再エネ発電スケジュール計画で考えるべき7つの要素と、不確実性を扱う最適化AIの活用法

なぜ「再エネ 発電 スケジュール」がエネルギー事業で重要なのか

再エネの発電スケジュールは、収益・安定供給・系統責任の3つに直接影響を与える経営指標です。FIP制度や計画値同時同量の枠組みのもとで、計画と実績のズレは罰金的なコスト（インバランス料金）として返ってきます。再エネ比率が拡大するなかで、この精度が事業の存続を決める段階に入っています。

計画値同時同量とインバランス料金リスク

電気事業法に基づく計画値同時同量制度のもとでは、発電事業者と小売事業者は30分単位で発電・需要計画を提出し、実績との差分（インバランス）に対して料金を支払う必要があります。再エネ電源は気象次第で計画と実績が乖離しやすく、インバランス料金が継続的に積み上がる構造を抱えています。

計画精度の差は、年間のインバランス料金として継続的に積み上がっていきます。インバランス料金は需給状況に応じて変動するため、需給ひっ迫時には1kWhあたり通常より大きな金額になる場面もあります。計画精度は単なるオペレーション指標ではなく、事業者のP/Lに直接効く経営指標として位置づけられているのです。

FIPと出力制御下で収益を左右する計画精度

2022年度から段階的に導入されたFIP制度では、再エネ電源も卸電力市場で売電し、市場価格に連動するプレミアム（補助金）を受け取る仕組みになりました。市場価格が高い時間帯にどう発電・放電し、安い時間帯にどう蓄電するかの設計が、収益を直接左右します。

加えて、系統に余剰が出た時には出力制御（発電抑制）の指令が出ます。優先給電ルールに基づき、再エネ電源は条件次第で発電機会を失う立場にあり、エリアごとの旧ルール／新ルール／無制限ルールで対象範囲が異なります。計画精度を高めて出力抑制をうまく避ける設計と、抑制を見越した蓄電池シフトの設計が、年間の売上規模を変えていきます。FIT固定買取の安心感は薄れつつあり、市場価格と系統制約に向き合う設計能力が事業者の競争力になっているのです。

需給オペレーションの属人化リスク

需給オペレーション、特に直前計画の修正は、経験豊富な担当者の頭の中で動いている判断の塊です。気象予報の更新値、市場価格の動き、自社EMSの実績データ、蓄電池SoC、火力ユニットの状態、出力制御指令。複数のシステムを横断しながら、「次のコマで何を動かすか」を分単位で決めていきます。

担当者が異動・退職した瞬間、後任が同じ精度でオペレーションできるかは別問題です。引き継ぎ資料には手順書があっても、判断基準そのものは引き継げないのが実情です。再エネ比率が拡大し電源規模が増えていくなか、属人化したオペレーションは事業継続のリスクに直結する状態になっています。

発電スケジュールが読めない根本原因

再エネ発電スケジュールの問題は、現場の判断力ではなく構造の問題に分けて整理できます。次の4つが、ほぼすべての再エネ事業者で共通して見られるパターンです。

(1) 自然現象の本質的な不確実性

再エネ出力の不確実性は、技術で完全に消すことはできません。太陽光は雲の動き次第で分単位、風力は風況次第で時間単位、水力は流域降雨次第で日単位の変動を抱えています。気象予報の精度は年々向上しているものの、雲の生成・消散や局所気象は依然として予測誤差が残り続けます。

不確実性が消せない以上、計画は「ある一つの予報値」ではなく「複数の起こりうるシナリオ」を前提にする必要があります。確率的に最も期待値が高い計画と、悪天候時にも破綻しない計画の両方を見ながら、どこに線を引くかを判断する設計が求められます。決定論的な計画作成から、確率を扱う計画作成への発想転換が、出発点になっていくのです。

(2) 30分単位の計画提出という時間粒度の制約

計画値同時同量制度では、翌日断面で30分単位の発電・需要計画を提出する必要があります。1日48コマ、1週間で336コマの計画値を、気象・需要・市場・自社運転条件すべてを織り込んで決める作業が、毎日続いていく構造です。

直前ゲートクローズまでに計画値の修正は可能ですが、ゲートクローズ後はインバランス料金の対象になります。30分という時間粒度は、再エネ出力変動のスケールに対して粗いとも細かいとも言える微妙な値で、コマ間の連続性を意識した設計が必要になります。1コマだけ最適化しても、前後コマと整合しなければ蓄電池SoCが破綻するからです。

(3) 発電・蓄電・需要・市場の4モデル同時稼働

再エネ発電計画では、発電出力モデル・蓄電池運用モデル・需要予測モデル・市場価格モデルの4つを同時に動かして整合させる必要があります。それぞれが独立に最適化されている場合、結合した瞬間に矛盾が表面化していきます。

蓄電池の充放電タイミングは、発電出力カーブと市場価格カーブのどちらに合わせるかで結論が変わります。需要計画の精度が低ければ、発電計画の意味も薄れていきます。市場価格の予測が外れれば、蓄電池シフトの意思決定そのものが裏目に出る場面があるのです。4モデルを同時に動かす設計は、単一の表計算では追いつかない構造を持っています。

(4) 直前予報変化での計画全崩れ

ゲートクローズ直前に予報が変わったとき、計画は本当に組み直せているでしょうか。計画提出後、気象予報が更新されれば、計画は組み直しが必要になります。「午後の日射量が想定より20％低い」「夜半の風速予報が下方修正された」という事象が入った瞬間、発電出力カーブ、蓄電池SoC、火力協調、需給バランス、市場対応のすべてが連鎖的にズレていくのです。

人手で2時間かけて作った計画を、ゲートクローズまでの数十分で組み直す余力は現実的にありません。結果として「とりあえず元計画を提出して、インバランスを受け入れる」という対症療法に終始するか、「直前修正を諦めて精度の低いまま走る」という選択になりがちです。

再エネ発電スケジュールを立てるとき、何を同時に考えなければならないか

再エネ発電計画では、次の7つの要素を同時に成立させる必要があります。1つや2つなら頭で扱えますが、7つすべてが絡み、しかも各要素に不確実性が乗ると、人間が一度に保持できる思考の範囲を超えていきます。

(1) 気象予報の不確実性と複数シナリオ

出発点になるのは、気象予報をどう計画に取り込むかです。日射量・風速・気温の予報値を「一つの代表値」として扱うのではなく、上振れシナリオ・中央値シナリオ・下振れシナリオの複数を並列に持ち、それぞれの発生確率と帰結を見ながら計画を組む設計が必要になります。

気象予報の更新頻度（数時間ごと）と、計画提出のリズム（翌日断面・直前修正）を整合させる仕組みも欠かせません。複数の気象データソースを使い分け、短期・超短期では実測ベースの補正を入れる構造を、組織として持っているかが計画精度を分けていきます。前提として、気象データのリアルタイム取り込みと履歴蓄積の整備は不可欠です。

(2) 出力変動の時間特性とランプレート

再エネ出力には電源種別で異なる時間特性があります。太陽光は朝夕のランプ（出力の急上昇／急降下）と昼間の雲影響、風力は数分から数時間の風況変動、水力は降雨後の流量変化と貯水池運用。計画には電源ごとのランプレートと変動の時間スケールを織り込む必要があります。

ランプレートが急な電源は、火力協調や蓄電池の応答性で吸収できる範囲を超える場面があります。1分から数分の変動は系統の周波数調整、10分から30分の変動は計画値同時同量、数時間の変動はユニット起動停止という時間スケールごとの対応設計を、計画段階で組み込んでおく視点が欠かせません。

(3) ユニット起動停止と火力・水力の協調

再エネ単独で計画値を維持するのは難しい場面が多く、火力・水力との協調が現実解になります。火力ユニットには最低稼働時間・最低停止時間・起動コスト・出力下限といった制約があり、起動停止の組合せだけでも計画の選択肢は急速に膨らんでいきます。

「翌日昼間の出力下振れ予報があるなら、夜半に火力を起動して待機させる」「水力の貯水池を翌日午後に向けて温存する」といった意思決定を、30分単位の計画と接続させる必要があります。ユニット起動停止の最適化は、製造業のスケジューリングで段取り替え最小化を扱う構造と類似する組合せ最適化問題です。

(4) 蓄電池SoCと充放電スケジュール

蓄電池併設の発電所では、SoC（State of Charge、充電率）の管理が計画の中心になります。SoC上限・下限を守りつつ、市場価格が安い時間帯に充電し高い時間帯に放電する基本ルールに、出力変動吸収・インバランス回避・系統サービス提供といった複数の役割を重ねる設計が必要です。

蓄電池運用の判断は単一目的では決まりません。「翌日の予報下振れに備えてSoCを高めに保つ」「市場価格の山谷に合わせて積極シフト」「周波数調整サービスに参加して別収益を確保」といった選択肢を、コマ単位で組み合わせる作業が求められます。サイクル劣化を抑える充放電パターンも、長期収益の観点では無視できない要素になっていきます。

(5) 需要予測と計画値同時同量

発電側だけでなく、需要側の予測精度も計画値同時同量の精度を決めます。電力小売事業を併営している場合は自社需要、卸供給先がある場合は契約先の需要、これらの予測誤差が発電計画にも跳ね返ります。

季節性・曜日効果・気温感応度・特殊要因（祝日、大型イベント）を織り込んだ需要予測を、発電計画と連立で扱う設計が求められます。需要予測モデルが古い、または属人化していると、その時点で発電計画の意味が薄れていく構造です。

(6) インバランス回避と出力制御ルール

インバランス回避は、計画段階の主要なゴールの一つです。計画値と実績のズレを許容範囲に収めるため、安全側マージン（計画値を保守的に出す）と機会利益（市場価格を取りに行く）のトレードオフを意識した設計が必要になります。

出力制御ルールも忘れられません。エリアごとの優先給電ルール、旧ルール／新ルール／無制限ルールでの上限時間や順序、当日制御指令の取り扱い。これらが「計画通りに発電したくてもできない」場面を生む変数として計画に織り込まれます。

(7) VPP・分散リソース統合と託送制約

近年、複数の分散電源・蓄電池・需要応答（DR）を束ねて一つの仮想発電所として運用するVPP（Virtual Power Plant）が広がりつつあります。複数リソースの統合運用は、単一発電所では届かないスケールメリットと柔軟性を生む一方、リソース間の最適配分という新しい計画問題を発生させます。

託送制約（送電容量の物理上限、エリアの混雑）、契約上の優先順位、各リソースの契約形態（FIT／FIP／自己託送）も計画に織り込む必要があります。VPP運用は、配車計画でドライバー・車両・荷物を組み合わせて最適化する構造と発想が近く、リソース割当・タイミング・契約条件の同時最適化が計画品質を決めていきます。前提として、各リソースの計測データ・契約情報・運転状態の構造化整備は不可欠です。

なぜ「人手の計画」では限界があるのか

ここまで挙げた7つの要素を、人手の表計算と経験で同時に解こうとすると、現実的には部分最適に陥ります。理由は3つあります。

変数の多さがまず壁になります。気象シナリオ複数（10〜100通り）×コマ数（1日48コマ）×ユニット起動停止（複数台の組合せ）×蓄電池SoC遷移×市場参加判断の組合せだけで、計画の選択肢は天文学的な規模に膨らんでいくのです。人間が頭の中で扱える組合せは数十程度が限界で、計算量の壁を越えていけません。

トレードオフの複雑さも見逃せません。インバランス料金最小化を優先すれば計画値が保守的になり収益機会を逃し、市場収益最大化を優先すれば気象下振れ時にインバランスが膨らみ、安定供給を優先すれば蓄電池の経済運用ができなくなる。3つ以上の指標が同時にトレードオフ関係にあると、人手の判断はどれか1つに偏った解になりがちです。

最後の壁が、見直しスピードです。気象予報の更新、市場価格の動き、系統指令、ユニットトラブル。直前イベントへの対応で、計画は日々書き直しが必要になります。担当者が30分前に作った計画を、ゲートクローズまでの10分以内に組み直す余力は現実的にないのが実情で、結局「元計画のまま提出してインバランスを受け入れる」という対症療法に終始する場面が日常化しています。

最適化AIが切り拓く再エネ発電スケジュールの解決への道

最適化AIは、現場のルールを守りながら最も良い計画を自動で見つけるAIです。「制約条件を一つも破らず、現実的な計算時間の中で高品質な結果を返す」のが特徴で、生成AIの「それらしい出力」とは根本的に異なる仕組みを持ちます。再エネ発電計画で言えば、計画値同時同量・出力制御ルール・ユニット運転条件といった「絶対に守るべきルール」と、インバランス料金最小化・市場収益最大化・系統安定化のような「できる限り良くしたい指標」を同時に扱える点が強みになります。

計画の精度 — 不確実性を確率的に扱う

最適化AIの第一の価値は、不確実性を確率的に扱う計画品質の精度向上にあります。気象予報を一つの代表値ではなく複数シナリオの確率分布として入力し、各シナリオでの帰結を評価しながら、期待値が最も良い計画と悪天候時にも破綻しない計画の両方を導けるからです。

OptHubが手がけてきた配車計画の支援領域では、配送拠点・車両容量・配送時間指定といった制約条件を満たしながら、走行距離と車両台数を同時に最小化する計画を組み上げてきた実績があります。再エネ発電計画も、構造としては「リソース（発電ユニット・蓄電池）と時間枠（30分コマ）を組み合わせて、需給制約を満たす最良配分を探す」スケジューリング問題で、配車・製造のノウハウが横展開しやすい領域です。担当者の経験則では「だいたいこのへん」だった計画値が、複数シナリオを定量的に評価したうえでの最良解として導かれます。

計画のスピード — 予報更新で即時リスケ

最適化AIの真価は、計画変更時に発揮されます。気象予報の更新・市場価格の急変・系統指令が発生した瞬間、既存の計画をどう組み直すかを数分で再計算できるからです。

「次のゲートクローズまでに日射量予報が15％下方修正」という事象が入れば、午後の発電出力カーブ、蓄電池SoC遷移、火力ユニット起動停止、市場対応の組み直しを連鎖的に再計画する必要があります。最適化AIは変数の多い計画でも再計算を高速に回せるため、当日の変動への即時リスケが可能になります。担当者は提示された代替案から、運用感覚に合うものを選んで実行に移すという、判断中心の業務にシフトできる構造です。

計画の透明性 — 多目的トレードオフの可視化

最適化AIは、複数の評価指標を同時に追いかける探索型の技術で、トレードオフを可視化できます。「インバランス回避を最優先」「市場収益を最優先」「安定供給を最優先」「3者のバランス」といった複数のバランスパターンを並列で提示し、事業者としてどのバランスを採るかを意思決定できる構造です。

汎用ソルバーや既製のEMSでは、現場固有のローカルルール（「この時間帯は出力を一定に保つ地域協定」「定期点検枠との整合」「契約先別の優先順位」など）を十分に反映できないことが多いのが実情です。OptHubでは業務ヒアリングを通して問題構造を理解し、その構造に特化した探索アルゴリズムと評価関数を設計するアプローチを採っています。アルゴリズム単体ではなく、データ連携・複数案の比較・現場フィードバックを含む実運用システムとして構築する点が、現場で継続的に使える最適化AIの条件になります。

まとめ

再エネ発電スケジュールが計画通りに進まないのは、現場の判断力の問題ではなく、自然現象の本質的な不確実性・30分単位の時間粒度・4モデル同時稼働・直前予報変化への追従不能という4つの構造的要因に由来します。気象シナリオ×コマ数×ユニット組合せ×蓄電池SoC×市場対応が絡み始めた時点で、組合せ数は人間の判断能力を超え、表計算と経験では同時に扱えない複雑さに変わるからです。

再エネ発電計画は、気象予報の不確実性・出力変動の時間特性・ユニット起動停止・蓄電池SoC・需要予測・インバランス回避・VPP統合という7つの要素を同時に成立させる多変数の問題です。最適化AIを使えば、事業者固有のローカルルールをハード制約として組み込んだ上で、インバランス料金の最小化・市場収益の最大化・安定供給の維持を同時に追える計画を、数分単位で生成・更新できる余地が生まれます。気象更新への即時リスケ、複数バランスパターンの可視化も、最適化AIの中で同時に扱える領域となるのです。

導入はツール選定ではなく業務整理から始めるのが王道。制約条件の棚卸し、スモールスタート、効果測定と段階的拡張という順番で進めることで、再エネ発電計画は「担当者の経験則」から「組織の仕組み」へと移行します。再エネ比率拡大下での収益確保と系統責任の両立が求められるエネルギー事業において、発電スケジュールの最適化はもはや運用課題ではなく、経営課題そのものへと変わりつつあります。