より効果的な炭素削減に向けた大規模負荷シェイピングのためのチェリーピッキング・アプローチ

TL;DR（結論）

データセンター等の大規模負荷において、単一の指標に頼らず日々の系統信号に基づき最適な制御戦略を「チェリーピッキング（厳選）」することで、従来の価格ベースの手法より2〜3倍高いCO2削減効果が得られることが判明しました。 この手法は電力価格や再生可能エネルギー発電量などの既存データを利用して翌日の負荷形状を決定するもので、電力コストをほとんど増加させることなく、系統全体の排出量を大幅に削減することが可能です。 さらに、計算負荷を異なる地域の拠点へ移動させる「空間的シフト」を組み合わせることで、単一地点での時間的シフトのみを行う場合と比較して、炭素削減量をさらに70%以上向上させることができることがシミュレーションで裏付けられました。

なぜこの問題か

現在、米国では電力需要が急激に加速しており、今後10年間で冬のピーク負荷が21.5%も増加する可能性があると予測されています。この需要増加の大きな要因となっているのがデータセンターの急成長であり、2023年には全米の総電力消費量の4.4%を占めていたものが、2028年までには6.7%から12%にまで達すると見込まれています。特に、大規模なAIモデルのトレーニングに伴う電力変動は極めて激しく、Meta社のLLaMA 3の事例では数十メガワット規模の電力スイングが報告されており、これが間欠的な再生可能エネルギーの増加と相まって、電力系統の安定性と信頼性の維持を非常に困難なものにしています。このような背景から、需要側の柔軟性を活用して負荷の形状を調整する「負荷シェイピング」が、インフラコストの削減、系統の安定化、そして脱炭素化のために極めて重要な役割を担うようになっています。 しかし、これまで一般的に提案されてきた「平均炭素強度」や「ロケーショナル・マージナル・プライス（LMP）」に基づく戦略が、実際にどれほど系統全体のCO2排出量削減に寄与しているかを正確に評価することは困難でした。…

核心：何を提案したのか

本研究では、単一の固定された指標に従って負荷を制御するのではなく、日々の系統信号や過去のデータに基づいて、その日に最も効果的な負荷シェイピング戦略を「チェリーピッキング（厳選）」する新しいアプローチを提案しています。この手法は、データセンターだけでなく、電気自動車（EV）のフリート、分散型エネルギー資源（DER）、および仮想発電所（VPP）など、メガワット規模の柔軟な負荷を持つあらゆる消費者に適用可能な汎用性の高いものです。具体的には、テキサス電力信頼性評議会（ERCOT）の市場データを活用し、高精度に校正された「直流最適潮流（DC-OPF）」シミュレーションを用いて、さまざまな負荷シェイピング戦略が系統全体に与える影響を詳細に分析しました。 検討された戦略には、平均炭素強度、LMP、限界排出量、地域的な風力・太陽光発電量などに基づくものが含まれています。…

続きはログイン/プランで閲覧できます。