再生可能エネルギーの急速な拡大により、電力網の運用方法が大きく変わりつつあります。従来の火力発電所に代わってソーラーパネルや風力発電が増加する中で、電力網の周波数安定性を維持することが重要な課題となっています。本研究は、機械学習技術を活用して、これらの課題に対処する革新的なアプローチを提示しています。 特に注目されるのは、グリッドフォーミングバッテリーエネルギー貯蔵システム（GFBESSs）の活用です。このシステムは、インバータベースのリソース（IBRs）が支配的な電力網において、周波数の安定性を能動的に維持する役割を果たします。従来のシンクロナス発電機とは異なり、インバータベースのシステムは周波数安定化に必要な慣性を本来的に備えていないため、代替手段が必要とされていました。グリッドフォーミングバッテリーシステムはこの課題を解決する有望な技術です。 研究チームは、機械学習アルゴリズムを用いた日前スケジューリング最適化を開発しました。このアプローチにより、翌日の電力需要と再生可能エネルギー生成量を予測し、バッテリー貯蔵システムの充放電スケジュールを最適に計画することが可能になります。同時に、周波数の安全性制約を厳格に満たすことで、電力網全体の安定性を確保します。 この技術は、カーボンニュートラルな電力網の実現に向けた重要なステップとなります。再生可能エネルギーの統合を加速させながら、電力供給の信頼性を維持することで、エネルギー転換時代の課題解決に貢献するものと期待されています。