ハイブリッド・ゴリラ部隊最適化―遺伝的アルゴリズムによる配電網におけるDGの多目的サイズ決定と配置：実ケーススタディ

日常の信頼性のための賢い地域電力

スイッチを入れれば瞬時に安定した電力を期待しますが、電力需要の増加や再エネの接続拡大により、その信頼性の実現はますます困難になっています。有望な考え方の一つは、大規模で遠隔の発電所に依存するのではなく、小規模な発電ユニット（分散型発電機）を地域のネットワークに分散配置することです。本研究は、これら小規模ユニットをどこに、どの規模で配置すべきかを、エネルギー損失の低減、電圧の安定化、そして年間相当のコスト削減を達成するように決定する、新しいコンピュータベースの計画手法を示します。

地域発電が重要な理由

従来の電力システムは、大規模発電所から家庭や工場へ長距離にわたり電力を送ります。その過程で導線の抵抗による熱損失が生じ、需要が増えると遠隔地で電圧が低下することがあります。小型のガス発電機や太陽光・風力などの分散型発電を地域ネットワーク内に直接設置することで、過負荷になった線路を緩和し、損失を削減し、電圧品質を改善できます。しかし、配置は単に空いている場所に置くだけでは済みません。設置場所や出力の各選択はネットワーク全体に影響を及ぼし、厳しい工学的制約も守る必要があります。計画問題は、設置するか否かの離散的選択と、各発電機の連続的な容量決定を混ぜ合わせ、しかも複数の目的を同時に満たすという複雑なパズルになります。

ハイブリッドなデジタル「捜索隊」

このパズルに対処するため、著者らは二つのよく知られた最適化手法群を組み合わせたハイブリッド探索法を設計しました。一方は遺伝的アルゴリズム（GA）で、進化に着想を得た手法が設置・非設置などのステップ状の意思決定を扱います。他方はゴリラ部隊最適化（GTO）で、群れの移動やリーダーシップに着想を得た群知能型手法が、各発電機の出力のような連続値の探索に長けています。各サイクルで両者は候補プランを提案し、それらを統合して完全なネットワーク配置を作成し、性能を検証します。エネルギー損失を減らし電圧を改善するプランは保持・洗練され、劣るプランは淘汰されます。それぞれの手法に得意分野に専念させることで、ハイブリッド手法は非常に複雑な意思決定空間をより効率的に探索し、局所解に陥るのを避けられます。

現実的な電力網での検証

研究者らはまず、複雑な探索空間での挙動を評価するために用いられる23の標準的な数学的テスト関数でハイブリッド手法を検証しました。ハイブリッドは一貫して優れた解を見つけ、古典的な遺伝的アルゴリズムや他の群知能ベースの手法よりも速く収束しました。次に、この手法を2つの配電網に適用しました：33バスの広く使われるベンチマーク系と、簡略化された実世界の大規模ネットワーク（143バス）です。両ケースで分散型発電の多様な運用条件を探索し、損失削減のみ、電圧改善のみといった単一目的や、両方を同時に考慮する多目的設定を検討しました。本手法は損失を大幅に低減し電圧を平滑化する配置を見つけただけでなく、片方の利得をどれだけ犠牲にして他方を得るかを示すトレードオフ曲線も明らかにしました。

大幅な無駄とコストの削減

報告された成果は顕著です。33バスのテスト系では、最良の解が電力損失を最大で約94％削減し、電圧品質をほぼ100％改善しました。経済的には、その系での年間損失は約92,000ドルから約14,000ドルへと減少し、年間で78,000ドル以上の節約となりました。より大きな実際の143バスネットワークでも、損失はほぼ94％減少し電圧問題はほぼ100％解消され、年間の損失は約178,000ドルから約32,000ドルへと減り、145,000ドル以上の節約が得られました。解析はまた、ネットワーク内のどの部分が特に敏感であるかを明らかにし、計画担当者にとって具体的な改良対象を示しました。

将来の電網にとっての意義

専門外の人に向けた要点は、屋根上の太陽光やコミュニティ規模の蓄電池、小規模発電機など、既に普及しつつある地域電源からより多くの価値を引き出すには、より賢い計画ツールが有効だということです。これらのユニットを試行錯誤や単純なルールで配置するのではなく、紹介したハイブリッド手法は無数の可能性を探索して、エネルギーの無駄を大幅に減らし、電圧を安定させ、運用コストを著しく下げる配置を見つけます。電力網がより多くの再エネを取り込み、需要の増加に対応するにつれて、このような知的で自動化された計画は、地域ネットワークをより効率的で信頼性の高い、そしてクリーンなエネルギーへの備えが整ったものにする助けとなるでしょう。

引用: Gacem, A., Romdhane, M., Kechida, R. et al. Multi-objective sizing and location of DG in distribution network by hybrid gorilla troops optimization-genetic algorithm: a real case study. Sci Rep 16, 11334 (2026). https://doi.org/10.1038/s41598-026-41868-7

キーワード: 分散型発電, 配電網, 最適化アルゴリズム, 電圧安定性, エネルギー損失削減