力の「数時間ごとの変動」を、リチウムイオン電池でカバーするのが最もエネルギー効率が良いことがわかりました。季節ごとの変動（冬と夏）は別の仕組み（水力など）に任せる必要があります。

🎯 この研究が教えてくれること（まとめ）

この論文は、単に「蓄電池があればいい」と言うのではなく、**「どこに、どれくらい、どう配置するか」**という具体的な設計図を提供しています。

効率化: 無駄なエネルギー投資を避け、クリーンなエネルギーを最大限に活用する「黄金比」を見つけました。
配置の知恵: 蓄電池は「発電の中心地」に置くべきです。これにより、電気を送る途中での「漏れ（損失）」を最小限に抑えられます。
未来への指針: 太陽光や風力だけで 100% 電力を賄う未来（100% PV や 100% ウィンド）でも、この考え方を適用すれば、現実的な蓄電池のサイズと配置が決まります。

🌱 一言で言うと

「太陽と風で発電する未来を作るには、**『少しだけ発電機を大きくして、余った電気を、発電所のすぐそばにある適切な大きさの電池に貯める』**のが、エネルギーの無駄を一番減らす賢い方法だ」ということを、数学とデータで証明した研究です。

以下は、Emile Emery らによる論文「Energy-Optimal Allocation of Storage in Transmission Grid Networks（送電網ネットワークにおけるエネルギー最適化ストレージ配置）」の技術的サマリーです。

1. 研究の背景と課題

再生可能エネルギー（太陽光、風力など）の大量導入は、電力系統に変動性、電圧不安定、信頼性の低下といった課題をもたらします。これを解決するためにエネルギー貯蔵システム（ESS）の導入が不可欠ですが、ESS 自体の製造には「埋蔵エネルギー（Embodied Energy）」が必要であり、また発電量の過剰な廃棄（カーチルメント）を防ぐための判断も重要です。

従来の研究では、以下の点が課題として残されていました：

貯蔵容量と過剰発電のトレードオフ: 貯蔵システムを構築するエネルギー投資と、貯蔵効率の欠損を補うための発電設備の過剰設置（オーバーサイジング）のバランスをどう最適化するか。
配置の最適化: 送電網のどこに貯蔵システムを設置すべきか（特に送電レベルでの Joule 損失の最小化）。
評価指標の限界: 既存の EROI（エネルギー投資対エネルギー回収率）や ESOI（貯蔵エネルギー対投資エネルギー）の枠組みが、送電損失やネットワークトポロジーを十分に考慮していないこと。

本研究は、これらの要素を統合し、送電網レベルでのエネルギー収支と貯蔵戦略を評価する新しい枠組みを提案します。

2. 手法（Methodology）

2.1 生産・消費信号の処理とフィルタリング

データセット: フランスの 2021 年の電力生産・消費データを使用。化石燃料発電を太陽光と風力のスケーリング（再調整）に置き換え、再生可能エネルギー比率を 100% に近づけたシナリオを構築。
ハール・ウェーブレット分解: 変動の時間スケール（本研究では 6〜12 時間、Li-ion バッテリーの特性に適合）を抽出するためにハール・ウェーブレット分解を適用。生産と消費の差分信号（ $P_\Delta(t)$ ）をフィルタリングし、貯蔵が必要な変動成分のみを抽出。

2.2 動的貯蔵モデル

モデル構造: 時間ステップごとに、過剰生産時は ESS に充電、不足時は放電する動的モデルを構築。
制約条件:
- 飽和と不足: 充電限界（ $S_{max}$ ）を超えた場合はカーチルメント（損失）、放電限界（空）の場合は需要不満が発生。
- オーバーサイジング（ $P_1$ ）: 貯蔵効率（ $\eta_{st} < 1$ ）による損失と、充電来不及（充電時間が不足）による不足を補うため、発電設備を過剰設置するパラメータを導入。
シミュレーション: 年間データに対してシミュレーションを行い、需要満足率（95% 以上）を維持しつつ、最適な容量（ $S_{max}$ ）と過剰設置率（ $P_1$ ）を特定。

2.3 評価指標：ESOI の拡張

ESOI（Energy Stored on Invested）: 貯蔵された有用エネルギーと、貯蔵システムおよび発電過剰設置へのエネルギー投資の比率を定義。
$ESOI = \frac{E_{s}^{U} + E_{o}^{U}}{E_{s}^{I} + E_{o}^{I}}$
ここで、 $s$ は貯蔵、 $o$ は過剰設置、 $U$ は有用エネルギー、 $I$ は投資エネルギーを指す。
投資エネルギーの算出: 貯蔵容量（エネルギー密度）と定格出力（パワー密度）、サイクル寿命、および発電設備のエネルギー強度に基づいて算出。

2.4 中心性分析による配置最適化

グラフ理論の応用: フランスの送電網トポロジーを用い、各ノード（変電所など）の「中心性（Centrality）」を計算。
ジュール損失の推定: 直流近似を用いて、貯蔵ノードの配置が送電損失（ジュール損失）に与える影響を評価。
戦略: 発電量最大のノードに貯蔵システムを配置することで、過剰電力が送電線を流れる距離を短縮し、損失を最小化できるか検証。

3. 主要な結果

3.1 最適容量とオーバーサイジング

フランスの現在の電力ミックス（再生可能エネルギーに置き換えた RTE ミックス）および理想的な 100% 太陽光・100% 風力シナリオについて、95% の需要満足率を達成するための最適値を算出しました（Table 1）。

シナリオ	最適貯蔵容量 ( $S_{max}$ )	過剰設置率 (Oversizing)	最適 ESOI
RTE ミックス (再調整)	21.21 GWh	0.24%	14.16
100% 風力	142.95 GWh	1.95%	12.31
100% 太陽光	921.44 GWh	8.20%	9.84

知見: 再生可能エネルギーの比率が高まるほど、必要な貯蔵容量と過剰設置率は急増しますが、Li-ion バッテリーを用いた 6-12 時間スケールの調整は依然として有効です。太陽光シナリオでは季節変動が激しいため、容量が非常に大きくなります。

3.2 貯蔵配置とジュール損失

配置戦略: 中心性分析の結果、**「設置電力容量が最大のノード」**に貯蔵システムを配置することが、追加的なジュール損失を最小化することが示されました。
理由: 過剰電力が発生した際、発電源に近い場所で直接貯蔵することで、送電線を経由する電力フローを減らし、 $I^2R$ 損失（ジュール損失）を抑制できます。
検証: 提案された配置戦略においても、送電線の熱的限界（電流容量）を超える混雑（コンジェスト）は発生しないことを確認しました。

4. 主要な貢献と新規性

統合評価枠組みの確立: 従来の EROI/ESOI 評価に、「貯蔵のサイジング（容量決定）」「配置（トポロジー）」「送電損失」を統合した新しい指標体系を提案しました。
送電網レベルでの最適化: 既存の研究が配電網（Distribution Network）に焦点を当てていたのに対し、本研究は高圧送電網（Transmission Grid）を対象とし、ネットワーク構造を考慮した最適配置を提示しました。
定量的な指針: フランスの送電網を事例に、再生可能エネルギー比率に応じた具体的な貯蔵容量（GWh 単位）と過剰設置率（%）の算出値を提示しました。
拡張された EROI 式: Joule 損失を考慮した新しいグリッド EROI 式（ $EROI_{grid}$ ）を導出しました。
$EROI_{grid} = \frac{(1-\phi)\zeta_{g\to d} + \eta_{st}\phi\zeta_{s\to d}}{\frac{1}{EROI_{gen}} + \frac{\phi\zeta_{g\to s}}{ESOI} + \frac{(1-\phi)\zeta_{g\to d} + \eta_{st}\phi\zeta_{s\to d}}{ETOI}}$
ここで、 $\zeta$ は送電損失係数、$ETOI$ は送電エネルギー対投資エネルギーです。

5. 意義と限界

意義:
本研究は、将来の電力システム設計において、単に「どれだけのバッテリーが必要か」だけでなく、「どこに配置すればシステム全体のエネルギー効率が最大化されるか」という空間的・構造的な視点を提供しています。特に、再生可能エネルギーの完全脱炭素化に向けた投資判断において、貯蔵システムのエネルギー収支（ESOI）を最適化することが、システム全体の持続可能性に直結することを示唆しています。

限界:

時間スケールの固定: ハール・ウェーブレット分解により 6-12 時間スケールに焦点を当てており、秒単位の周波数制御や季節単位の長期貯蔵（水素など）との相互作用は考慮されていません。
定数仮定: 貯蔵システムのエネルギー強度（容量対出力比）が一定と仮定しており、実際の技術進歩によるスケーリング効果は完全には反映されていません。
地域依存性: 結果はフランスの送電網トポロジーと気象データに基づいているため、他国への適用には再評価が必要です。

結論:
この研究は、将来の電力グリッド設計において、貯蔵システムの規模、配置、およびネットワーク損失を包括的に評価するための強力なツールを提供し、エネルギー転換の経済性と環境持続可能性を両立させるための重要な指針となります。