Large Language Model-Assisted Zoning for Heterogeneous Automatic Voltage Control in Renewable-Rich Regional Power Grids

現代の電力網は、もはや大規模な石炭やガスの発電所から家庭や工場へと電力が着実に流れる一方通行の道ではありません。今日では、風力タービンや太陽光パネルによって供給される、動的な双方向ネットワークへと進化しています。これらの再生可能エネルギー源はクリーンで不可欠なものですが、同時に気まぐれでもあります。風は止まり、雲が太陽光発電所の上を通過することで、発電される電力の量は激しく変動します。この予測不可能性は、グリッド運用者に特定の課題を突きつけます。それは、電圧を安定させることです。電圧とは電流を電線を通じて押し出す電気的な圧力のことです。電圧が高すぎると機器を損傷させる恐れがあり、低すぎると明かりが暗くなったりモーターが停止したりします。従来のグリッドでは、運用者は出力調整を行ってこれらの変動を平滑化できる、大規模で安定した発電所に頼ることができました。しかし、数千もの分散した風力や太陽光の発電所が存在する現在、グリッドは複雑な網の目のようになり、ある場所での過剰または不足した電力が、別の場所で電圧を危険な範囲まで変動させる原因となります。これを管理するには、どの電源がどれだけ出力を調整すべきかを瞬時に決定できるシステムが必要ですが、これは標準的な一律のルールだけでは対処が困難になりつつある課題です。

最近の研究において、中国の山西省電網（State Grid Shanxi Electric Power Company）の研究者たちは、大規模言語モデルとして知られる人工知能ツールを用いて、グリッドの異なる部分をそれぞれ別々に扱うことで、この複雑さを管理する新しい方法を提案しました。すべての太陽光発電所や風力タービンに全く同じ指示に従わせるのではなく、チームはまずグリッドの局所的な状況を確認し、その特定のエリアに最適な戦略を決定するシステムを開発しました。彼らは、電力源が局所的な電圧とどのように相互作用するかに基づいて、グリッドをゾーンに分割しました。電圧が自然に安定しているエリアでは、システムは単に発電所に対し、エネルギーを家庭に届けることなく電圧を維持するための一種の電気的支持である「無効電力」を一定量維持するよう求めます。一方で、電圧の変動がより顕著なエリアでは、システムは、部屋の温度を一定に保つためにヒーターを調整するサーモスタットのように、電圧を積極的に追跡して補正するモードに切り替わります。

しかし、最も複雑な部分は、多くの発電所が密接に接続され、互いに強く影響を及ぼし合っているエリアです。ここでは、もし各発電所が自分自身の判断だけで電圧を修正しようとすれば、互いに逆の働きをしてしまい、エネルギーを浪費し機器に負荷をかける混沌とした綱引き状態を引き起こす可能性があります。この問題を解決するために、研究者たちはマルチエージェント深層決定論的ポリシー勾配と呼ばれる一種の人工知能を用いた、高度な協調手法を導入しました。このセットアップでは、中央コントローラーがグループ全体の必要な電圧サポートの総量を決定し、AIが公平な審判として機能し、目標を達成するために個々の発電所が具体的にどれだけの仕事をするべきかを決定します。これにより、負担が均等に分配され、特定の発電所が酷使される一方で他の発電所が何もしないといった事態を防ぎます。

これらの決定を下すために、研究者たちは大規模言語モデルを最終的なコマンドを生成するためではなく、高レベルのプランナーとして使用しました。このAIツールは、風力や太陽光発電の出力、送電線のレイアウト、電圧変動の履歴を含むグリッドの現在の状態を分析しました。このデータに基づき、AIは発電所のグループ化、各グループに使用する制御戦略、および初期設定を推奨しました。もしシステムの初期計画が安全チェック（つまり、電圧が安全な範囲から外れてしまった場合）に合格できなかった場合、AIは結果をレビューし、間違いから学び、グループ化や設定の調整を提案しました。この「計画、テスト、洗練」のサイクルにより、人間の介入なしに変化する状況に適応することが可能になりました。

チームは、39の接続点、8つの風力発電所、8つの太陽光発電所で構成される標準的なテストシステムをモデルにした、実際の電力網のシミュレーション版を用いてこの手法をテストしました。彼らは、グリンド全体に単一のルールを適用する古い戦略と比較を行いました。その結果、新しい柔軟な手法は電圧の安定維持において著しく効果的であることが示されました。新しい手法は、特別な制御を行わない場合と比較して、電圧が安全範囲を外れる回数を88％近く減少させ、最も優れた既存の一律な手法と比較しても、それらの違反を40％以上削減しました。さらに、新システムはワークロードのバランスも大幅に改善しました。古い手法では、一部の発電所がしばしば大きく急激な変化を強いられる一方で、他の発電所は何もしないという不均衡な摩耗が生じていました。新しいアプローチはこれらの調整を平滑化し、各発電所が行う変化の規模を約30％縮小させ、発電所同士が誤って互いの努力を打ち消し合ってしまう事例を排除しました。

この研究の重要な発見は、大規模言語モデルの「自身の提案を洗練させる能力」が測定可能な差を生んだことでした。研究者が、電圧の安定性と発電所間のワークロードのバランスといった異なる目標に対する重要度の置き方をAIに調整させたところ、システムはさらに高い性能を発揮しました。最も困難で密接に結合したゾーンにおいて、AIによって最適化されたシステムは、標準的な制御手法と比較して、電圧エラーをnearly 19％減少させ、ワークロードの不均衡を70％以上も軽減しました。これは、将来のグリッド管理が、単一の硬直したルールではなく、電力発電所のローカルな近隣特性を見て、明かりを灯し続けるための最善の方法を決定できるインテリジェントなシステムにあることを示唆しています。本研究は、人間が設計した制御ロジックと大規模言語モデルの適応的な推論能力を組み合わせることで、低炭素社会に必要な高いレベルの再生可能エネルギーを扱うことができる、より強靭で効率的なグリッドを構築できることを裏付けています。