電力 AI エンドツーエンド研究プロジェクト

この研究で観察したこと (B300 1 日枠の探索結果)

1. 5 分粒度で自前 906M Transformer が Chronos T5-base zero-shot と同等レンジ (10 ターゲット中 7 で lower RMSE_norm、 平均 0.168 vs 0.180)。 B300 の HBM 容量を活かした 4,032 step (5 min × 4,032 ≒ 14 日) のコンテキストで学習。 ※ 単一 val 期間 (約 20 日) の 1 点推定で誤差バーなし、 また自前モデルは per-target 学習・context 4,032 step、 Chronos は zero-shot・default context (512 step) と条件は同一ではない。 「勝利」より「同等レンジに到達」と読むのが安全。
2. Chronos 予測残差は裾の重い non-Gaussian 分布を持ち、 |z|>3 が理論値 0.27% の約 8 倍 (=5,545 件、 2.2%) 観察された。 これは「異常多発」ではなく予測モデル誤差の性質。 ただし z=-15 級の個別大型ピーク (北海道-本州 -411MW、 風力 z=15.94 など) と、 12 月後半朝 09:00 帯に「太陽光起動 → LNG 急減 → 西日本連系線逆流」 が連日繰り返されるパターンは観察できた。
3. 残差ピークを UMAP+HDBSCAN で 61 クラスタに分けると時刻・ターゲットに整合するパターンが出る。 朝の太陽光起動・夕方需要ピーク・深夜風力スパイク等。 ※ クラスタ数 61 は min_cluster_size=30 依存。
4. 残差ピークの 1〜6h 先予測 Transformer (25M) を 1.5 分で学習。 太陽光 AUC 0.87、 風力 0.57、 北海道-本州 0.55。 ※ 太陽光ラベルは時刻パターン依存性が強く、 time-of-day-only baseline との比較は未実施 (= 25M モデル容量の必要性は本実験では示せていない)。
5. 差分系列の Granger F でターゲット間に明確な階層構造。 太陽光と LNG 火力の同期が突出 (F=216)、 LNG ⇔ 連系線は双方向 F が高い、 風力 → 他は F ≒ 0 (独立変動源)。 ※ Granger F は構造因果ではなく予測的補完関係であり、 共通の外生ドライバ (時刻・気象) の影響を分離していない。
6. シミュレータ + PPO + reward shaping のパイプラインが B300 で 6 分で end-to-end に回ることを実装。 4 モード中、 anomaly_signal を reward に組み込んだ PPO+anom-reward が唯一 baseline 超えで sim 内 LNG -24.7%。 ※ ただし reward 項と評価指標の重複による循環論証リスクあり (ablation 未実施)。 v3 sim は周波数・電圧・N-1 を扱わない toy 環境。

アプローチ進化

vs Chronos zero-shot (val 期間・sampling は同一、 ただし条件統制は不完全)

val 期間: 2025-12-12〜2026-01-01 (約 20 日、 stride=24、 同一 sampling)

条件差: 自前モデル = per-target 個別学習 + context 4,032 step (≒ 14 日)、 Chronos = zero-shot + default context 512 step (≒ 1.8 日)。 「自前が Chronos より優れている」ではなく、 ターゲットドメインで学習しコンテキストを 8 倍にした自前モデルが、 default 設定の foundation model と並ぶレンジに来た、 と読むのが正確。 Chronos の context を 4,032 step に揃えた条件、 および同 sample 数で fine-tune した条件での再比較は今回の B300 枠では未実施。

サンプル数の注記: 自前 906M params に対し train pair = 4,056 (1 サンプルあたり ≒ 223,000 params) で、 val 期間へのメモライズ的フィッティングのリスクは排除できていない。 また val window は約 20 日 × stride 24 で実質的に独立サンプル数は限られ、 ターゲット間の RMSE 差 0.011 (0.180→0.168) に統計的有意性 (Diebold-Mariano、 block bootstrap CI) が付くかは検証していない。 結論は「勝利」ではなく「同等レンジに来た」と読むのが安全。

本フェーズは系統の「異常」を見つける作業ではなく、 Chronos zero-shot 予測の残差が大きく外れたタイミングを抽出する作業である。 |z|>3 のヒット率は 2.2% で、 ガウシアン理論値の 0.27% (≒ 690 件) の約 8 倍。 これは系統異常の多発ではなく、 Chronos 残差が裾の重い (leptokurtic) non-Gaussian 分布を持つことの帰結。 とくに太陽光 (354 件 / |z|>5)・FC 連系線 (199 件)・LNG 火力 (225 件) で裾が重い。 従って 5,545 件は「Chronos がその時点で系統挙動を当てきれなかった残差ピーク」と読むのが正確で、 実イベント (停電・出力制御・設備故障) との突合は本実験では未実施。 個別の z=-15 級ピーク (北海道-本州 -411MW、 風力 z=15.94 など) は実イベント由来の可能性が高いが、 5,545 件全体としては「Chronos の予測誤差プロファイル」と呼ぶべき集合。

手法

1. val 期間 (2025-10〜2026-01、 92 日、 25,472 step) の全 5 分時点で Chronos T5-base zero-shot 予測
2. 残差 r = (実績 − 予測中央値) を計算
3. 系列毎に残差の標準偏差 σ_r を求め、 z-score = r / σ_r で正規化
4. |z| > 3 / 5 / 8 で残差外れ値を抽出
5. 同時刻に複数系列で外れ値が出るタイミングを「同時イベント候補」として深掘り

計算時間: B300 × 1 枚で 11.5 分 (10 系列 × 25,472 step = 254,720 予測)、 30.7 GB 使用

検出統計

同時発生タイミング (系統イベント候補)

|z|>5 の残差ピークが複数系列で同時刻に発生したタイミング。 真の系統イベント由来か Chronos 共通の予測失敗かは未弁別。

処理パイプライン

1. 各残差ピークの直前 24h (288 step) の context を Chronos T5 encoder に入力
2. last_hidden_state を mean pool → 768 次元 embedding
3. 同時刻の他 9 系列正規化値を連結 → 778 次元 feature
4. UMAP (cosine, n_neighbors=30) で 2 次元投影
5. HDBSCAN (min_cluster=30) で 自動クラスタリング

計算時間: 8 秒 (5,545 × 768 dim embedding)、 GPU 1 枚で約 0.5 GB

結果: 61 クラスタ + 1,084 ノイズ (min_cluster_size=30 のもとで)

留意: 778 次元 feature には他 9 系列の正規化値が直接連結されており、 Chronos embedding 部分も対象 target の系列から得たものなので、 UMAP がターゲット別に分かれるのは大半が構成上の前提。 クラスタ数 61 は min_cluster_size=30 一設定の結果で、 安定性 (シルエット・k-fold 一致率) は本実験では計測していない。 1,084 件のノイズ (全体の約 20%) はクラスタ化できなかったサンプル。 以下は上位 10 クラスタ:

Test 結果: ターゲット別 AUC / AP

太陽光ラベル (±30 分以内に |z|>3) は日の出・日没・正午のピーク帯に強く偏っており (フェーズ④のクラスタ 31「太陽光起動 top hour=08」・クラスタ 20「昼ピーク top hour=13」)、 時刻 sin/cos と過去 24h の単純な集計だけのロジスティック回帰 baseline でも AUC 0.8 前後には達する可能性が高い。 本実験ではこの time-of-day-only baseline を計測していないため、 AUC 0.87 が 25M Transformer のモデル容量によるものか時刻分布の強さによるものかは切り分けられていない。 風力 AUC 0.57・北海道-本州 AUC 0.55 が chance 近傍に落ちるのは、 ラベル側に時刻パターンが乏しいターゲットでは予測材料がほぼ無いことを示しており、 ターゲット間の AUC 差は「モデルの優劣」ではなく「ラベルの予測しやすさ」を表している、 と読むのが安全。

手法

• Raw level: 各系列の差分系列で双方向 OLS 回帰、 F 統計量で帰無仮説「X の過去 12 step は Y を予測に寄与しない」を検定
• Residual level: Chronos 残差で同じ検定 → 自己相関で説明できない本質的補完関係
• Lead-lag 相互相関: 残差ピーク binary mask の ±2h 相互相関プロファイル
• F 統計量はサンプル数 n≒26,000 では微弱な相関でも 100 単位に達するため、 絶対値ではなく相対順位として読む。 自由度 (分子 df=12 / 分母 df≒26,400) のもとでは F>2.18 で p<0.01 となり、 Top ペアは単独では全て有意水準を超える
• 共通の外生ドライバ (時刻・気象) を残差化していないため、 「太陽光 → LNG」も「両者が朝同時に動く」時刻同期の影響を含む。 本フェーズの結論はペア間の同期構造であり、 構造因果や介入下の挙動の同定ではない

サンプル数: 92 日 × 288 step/day ≒ 26,496 step / pair (差分系列)、 lag = 12 step (60 分)、 計算時間 3.5 秒

Top Granger F ペア (Raw 差分系列、 lag=12)

F 値は絶対値ではなくペア間の相対順位として読む。 全ペアが単独では p<0.01 水準を超えており、 順位構造が情報の本体。

PowerGridEnv 設計 (gymnasium 互換)

v3 環境で 4 モード比較 (val 期間 30 episode)

「PPO+anom-reward が回った」の読み方 (循環論証リスク)

4 モード比較で、 他 3 モード (PPO scratch / BC / PPO+BC) はすべて baseline より大幅に悪い (-14% 〜 -307%)。 v3 環境は単純 PPO では学習が成立せず、 anomaly_signal を reward 項として焼き込んだモードだけが回った状況。

評価指標は LNG 削減率 × imbalance × 残差ピーク回避を含む合成スコア。 一方 PPO+anom-reward の reward は明示的に -α·LNG - β·anomaly_signal を含む。 つまり「評価関数と相関の高い項を reward に直接入れたから評価関数のスコアが上がった」という当然の帰結が含まれている。

これを「予測 → 制御」 の AI パイプラインの実証と呼ぶには、 少なくとも以下の ablation が必要 (今回の B300 1 日枠では未実施):

• anomaly_signal を観測 obs にだけ入れる vs reward にも入れる の比較
• random noise を anomaly_signal の代わりに reward に入れた sanity check (これでも勝てば論証は崩壊)
• 同じ -α·LNG 項を持つ PPO scratch (anomaly 項なし) との比較
• val 期間を変えた繰り返し試行 (現状は 30 episode の 1 回計測のみ)