Towards time-variant scenario reduction for energy system optimization modeling under uncertainty

技術要約：不確実性下におけるエネルギーシステム最適化モデリングのための、時間変動型シナリオ削減に向けて

問題提起
長期的な2段階確率的エネルギーシステム最適化モデル（ESOM）は、特に間欠的な再生可能エネルギー発電に関する意思決定において極めて重要である。しかし、これらのモデルは、20〜60年の時間軸をカバーしつつ、複数の不確実性（例：10〜40件の歴史的な気象年）を表現する場合、モデルサイズの急速な増大というスケーラビリティの課題に直面する。既存の「時間不変型」と呼ばれるシナリオ削減（SR）手法は、このような文脈においては非効率的であることが多い。これらの手法は、シナリオの確率が時間を通じて一定であると仮定しており、通常、短期間の時間軸（例：単一の時間ステップや24時間のウィンドウ）に焦点を当てている。限られた利用可能なシナリオ（例：約40の歴史的な年）を用いて長期計画に適用する場合、時間不変型の手法は時間経過に伴う周辺分布を調整することができず、結果として最適解を歪め、第1段階の投資決定を左右する重要なシナリオの実現値や確率を正確に捉えられない可能性がある。

手法
著者らは、シナリオの集約が時間とともに変化することを明示的に許容する、新しい時間変動型シナリオ削減フレームワークを提案している。この手法は以下のステップで構成される：

1. 時間的分解： 全時間軸にわたってシナリオを同時にクラスタリングする従来の方式とは異なり、提案手法は確率過程の時間的連続性を分解する。
2. タイムステップ・クラスタリング： 各時間ステップ $t \in T$ において、変数（PVおよび風力発電の結合実現値など）のシナリオベクトル $w_{t,i}$ に対して、$k$-means法によるクラスタリングを個別に適用する。
3. 時系列割り当て： 削減されたシナリオ集合 $J$ の時間的整合性を回復するために、各時間ステップの遷移（$t$ から $t+1$）に対して線形時系列割り当て問題を解く。これは、連続する時間ステップにおける値の二乗ユークリッド距離として定義される、シナリオ間の遷移コストを最小化するように行われる。
4. 時間変動型確率： この手順により、特定の時間ステップ $t$ において元のシナリオのサブセット $I_{j,t}$ が削減されたシナリオ $j$ に集約される。その結果、シナリオ確率 $\pi_{t,j}$ は、その特定の時間ステップにおける集約された元のシナリオの確率の合計として計算されるため、時間変動的となる：
   $$\pi_{t,j} = \sum_{i \in I_{j,t}} \pi_i$$
   これは、すべての $t$ において $\pi_{t,j} = \pi_j$ となる時間不変型の手法とは対照的である。

主な貢献

• 新しいフレームワーク： シナリオの集約を固定された時間構造から切り離し、確率が時間とともに進化することを可能にする、時間変動型SR手法の導入。
• 強化された柔軟性： 本手法は、第1段階の投資決定を駆動する時間ステップにおいて、シナリオの実現値とその確率を正確に捉えることを可能にする。これは、従来の時間不変型のアプローチには欠けている能力である。
• 概念実証： 不確実な再生可能エネルギー生産と蓄電池投資を含む、2段階確率的発電計画拡大（SGEP）問題への本フレームワークの適用。

結果
提案手法は、96時間のホライゾンにわたるPVおよび風力発電の20個の等確率シナリオの結合確率予測を用いて評価され、SGEP問題を解くために削減された。フルシナリオ（20シナリオ）の解に対する相対近似誤差（RAE）によって測定された結果は、以下を示している：

• 少ないシナリオ数での優れた精度： 時間変動型SR法は、わずか4つの削減シナリオを使用して、RAE 3.06% を達成した。対照的に、時間不変型の手法は、同じシナリオ数でRAE 18.71% を示した。
• 投資決定の質： 4つのシナリオを用いた時間不変型の手法は、熱源発電容量の投資（$x^*$）を大幅に過小評価し、蓄電池投資（$s^*$）を過大評価した。これにより、期待未供給電力量（EENS）が113.9 MWhから2815.8 MWhへと激増した。一方、時間変動型の手法は最適な投資を正確に再現し、EENSは712.9 MWhとなった。
• 効率性： 時間変動型アプローチは、少なくとも11個のシナリオを使用した場合と同等の性能を達成しており、これは同等の精度を得るためにモデルサイズ（変数数）を約80%削減できることを意味する。
• 収束性： 時間変動型の手法は、削減されたシナリオ数が増加するにつれて、フルシナリオ集合の解に対してより速く、かつ堅牢に収束した。

意義と主張
本論文は、提案された時間変動型フレームワークが、従来の時間不変型の手法と比較して大幅に柔軟性を高めるものであると主張している。シナリオの集約と確率が時間とともに変化することを許容することで、限られた歴史的データを用いる大規模な長期計画ESOMに適用される際の、既存のSR技術の非効率性を克服している。著者らは、このアプローチが、重要な投資駆動型シナリオの精度を維持しながら、モデルの複雑さを軽減する能力を解き放つと断言している。

論文は、現在の2ステップの手順（クラスタリングに続く割り当て）を回避するための、適切な時間変動型シナリオ距離指標およびアルゴリズムの導出に今後の研究が必要であると述べることで、控えめに結論づけている。また、形式的な性能保証を提供するために、時間変動ケースへの数学的安定性の結果の拡張が、必要な将来の研究方向として特定されている。