出力抑制なしで柔軟性を引き出す――データセンターへの電力供給に家庭用蓄電池を活用する可能性を報告書が検証

Piq Energyの出力抑制なしで柔軟性を引き出す報告書は、連系容量に制約のある電力網に大口需要家を接続するうえで、家庭用蓄電池を協調制御することがどのように役立つかを検証している。10月29日に公開されたこの報告書では、Base Powerとの取り組みが紹介されている。そこでは、テキサス州フォートワース近郊で計画された100 MWの負荷によって生じる送電網の過負荷を、対象を絞った蓄電池の運用によりモデル上で解消した。

この知見は、電力へのアクセスが発電設備の利用可能性だけでなく、電力網が電力を供給できる能力にも左右されるAIデータセンターにとって重要だ。また、AIにはもう一つの役割があることも示している。Piqは、電力網の解決策を評価するために必要な工学分析を進める目的で、エージェント型の計画プラットフォームを活用している。

送電計画のリソースとしての家庭用蓄電池

Base Powerは、家庭用蓄電システムを開発、設置、運用している。同社の事業は、家庭のバックアップ電源と、電力網を支援できる協調運用を組み合わせている。そのため、同じ蓄電池が地域のレジリエンス向上に役立つと同時に、より大規模な統合管理型リソースの一部としても機能する。

計画上の問いは、そのリソースがどこで効果を発揮できるかだ。需要が加わると電力網全体の潮流が変化するため、最も効果的な蓄電池の設置場所が、接続を求める需要家のすぐ近くとは限らない。ある場所で充電し、別の場所で放電すれば、過負荷となっている送電設備から潮流をそらすことができる。

ERCOTの分散型エネルギーリソース集約実証事業は、配電網に接続された複数の拠点が、給電指令に一体となって応答するための枠組みを提供する。登録、テレメトリー、適格性の各要件からは、蓄電池群の協調運用が、個々の蓄電池の定格出力を単純に合算するよりも複雑であることが分かる。

バーレソン・スイッチの調査で明らかになったこと

この報告書は、Oncorの供給エリアにあるバーレソン・スイッチで計画された系統接続を検証している。100 MWの負荷を追加すると、5つの送電設備で計8件の熱容量制約が生じた。11カ所の蓄電池を協調運用することで、モデル上は8件すべてを解消できたが、そのためには蓄電池の総出力が約81.5 MW必要だった。

より大きな負荷を想定したシナリオでは、効果が逓減することが示されている。

最初のケースは、分散型蓄電池についてさらなる検討を進める根拠となる。2つ目のケースは、その有用性が設置場所や電力網の状況に左右される理由を示している。残るわずかな制約を解消するだけでも、はるかに大規模な蓄電池群が必要になることがある。柔軟性のあるリソースと従来型の設備増強を組み合わせるほうが、現実的な場合もある。

81.5 MWはデータセンターへの供給電力ではない

基礎となる技術白書は9月1日付で、蓄電池の総出力と系統への正味注入量を区別している。例として示された事故時のケースでは、蓄電池が43.2 MWを注入する一方、別の蓄電池が38.2 MWを引き出し、正味注入量は5 MWとなる。

蓄電池は100 MWの負荷全体に電力を供給するのではなく、潮流を再配分している。新たな需要家には、引き続き電力の供給が必要であり、モデル上の介入が対処するのは送電網の過負荷だ。また、MWで測る蓄電池の出力と、MWhで測る蓄電エネルギー量は異なる。後者によって、対応をどれだけの時間継続できるかが決まる。

電力網エンジニアリングにおけるエージェント型AIの役割

Piqの技術は、電力網のデータセット、シミュレーションエンジン、再現可能な工学ワークフローを組み合わせている。同社の計画エージェント「Delphi」は、技術者が意思決定権を保ったまま、調査の設定、電力網モデルの検討、結果の比較、報告書の作成を進められるよう支援する。

同社によると、このシステムでは自然言語による指示を使って、決定論的な分析を統括できる。複数の調査を並行して実行することで、より多くのシナリオを検証でき、結果は特定のモデルのバージョンにひも付けられる。この点はAIの役割を考えるうえで重要だ。言語モデルは作業の整理を支援できるが、電力網を評価するために用いる潮流計算に取って代わるものではない。

Unite.AIが共同創業者兼CEOのTom Nudellに行ったインタビューでは、同氏は再現性と、専門家の連携、分析の定義、有用なモデルの構築に必要な作業の重要性を強調した。この報告書は、その戦略を具体的な用途で示すものだ。Piqによれば、同社はこのプロジェクトを数日で完了した。従来の方法では数カ月かかると同社は見積もっている。ただし、この比較は同社の評価であり、独立した管理条件下で行われたベンチマークではない。

今後、実証が必要なこと

この技術調査では、直流潮流解析を用いて熱的制約を評価している。実装に先立ち、交流潮流、電圧、安定性、通信、運用上の信頼性について、さらなる評価が必要である。また、最適化では価格を考慮していないため、商業面で最も低コストとなる解決策を示すものではない。

数値結果が適用されるのは、調査対象となった接続点、想定された蓄電池群、および系統条件に限られる。別の場所にそのまま適用することはできない。また、このモデル自体が、承認済みで運用中の確実な接続を保証するものでもない。

Baseによる分散型リソースの集約に関する議論は、特定の送電地点にある蓄電池を把握することが商業的に注目される理由を説明している。開発事業者にとっては、インフラの拡張と併せて柔軟性を評価できる点に機会がある。運用事業者にとっては、確実な給電指令と、その利用を規定するルールが引き続き不可欠である。

データセンターの電力制約に対する、より的を絞ったアプローチ

この報告書は、インフラ計画におけるAIの実用的な役割を示している。複数のリソースの組み合わせを調べ、どこで効果を発揮するかを特定し、その効果がどこで頭打ちになるかを明らかにしやすくすることだ。蓄電池だけでは不十分という結論に至る場合でも、分析の迅速化によってプロジェクトの選択を改善できる。

読者は出力抑制なしで柔軟性を引き出すで調査結果を確認し、付属の技術白書で前提条件と制約を検討できる。両資料は、データセンターの系統計画の一環として家庭用蓄電池の協調制御を検証する意義を示しており、実用的な容量をどこで提供できるかは、工学的な検証によって判断される。