発電所の運転計画を最適化する6つの計画変数と最適化AI

なぜ「発電所の運転計画」最適化が経営を左右するのか

燃料費の最小化が利益率を直接決める

発電事業者の変動費の大半は燃料費です。火力中心の事業者では発電原価の6〜8割を燃料費が占める構造があり、運転計画の良し悪しが営業利益に直結する。同じ需要を満たすにも、起動停止と出力配分を1%最適化するだけで、年間の燃料費削減額は数億円から数十億円規模になる。

ガスタービン、石炭、重油、揚水など複数電源を持つ事業者では、各ユニットの部分負荷効率カーブが異なる。低出力で動かすと熱効率が落ちるユニットを定格付近で運転させ、起動停止コストの高いユニットは長時間運転に充てる、こうした配分判断が時々刻々と求められる。需要側の電力コスト最適化については工場電力コスト削減最適化でも整理しているが、供給側の運転計画は同じ電力市場の反対側で動いている。

燃料費の数%差は、年度末の決算をひっくり返すだけのインパクトを持っている。

安定供給責任と需給ひっ迫リスク

電力事業者は安定供給という公益責任を負う。一般送配電事業者からの調整力提供義務、容量市場での約定義務、需給ひっ迫警報下の出力指示。これらを守れないと罰則・違約金が発生し、ブラックアウトを起こせばレピュテーション損失は計り知れない。

予備力（スピニングリザーブ・10分予備力）を毎時刻確保しながら経済性を追うのは、トレードオフそのものです。予備力を厚く取れば燃料費が膨らみ、薄く取れば需給ひっ迫時に応じられない。さらに容量市場・需給調整市場の制度設計が継続的に変わっており、運転計画の前提条件そのものが動いている。

安定供給と経済性の両立は、事業継続そのものが懸かる経営テーマである。

再エネ拡大で運転計画の難易度が指数関数的に上がっている

太陽光・風力の比率が高まるほど、火力の役割は「ベースロード供給」から「変動吸収のための調整力」へとシフトする。日射が強い昼間は火力を絞り、雲が出れば即座に出力を上げる。風が止めば火力で穴を埋める。10年前に比べて起動停止の頻度が数倍になっている事業者は珍しくない。

ところが火力ユニットには起動コスト（昇温・湿分排出に1〜数千万円）、最低運転時間、最低停止時間、ランプレート（出力変化速度）といった物理制約がある。再エネの出力予測がぶれるたびに無駄な起動停止を繰り返すと、計画上は黒字でも実績が赤字になる。再エネ予測誤差を運転計画にどう織り込むかが、新しい時代の競争力を決める。

再エネ時代の運転計画は、変動を前提に設計するか、変動に振り回されるかの分岐点に立っている。

CO2排出と環境規制の経営インパクト

改正省エネ法、温対法、容量市場の脱炭素要件、EU-CBAMの間接的影響。発電事業者のCO2排出原単位は、市場からも規制からも問われるようになった。同じkWhを発電しても、石炭機を選ぶか、ガスコンバインドサイクルを選ぶかでCO2排出は2倍以上変わる。

排出権コストや非化石価値証書の市場価格を運転計画に組み込めば、燃料費だけ見ていた頃には選ばれなかった電源構成が経済合理的になる場合がある。たとえば燃料費が高いガスコンバインドでも、CO2コストを内部化すると総コストで石炭機を下回るケースが増えている。コスト・予備力・CO2の3軸の同時最適化は、もはや先進的な取り組みではなく標準仕様になりつつある。

環境性能を運転計画に組み込めるかが、向こう10年の事業者の格を決める。

運転計画が経験頼みになる3つの根本原因

起動停止計画と経済負荷配分が別ロジックで運用されている

多くの現場で、起動停止計画（UC）と経済負荷配分（ED）は別々の担当者・別々のツールで運用されている。前日に「明日はこのユニットを動かす」と決めた後、当日の時刻ごとの出力配分を別ロジックで計算する。両者の整合は人手のチェックに依存し、最低運転時間や起動コストが無視された配分が出ることがある。

ある地域電力会社では、UCを表計算ソフトで前日確定し、EDを発電機監視システムの内蔵ロジックで動かしていた。週次で照合すると、UCが「停止前提」で組んだユニットがEDで起動指示されているケースが月数件発生していた。Excelの限界そのものは在庫管理Excel限界でも触れたが、運転計画でも同じ構造的な壁がある。

UCとEDを一体で解かない限り、計画と実績の差は埋まらない。

ユニット別の物理制約を精緻にモデル化していない

火力ユニットには、起動コスト・最低運転時間・最低停止時間・ランプレート・部分負荷効率カーブ・補機消費電力・冷態起動と温態起動の差、と無数の物理制約がある。これらを精緻にモデル化せずに「定格出力で何時間運転すれば燃料費がいくら」という線形近似で計画を立てると、低出力運転や頻繁な起動停止で計画が崩れる。

たとえば石炭機の冷態起動には10時間以上の昇温が必要で、その間も補機電力と燃料を消費する。「停止しておく方が経済的」な判断を正しく出すには、停止期間が温態か冷態かを跨ぐ判定、再起動時のコスト、冷却に伴う寿命影響まで考慮する必要がある。これが線形近似だと、停止と起動を繰り返して累計燃料費が膨らむ計画が出てしまう。

物理制約のモデル粒度が、計画の現実妥当性を決定づける。

再エネ・需要の予測誤差を計画に織り込めない

再エネ出力予測と需要予測には誤差が必ず残る。前日午前に作った翌日の運転計画は、翌日朝の予測修正で全面書き直しになることが多い。ところが固定シナリオ前提で計画を作ると、誤差が小さい時間帯は問題ないが、予測が外れた時間帯で予備力が枯渇したり過剰待機が発生したりする。

ある事業者では、太陽光出力の前日予測誤差が標準偏差で出力規模の15%程度あり、これを単一シナリオで処理した結果、需給ひっ迫警報下で予備力不足を経験した。確率的な計画設計（ロバスト最適化・確率制約最適化）に踏み出せていない事業者は、再エネ拡大とともに同種のひやりとした経験を増やしている。リアルタイムで計画を再生成するアプローチはリアルタイム最適化やり直しで扱った発想と地続きです。

予測誤差を計画に組み込めるかが、変動電源時代の運転計画の前提条件である。

運転計画で同時に考えるべき6つの変数

(1) 発電機ユニットの起動停止スケジュール

運転計画の中核は、計画期間（24時間〜1週間）にわたる各ユニットの起動・停止の組み合わせです。10ユニット×24時間の起動停止だけで2の240乗という天文学的な選択肢を持ち、実際にはユニット間の最低運転時間・最低停止時間が絡むため探索空間はさらに複雑になる。

たとえば10ユニットの火力プラントで、需要パターンと再エネ予測が与えられたとき、「どのユニットを何時に起動し、何時に停止するか」を決めるのは典型的な組合せ最適化問題になる。手作業では現実的に最適解には届かず、過去の似たパターンの計画を参照して微修正する運用が定着している。組合せ爆発の構造そのものは組合せ爆発とはで整理した通りで、UCはその代表例の一つです。

起動停止スケジュールが揃って初めて、後段の出力配分や予備力確保の議論が成立する。

(2) ユニット別の出力配分と部分負荷効率

起動停止が決まったら、各ユニットに需要をどう配分するか（経済負荷配分・ED）を決める。同じ100MWを発電するにも、定格出力500MWのユニットを20%出力で動かすのと、定格出力150MWのユニットを67%出力で動かすのとでは熱効率がまったく違う。部分負荷効率カーブを正確にモデル化しないと、低出力運転で燃料費がじわじわ膨らむ。

ある事業者では、ユニット別効率カーブをデータ更新せず数年前の試運転値で運用していた。実機の経年劣化で効率が3〜5%落ちていたのに気付かず、計画上の燃料費と実績費の乖離が拡大していた。効率カーブは保守記録・運転実績から定期的に更新する仕組みが要る。多目的最適化の発想は多目的最適化コスト品質納期で扱ったが、出力配分でも複数の効率指標が同時に絡む。

部分負荷効率の解像度が、出力配分の最適性を決める。

(3) 起動コスト・最低運転時間・ランプレート

火力ユニットの物理制約は、運転計画の現実性を縛る最大の要因です。起動コスト（数百万円〜数千万円／回）、最低運転時間（4〜12時間）、最低停止時間（4〜8時間）、ランプレート（毎分1〜5%程度の出力変化）。これらを一度立てた計画の途中で破ると、ユニットの寿命を削るか、需給バランスを崩す。

たとえば朝の需要急増に合わせてガスタービンを起動するなら、需要ピークの2〜3時間前から立ち上げを始める必要がある。逆に夜間の最低需要に合わせて停止する場合、再起動までの時間と起動コストを天秤にかけて「停止する方が経済的か」を毎ユニットで判断する。同じ判断を10ユニット×24時間で同時に行うのが現場の実態です。

物理制約をモデルに組み込めるかが、計画の実行可能性を担保する。

(4) 予備力と需給バランスの確保

需給バランスは毎時刻、発電量が需要+輸出−輸入と一致しなければならないハード制約です。これに加えて予備力（スピニングリザーブ・10分予備力・調整力）を時刻ごとに一定量確保する必要がある。予備力は実発電していないが、需要急増や他ユニット脱落に応じて即時出力できる余力のことを指す。

予備力を厚く取れば燃料費が膨らみ、薄く取れば需給ひっ迫時に応じられない。さらに需給調整市場で予備力商品を売買できる現在、予備力は単なる安全マージンではなく市場収益の源泉でもある。一般送配電事業者からの調整力公募に応札する事業者は、予備力の確保水準と市場価格を運転計画に直接連動させる必要がある。

予備力設計は、コスト最適化と安定供給の境界を引き直す変数である。

(5) 再エネ出力と需要の予測誤差

太陽光・風力の出力予測には不可避の誤差が残る。需要予測も天候・イベント・産業活動で変動する。固定シナリオ前提で計画を作ると、誤差が顕在化した時刻に予備力不足や過剰待機が発生する。

実務的には複数シナリオ（中央値・上振れ・下振れ）を生成し、それぞれの計画を比較して頑健な解を選ぶアプローチや、確率分布を直接最適化問題に取り込むロバスト最適化のアプローチがある。前者は計算負荷が比較的軽く、後者は精度が高いがモデリングが複雑になる。事業規模・データ蓄積・運用体制に応じた選択が要る。

予測誤差をどう扱うかが、再エネ時代の運転計画設計の中心課題になる。

(6) 卸電力市場・需給調整市場との連動

JEPXの一日前市場・当日市場、需給調整市場、容量市場、非化石価値取引市場。電力事業者は複数の市場で売買しながら運転計画を組む。市場価格が高い時刻は売電を増やすために自社発電を増やし、価格が低い時刻は他社からの購入で代替する判断が日常的に発生する。

たとえば一日前市場で午後の卸価格が高騰する見込みなら、その時間帯にガスタービンを追加起動して売電量を増やす計画になる。逆に夜間の市場価格が燃料費を下回る時間帯は、自社火力を絞って市場購入に切り替える判断が経済合理的になる。市場と自社運転を同時に最適化しないと、せっかくの市場機会を取りこぼし続ける。

市場連動を計画に織り込めるかが、収益最大化の上限を決める。

人手の運転計画では限界がある理由

ユニット×時間×起動停止の組み合わせ爆発

これまで挙げた6つの変数を、ユニット×時間×起動停止で同時に判断する。10ユニット、24時間スロット、起動停止2値で組み合わせは2の240乗オーダーになる。さらに各ユニットに最低運転時間・ランプレート・予備力要件が絡むため、現実の探索空間はもっと広い。制約が多すぎて解が見つからない構造は制約多すぎ解見つからないでも整理した通りで、UC問題は典型例の一つです。

人間が一度に比較できるパターンは多くて数十通り、過去事例ベースで微修正できる範囲も限られる。中央給電指令所のベテランが手作業で組む計画は経験則として優秀だが、市場価格や予測誤差をすべて織り込めているとは言えない。問題サイズが人間の処理能力を超えている以上、勘と経験では真の最適には届かない。

組み合わせ爆発の規模が、人手運用の限界線を引いている。

コスト・予備力・CO2のトレードオフが解けない

運転計画の判断は単一目標ではない。燃料費を最小化したい、予備力を十分確保したい、CO2排出を抑えたい、市場収益を最大化したい。これらは互いに引っ張り合う。燃料費を絞ると予備力が薄くなり、CO2を抑えると燃料費が膨らむ。複数目標を同時に追う構造は、ヒトの直感では正しい折衷点を見つけにくい。

ある事業者では「燃料費重視」の四半期と「CO2重視」の四半期で運転戦略を切り替えていたが、結果として年度を通したコストとCO2排出のブレが大きくなった。一方の指標を立てれば他方が崩れる構造は、ヒューリスティックな切り替えでは安定しない。

複数目標を同時に最適化する仕組みが無ければ、運転計画は振り子から抜け出せない。

需要・再エネ変動への再計画スピードが追いつかない

天気予報の更新で太陽光出力の予測が30%ぶれたとき、運転計画を当日中に組み直せるか。計画停止していたユニットを急遽起動する判断を、最低起動時間を踏まえて即座に出せるか。運転計画は前日確定で終わりではなく、当日の予測修正・実績乖離・市場価格変動に応じて何度も書き直しが必要になる。

ところが人手の再計画は数時間単位かかる。中央給電指令所のオペレーターが計画を全面書き直す間にも、再エネ出力は刻一刻と変わり、需給ひっ迫リスクが高まる場面では分単位で意思決定が要る。再計画の頻度を上げたくても、計画作成自体のコストが律速になっている事業者は多い。

需要と再エネ変動の速度に追いつくには、計画を再生成するコストそのものを下げるしかない。

最適化AIが運転計画をどう変えるか

最適化AIは、現場が守らなければならないルールを破らずに、最も良い結果を返すAIです。生成AIのように「それらしい計画」を出力するのではなく、需給バランス・物理制約・予備力要件などのルールを一つも違反しない計画の中から、総運用コストを最小化する起動停止と出力配分を探し出す。最適化AIの基本については最適化AIで何ができるのかも併せて参照されたい。

ゴールと守るべきルールを数式に落とす

運転計画最適化のゴール（AIに与える目標）は、たとえば「計画期間の総運用コスト（燃料費＋起動コスト＋市場購入コスト−市場売却収益＋CO2コスト）を最小化する」となる。守るべきルール（現場の条件）は、毎時刻の需給バランス、各ユニットの最大最小出力、最低運転時間、最低停止時間、ランプレート、予備力要件、燃料制約、送電容量制約などです。

これらを定式化したうえで、ユニット別の効率カーブ、起動コスト、燃料価格、需要予測、再エネ予測、市場価格をすべてインプットに渡す。データ整備（ユニット仕様の最新化、効率カーブの定期更新、予測モデルの精度管理）は前提として必要になる。ここまで揃って初めて、最適化AIは「どのユニットを、いつ起動し、何MW出力するか」を組み合わせ最適化問題として扱える。

ゴールとルールを明示すれば、判断は属人化から再現可能なロジックに置き換わる。

精度: ユニット×時間の最適起動停止計画を返す

最適化AIは、ユニット×時間スロットの粒度で最適な起動停止と出力配分を返す。部分負荷効率の高いユニットには定格付近の出力を、起動コストが高いユニットには長時間運転を、ランプレートに余裕のあるユニットには変動吸収を、それぞれ自動で割り当てる。

火力プラントでは、同じユニット構成・同じ需要パターンでも、起動停止の組み合わせと出力配分を変えるだけで燃料費は大きく変わる。発電規模が大きいほど、わずかな効率改善の積み重ねが年間数億円規模のコスト差につながりうる。最適化AIは、この組み合わせ最適化を網羅的に探索して燃料費を抑える計画を導ける。

精度の改善は、運転計画の質をベテラン依存から計算可能な品質に変えることを意味する。

スピード: 数十ユニット×24時間の再計画を数分で出し直せる

需要や再エネが動いたとき、運転計画を再計画する速度が変わる。人手で数時間だった再計画を、数分で出し直せる。気象予報の更新、市場価格の急変、ユニットの計画外停止に対し、即座に計画を組み直して中央給電指令に反映できる。

配送・回収計画のように変数が多い問題でも、最適化AIなら再計画を高速に回せる。運転計画でも同様に、再計算自体のコストが下がるため、PDCAの回転速度が上がる。リアルタイム最適化の発想はリアルタイム最適化やり直しで扱った通りで、UC問題でも同じ恩恵が得られる。

判断スピードが上がると、再エネ変動や市場急変への追従性がオペレーション単位に降りてくる。

透明性: 「なぜこのユニットを起動するか」が説明可能になる

最適化AIは出力された運転計画について、「どの制約がきいて」「どの目的でこのユニットが選ばれたか」を可視化できる。中央給電指令のオペレーターが現場や経営に説明するときも、「データではこう出ているが、現場の感覚はどうか」と議論の起点が揃う。属人的なベテラン依存が、データとロジックの議論に置き換わる。

汎用ソルバーが「単一目標の燃料費最小化」しか扱えないのに対し、最適化AIは燃料費・予備力・CO2排出・市場収益を横断した全体最適を扱える。さらに「定期点検期間中のユニット運転禁止」「環境協定で夜間は特定ユニット停止」「揚水発電の貯水量バランス」といった現場固有のルールも、業務ヒアリングを通じてモデルに組み込める。

意思決定が透明化されると、運転計画は「ベテランの判断」から「組織の戦略」に格上げできる。

まとめ

発電所の運転計画を最適化するということは、燃料費・予備力・CO2排出・市場収益のトレードオフを、ユニット×時間×起動停止という大規模な組み合わせの中で同時に解くということです。経験頼みの起動停止判断、UCとEDを別ロジックで運用する従来型の運用、固定シナリオ前提の計画、いずれの方法でも再エネ時代の運転計画には届かない。

運転計画には、起動停止スケジュール、出力配分と部分負荷効率、起動コストとランプレート、予備力と需給バランス、予測誤差、市場連動という6つの変数が同時に絡む。人手では組み合わせ爆発と多目的トレードオフを処理しきれず、判断は属人化し、再計画スピードも変動に追いつかなくなる。

最適化AIを使えば、ユニット×時間の最適起動停止計画を自動算出し、再計画のスピードを上げ、判断のロジックを透明化できる。OptHubは現場理解とアルゴリズム設計の両面から、発電所運転計画最適化を電力事業者の継続的な意思決定プロセスに組み込む支援を行っている。